3.a Escuela de Avances en Simulaciones Computacionales. Verano-2023

 Descripción general 

La 3.a Escuela de Avances en Simulaciones Computacionales en la temporada de verano tiene como sede la Facultad de Ciencias de la UASLP. Este espacio se ha creado para que los estudiantes tengan la posibilidad de acceder a diversas y novedosas metodologías, así como las ultimas tendencias en el área físico-matemáticas e ingeniería.

La escuela consta de un día de conferencias magistrales y tres cursos intensivos sobre programación, todas las actividades estarán a cargo de profesores de prestigiosas instituciones internacionales. La escuela es gratuita y está dirigida a estudiantes de nivel licenciatura y posgrado. El cupo es limitado.

19 al 23 de junio del 2023

MODALIDAD PRESENCIAL Y/O EN LÍNEA 

 CONFERENCIA. Auditorio del Instituto de Física 

Diagnóstico de Enfermedades en Plantas con Machine Learning


Dra. Elvia Ruth Palacios Hernández

Profesor Titular C 

Facultad de Ciencias. Universidad Autónoma de San Luis Potosí

epalacios@fciencias.uaslp.mx 

En la actualidad, existe una gran variedad de metodologías en áreas de la ciencia para identificar o detectar enfermedades y plagas en plantas de cultivos. En la agricultura, existe la necesidad del uso de herramientas para el diagnóstico, control y prevención de enfermedades y plagas. Por lo que es un área que se ha convertido en un desafío en las tareas diarias en el campo y la implementación de tecnología. Entre los puntos más importantes se tiene la detección temprana de patógenos para reducir las pérdidas de cultivos y la cantidad de pesticidas. 

En esta platica se  presentará una metodología para la detección temprana de la cenicilla polvorienta en hojas de cucúrbita pepo L. (calabacita) usando señales de espectroscopia de reflectancia e imágenes digitales y algoritmos de clasificación binaria como el k-vecinos más cercanos (KNN) y máquinas de soporte vectorial (SVM) para trabajar con aprendizaje automático y supervisado.

 CONFERENCIAS. Auditorio de la Facultad de Ciencias

En San Luis Potosí ¿Ocurren sismos? Y ¿Cómo se estudian con modelación matemática? 

Mtra. Delia Iresine Bello Segura 

Técnica Académica Titular A. 

Instituto de Geofísica. Universidad Nacional Autónoma de México (UNAM)

iresinedel23@gmail.com

 Semblanza

Realizó sus estudios de licenciatura en la facultad de ciencias de la UNAM, egresada de la carrera de física posteriormente ingresó a la maestría en ciencias de la Tierra en el instituto de geofísica de la UNAM.  Desde el servicio social hasta su tesis de maestría, su trabajo se ha centrado en el estudio de parámetros de fuente de la sismicidad del Valle de México.


Ha sido docente desde hace  14 años en diferentes dependencias de la UNAM entre ellas el CCH Vallejo y la Facultad de Ciencias, actualmente imparte la materia de sismología y vulcanología para la carrera de física de la facultad de ciencias y  y se ha desempeñado como analista desde hace 8 años en el Servicio Sismológico Nacional,  además es responsable del proyecto PAPIME del Diplomado en Sismología para Profesores de Bachillerato.


En cuanto al área de divulgación ha impartido pláticas y conferencias desde el nivel preescolar hasta posgrado.

Análisis de sismogramas empleando un programa de inversión con funciones de Green, comparando datos sintéticos vs observados, para el cálculo del mecanismo focal del sismo del día 6 de junio de 2023.

