Professional Documents
Culture Documents
www.acs.org/content/acs/en/acs-webinars/spanish/quimica-computacional 1
¿Tiene preguntas?
1
10/28/2015
La Diversidad de la Audiencia
2
10/28/2015
www.acs.org/ic 5
www.sqm.org.mx
6
3
10/28/2015
acswebinars@acs.org
www.acs.org/content/acs/en/acs-webinars/spanish
7
www.acs.org/content/acs/en/acs-webinars/spanish/quimico-emprendedor
8
4
10/28/2015
10
5
10/28/2015
12
6
10/28/2015
Alán Aspuru-Guzik
14
Alán Aspuru-Guzik
15
7
10/28/2015
Alán Aspuru-Guzik
16
SQM/ACS Webinar
28 de octubre, 2015
16
8
10/28/2015
Pregunta prequímica…
• 1040 or (10^40)
• 1060 or (10^60)
• 1080 or (10^80)
• 10100 or (10^100)
• 10120 or (10^120)
17
18
9
10/28/2015
Biblioteca inicial
Selección
computacional
Costo
Computational Moléculas con mayor
Molecules probabilidad
most likely de Síntesis y
computacional
cost resultar
to be útiles
of interest comprobación
20
10
10/28/2015
Nivelofdeapproximation
Level aproximación
Large
grande
median
Medium
o
pequeñ
Small
o
Aspectos
Sharedcompartidos
Features
Importa el tiempo
Timescale
Automatización
is important
Automated techniques
Descubrimiento
Data-driven discovery
guiado por los datos
Computational
Embudo funnel
computacional
Inorganic
Materiales Organic
Farmacéuticos
Materials
inorgánicos Pharmaceuticals
orgánicos
US Materials Genome Initiative
21 Pyzer-Knapp, et al. Ann Rev. Mat Sci. (2015)
11
10/28/2015
30.0 % carbón
2.5 %
6.8 + 4.4 %
hidro + nuclear
petróleo
32.5 %
86.3% fósil
BP Statistical Review of World Energy (June 2015) 2010: 12 004 Mtoe/año 2014: 12 928 Mtoe/año
2035: 18 600 Mtoe/año
23 (estimation Annual Energy Outlook 2010)
24
12
10/28/2015
30,000+ años de CPU han permitido seleccionar más de 35,000 candidatos para fotovoltaicos de alto rendimiento
Colaboradores: Juan Hindo (IBM) Zhenan Bao (Stanford), Johannes Hachmann (Buffalo)
25
26
13
10/28/2015
27
28
14
10/28/2015
29
30
15
10/28/2015
31
carlos.amador@unam.mx http://aspuru.chem.harvard.edu
32
32
16
10/28/2015
• http://www.worldcommunitygrid.org/Th
e Clean Energy Project
33
17
10/28/2015
• 30 unidades de heterociclos
básicos
• (fusionados, ligados, mezclados) en
(dímeros, trímeros, tetrameros)
• 2,671,405 moléculas distintas, sin
repeticiones, sin ausencia de
moléculas posibles
• cada molécula como una cuerda de
smiles
• fusionado: c1cccc2c1[nH]cc2
18
10/28/2015
37
38
19
10/28/2015
39
40
20
10/28/2015
CInvEstAv
UNAM Eusebio Juaristi
Carlos Amador (FQ) Armando Ariza
Miguel Robles (IER) Tere Mancilla
Norberto Farfán (FQ) Rosa Santillán
Alfredo Vázquez (FQ)
Martha Albores (FQ) CIO
Gustavo García (FQ) José Luis Maldonado
Gustavo Ávila (FQ)
Carlos Rius (FQ) UAM
Margarita Romero (FQ) Ignacio González
José Manuel Méndez (FQ)
Hector García (FQ)
Blas Flores (FQ)
Marcos Hernández (IQ)
José Guadalupe López (IQ)
Luis Demetrio Miranda (IQ)
Víctor Ugalde (FQ)
Hailin Zhao (IER)
Marina Rincón (IER)
Margarita Miranda (IER)
41
21
10/28/2015
b 3
V+ 2
/V+
V
O2
+ 3
/V+
V
O+
2/V2
O+
B
r2/B
r-
1
,5-A
Q
2
,3-A
Q
2
,6-A
Q
1
,7-A
Q
2
,9-A
Q
1
,10
-AQ
1
,2-A
Q
1
,
9
,
2
,
2
,
4
1
3
6
-A
0
Q
-A
-N
Q
-N
Q
Q
Ciclo intenso de
diseño
1
,7-N
Q
1
,5-N
Q
1
,4-N
Q
1
,2-N
Q
1
,4-B
Q
1
,2-B
Q
.0
.8
.6
.4
.2
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
-1
-0
-0
-0
-0
0
E(
V v
sSH
E)
Moléculas sintetizadas
Batería de flujo Selección computacional de Prueba en baterías de flujo
10,000 moléculas de quinonas
Image source: Enervault
Molécula seleccionada
44
22
10/28/2015
45
Machine learning
Calcular
Aprender
Priorizar
Calibración mediante
procesos Gaussianos
Bibliotecas fáciles de Machine Learning:
sintetizar Neural Fingerprints
(Colab. w Ryan Adams, Harvard)
E. O. Pyzer-Knapp, et al. Advanced Functional Materials (In Press) 2015
46
23
10/28/2015
• DFT B3LYP/6-31G*
• PM3
• Hartree Fock
• Todos dan lo mismo
47
Herramientas de redes, comunicación permanente con los colaboradores para el descubrimiento molecular exitoso
Detailed Tables
Bubble Plot
Plotting
Data Access
48
24
10/28/2015
¡Gracias!
http://aspuru.chem.harvard.edu
49
25
10/28/2015
51
Artículos Científicos:
• Pyzer-Knapp etr al. Learning from the Harvard Clean Energy Project: The
use of neural networks to accelerate materials discovery. Advanced
Functional Materials (2015). Just Accepted.
• Pyzer-Knapp et al. What is High Throughput Virtual Screening? A
Perspective from Organic Materials Discovery. Annual Reviews of Materials
Science 45 (2015): 196-216.
• Er et al. Computational design of molecules for an all-quinone redox flow
battery. Chemical Science 6 (2015): 885-893.
• Hachmann et al. Lead candidates for high-performance organic
photovoltaics from high-throughput quantum chemistry – the Harvard Clean
Energy Project. Energy & Environmental Science 7, no. 2 (2014): 698-704.
• Olivares-Amaya et al. Accelerated Computational Discovery of High-
performance Materials for Organic Photovoltaics by Means of
Cheminformatics. Energy & Environmental Science 4, no. 12 (September 22,
2011): 4849
52
26
10/28/2015
www.acs.org/content/acs/en/acs-webinars/spanish/quimico-emprendedor
55
27
10/28/2015
La Diversidad de la Audiencia
28
10/28/2015
www.sqm.org.mx
58
www.acs.org/ic 59
29
10/28/2015
acswebinars@acs.org
www.acs.org/content/acs/en/acs-webinars/spanish
60
www.acs.org/content/acs/en/acs-webinars/spanish/quimico-emprendedor
61
30