Seminario impartido por Pedro J. Delgado Galindo (Doctorando del Departamento de Física Atómica, Molecular y Nuclear)
Resumen: El estudio de sistemas atómicos que involucran miles de átomos es fundamental para el desarrollo de nuevos medicamentos y materiales. En el ámbito de la simulación atómica, los métodos ab initio, como la Teoría del Funcional de la Densidad (DFT), proporcionan alta precisión, aunque su aplicabilidad se limita a sistemas de hasta unos pocos cientos de átomos debido a su alto costo computacional.
Las técnicas híbridas, como QM/MM [1], permiten caracterizar procesos bioquímicos de mayor escala, combinando niveles de teoría cuántica y clásica, y manejando sistemas con cientos de miles de átomos. Por otro lado, la dinámica molecular, basada en potenciales clásicos, ha sido tradicionalmente menos precisa. Sin embargo, los potenciales interatómicos basados en machine learning han revolucionado este campo al ofrecer una precisión cercana a DFT con un costo computacional significativamente menor [2].
En este seminario se presentarán casos de uso de estas técnicas, con énfasis en el estudio de mutaciones en ARN y el análisis de aceros irradiados en el contexto del proyecto IFMIF-DONES [3], entre otros ejemplos.Referencias:
[1] A. Warshel, M. Levitt, Theoretical studies of enzymic reactions: Dielectric, electrostatic and steric stabilization of the carbonium ion in the reaction of lysozyme, Journal of Molecular Biology, Volume 103, Issue 2, 1976.
[2] Guanjie Wang, Changrui Wang, Machine learning interatomic potential: Bridge the gap between small-scale models and realistic device-scale simulations, IScience, Volume 27, Issue 5, 2024.
[3] International Fusion Materials Irradiation Facility DEMO Oriented Neutron Source, IFMIF-DONES web, URL: https://ifmifdones.org/es/inicio/
- Fecha: viernes 25 de octubre 2024
- Hora: 10:00 h
- Lugar: Aula de seminarios del Departamento de Física Atómica, Molecular y Nuclear.