Hidrodinámica y Propiedades Estructurales de Cristales Líquidos Alrededor de Partículas Anistrópicas

Dr. Stiven Villada Gil

Docente de Tiempo Completo

Politécnico Colombiano Jaime Isaza Cadavid

svillad@unal.edu.co

Los cristales líquidos son fluidos anisotrópicos y viscoelásticos que pueden ser usados para direccionar coloides y formar arreglos particulares con propiedades ópticas, mecánicas y eléctricas inusuales. En este trabajo, nosotros investigamos numéricamante la hidrodinámica alrededor de coloides anisotrópicos suspendidos en un cristal líquido neḿatico y la simulamos usando la teoría del continuo de Stark-Lubensky acoplada a las ecuaciones de Navier-Stokes y las solucionamos usando el método de los elementos finitos. Se observó que el flujo induce fuertes modificaciones en los defectos topológicos que surgen alrededor de las partículas. Nosotros mostramos que el flujo desplaza el defecto anillo de saturno que se forma alrededor de la nanopartícula en equilibrio en la dirección upstream; este  eventualmente se cierra por el flujo y se convierte en un defecto puntual tipo Hedgehog. Las predicciones presentadas en este trabajo sugieren que el flujo se puede utilizar para manipular la estructura de los defectos y la agregación de nanopartículas en cristales líquidos nemáticos. 

El Método Recursivo de la Matriz de Dispersión en el Estudio de Nanoestructuras (Virtual)


Dr. Carlos Ramírez Ramos 

Profesor de Carrera Titular A

Departamento de Física. Facultad de Ciencias. Universidad Nacional Autónoma de México (UNAM)

carlos@ciencias.unam.mx

En el ámbito de la nanotecnología, es crucial investigar y comprender las propiedades de transporte electrónico en nanoestructuras para el desarrollo de dispositivos electrónicos avanzados, especialmente en el procesamiento de información. En esta charla, nos centraremos en una herramienta poderosa: el método recursivo de la matriz de dispersión. Este método nos permite obtener la matriz de dispersión de un sistema a partir de las matrices de dispersión de sus subsistemas, lo que nos brinda una forma altamente eficiente de estudiar sistemas arbitrarios con múltiples terminales.

Una de las ventajas destacadas de este método es su compatibilidad con técnicas de renormalización aplicables a sistemas con desorden periódico y cuasicristalino. Además, hemos desarrollado un enfoque de "divide y conquista" en casos de desorden aleatorio, que mejora el rendimiento en términos de tiempo, estabilidad y uso de memoria en comparación con otros métodos conocidos para el estudio del transporte electrónico.

El método recursivo de la matriz de dispersión no se limita únicamente a la determinación de los coeficientes de transmisión, sino que también nos permite calcular de manera eficiente las estructuras de bandas y los estados ligados tanto dentro como fuera del continuo. En particular, exploraremos cómo las variaciones en la sección transversal de las nanocintas pueden inducir la aparición de estados ligados dentro del continuo.

Agradecimientos

Investigación realizada gracias al Programa de Apoyo a Proyectos de Investigación e Innovación Tecnológica (PAPIIT) de la UNAM IN109022. Los cálculos se realizaron en Miztli bajo el proyecto LANCAD-UNAM-DGTIC-329.

CURSOS. Centro de Cómputo de la Facultad de Ciencias 

09:00 - 11:00 hrs 

Introducción a python para cálculo científico

Impartido por el Dr. Jesús Madrigal Melchor  (jmadrim@uaz.edu.mx)

Unidad Académica de Ciencia y Tecnología de la Luz y la Materia (LUMAT). 

Universidad Autónoma de Zacatecas (UAZ)

En este mini-curso se hará un recorrido por los elemento básicos de python como lenguaje de programación usado para cálculo científico. En la primera parte del curso (primer día) se instalará el ambiente de trabajo anaconda python 3.10, así como los elemento básicos de un lenguaje de programación como son variables, entrada y salida, funciones, condicionales y ciclos, entre otras elementos. Para la segunda parte (segundo y tercer día) se mostrará un panorama general de como python se puede usar para resolver problemas en la física. Finalmente se presenta una breve introducción a tkinter y python cuda.

1. Primeros Pasos (Primer día)

1.1. Instalando anaconda python 3.10

1.2. Usando variables

1.3. Importando módulos

1.4. Vectorizando

1.5. Matplotlib

1.6. Entrada y Salida

1.7. Arreglos numéricos- numpy

1.8. Ciclos y Condicionales

1.9. Funciones

2. Métodos Numéricos con Python (segundo y tercer día)

2.1. Diferenciación e integración numérica

2.2. Ceros de funciones

2.3. Ecuaciones diferenciales ordinarias

2.4. Ecuaciones diferenciales parciales

2.5. Eigenvalores

3. Tkinter python (cuarto día)

3.1. Intro comando básicos

3.2. Ejemplo interfaz tkinter+matplotlib

4. Python Cuda (cuarto día)

4.1. Intro

4.2. Google COLAB

4.3. Ejemplo

Requerimientos:

Usuarios con computadora (preferentemente) con OS Linux, Mac o Windows.

Conexión wifi

11:00 - 13:00 hrs 

Introducción a la Dinámica Molecular con GROMACS

Impartido por el Dr. Daniel Ignacio Salgado Blanco  (daniel.salgado@ipicyt.edu.mx)

Instituto Potosino de Investigación Científica y Tecnológica (IPICyT)

La dinámica molecular clásica permite observar la evolución temporal de un sistema de muchas partículas, con el objetivo de representar, mediante un modelo, el comportamiento a escala microscópica de lo que sucede en un sistema macroscópico real. El éxito de esta metodología para explicar desde una escala microscópica la fenomenología de un sistema macroscópica, ha originado el desarrollo de muchos códigos de simulación altamente optimizados, paralelizados y accesibles a la comunidad científica. Dentro de la amplia oferta de códigos libres y gratuitos, Gromacs se destaca por su eficiencia para simular gran cantidad de partículas.

En este curso teórico-práctico revisaremos los fundamentos de la dinámica molecular clásica, para después abordar el flujo de trabajo que se requiere para poder simular con Gromacs una molécula disuelta en agua. Utilizando este caso de estudio, abordaremos brevemente el cálculo de algunas cantidades útiles para caracterizar dicho sistema.



15:00 - 17:00 hrs

Método de Integración de Taylor en Sistemas Dinámicos

Impartido por el Mtro. Pedro Porras Flores (porras@ciencias.unam.mx)

Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas (IIMAS-UNAM)

Departamento de Matemáticas e Informática de la Universidad de Barcelona (UB)

El objetivo de este mini-curso es presentar un poderoso método de integración numérica conocido como método de Taylor. Este método permite lograr una integración precisa de ecuaciones diferenciales ordinarias, centrándose específicamente en problemas de valor inicial. Durante el desarrollo del curso, se explorarán y aplicarán los conceptos fundamentales, y las técnicas asociadas con la diferenciación automática de primer y alto orden en una y múltiples variables. Mediante ejemplos prácticos se abordarán diversas aplicaciones en sistemas dinámicos, en particular, sistemas Hamiltonianos.

Temario

1. Introducción a Julia.

• Conceptos básicos de Julia.

• Sintaxis y estructuras de datos en Julia.

• Funciones y programación funcional en Julia.

2. Derivada numérica y diferenciación automática.

• Métodos numéricos para la aproximación de derivadas.

• Diferenciación automática de primer orden.

• Diferenciación automática de orden superior.

3. Series de Taylor e integración de Taylor.

• Series de Taylor.

• Funciones de polinomios

• Método de integración de Taylor para ecuaciones diferenciales ordinarias.

4. Aplicaciones.

• Ejemplos y casos de estudio en mecánica celeste.

• Otros campos de aplicación relevantes.


5. Video para la instalación de Jupyter  y Julia 



 Participantes

Dra. Elvia Ruth Palacios Hernández

Dr. Carlos Ramírez Ramos

Dr. Stiven Villada Gil

Dr. Jesús Madrigal Melchor

Dr. Daniel Ignacio Salgado Blanco

Mtro. Pedro Porras Flores