---
title: "Química y materiales · Simulaciones · Hipótesis de la simulación"
url: https://simulation-hypothesis.com/es/simulations/chemistry-materials
description: "Electrones, enlaces, líquidos, cristales y fracturas: el comportamiento de la materia antes de sintetizarse."
license: https://creativecommons.org/licenses/by/4.0/
credit: "Ross Allan Dahl, Hipótesis de la simulación (simulation-hypothesis.com)"
---

[Simulaciones](https://simulation-hypothesis.com/es/simulations)dominio 4 de 18

# Química y materiales

Electrones, enlaces, líquidos, cristales y fracturas: el comportamiento de la materia antes de sintetizarse.

Los materiales y las reacciones se pueden simular antes de fabricarlos: electrones para la química, átomos para la mecánica, granos para la microestructura. La química computacional es uno de los mayores consumidores de tiempo de supercomputadora.

## Electrones y enlaces

### Estructura electrónica

Los electrones de una molécula o un cristal, resueltos con la mecánica cuántica para obtener formas, energías y colores.

Pregunta que responde: ¿Es estable esta molécula, y de qué color es?

Deja fuera: El problema cuántico exacto de muchos electrones no tiene solución, así que todo método se apoya en alguna aproximación.

Se ejecuta en: unos 10^15 FLOPS aproximado un clúster universitario, de horas a días por molécula o cristal. Desde: 1953 los primeros cálculos de Hartree-Fock ejecutados en algunas de las primeras computadoras.

[Primeros principios](https://simulation-hypothesis.com/es/simulations/methods#m-first-principles)nivel: Átomos

### Dinámica de reacciones

Enlaces que se rompen y se forman durante una reacción química, a menudo con el núcleo reactivo tratado con mecánica cuántica y el entorno con mecánica clásica.

Pregunta que responde: ¿Qué camino toma la reacción, y con qué rapidez?

Deja fuera: La frontera entre el núcleo cuántico y el entorno clásico es una decisión de modelado, no una línea real.

Se ejecuta en: unos 10^15 FLOPS aproximado un clúster universitario, días por reacción estudiada. Desde: 1976 Primer modelo de reacción combinado cuántico y clásico de Warshel y Levitt.

[Primeros principios](https://simulation-hypothesis.com/es/simulations/methods#m-first-principles)[Dinámica molecular](https://simulation-hypothesis.com/es/simulations/methods#m-molecular-dynamics)nivel: Átomos

### Cribado computacional de materiales

Miles de compuestos candidatos calculados automáticamente, a veces con atajos aprendidos, para hallar los que tienen propiedades útiles.

Pregunta que responde: ¿Cuál de estos diez mil candidatos haría una mejor batería o celda solar?

Deja fuera: Filtra candidatos por propiedades fáciles de calcular, que no siempre son las que importan para fabricar el material.

Se ejecuta en: unos 10^16 FLOPS aproximado un clúster grande que ejecuta miles de cálculos en paralelo. Desde: 2006 los primeros cálculos de alto rendimiento que cribaban materiales candidatos.

[Primeros principios](https://simulation-hypothesis.com/es/simulations/methods#m-first-principles)[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)nivel: Átomos

### Estados excitados y fotoquímica

Una molécula después de absorber un fotón, calculada mientras se relaja, se retuerce o se rompe sobre una superficie de energía distinta de la de su estado fundamental.

Pregunta que responde: ¿Qué hace esta molécula en el instante posterior a absorber luz?

Deja fuera: Los métodos de estados excitados son menos fiables que los del estado fundamental, y los más baratos pueden equivocarse por completo.

Se ejecuta en: unos 10^15 FLOPS aproximado un clúster universitario, de horas a días por molécula. Desde: 1984 los primeros cálculos de química cuántica dependientes del tiempo de moléculas excitadas.

[Primeros principios](https://simulation-hypothesis.com/es/simulations/methods#m-first-principles)nivel: Átomos

### Predicción espectroscópica

Los núcleos y los electrones de una molécula se calculan para predecir dónde caerán sus líneas de resonancia magnética, infrarrojas o de otro espectro, y se comparan con un espectro medido.

Pregunta que responde: ¿Coincide este espectro calculado con lo que el instrumento registró en realidad, y confirma la estructura?

Deja fuera: Empeora de forma notable para los átomos más pesados y las moléculas más flexibles, que son los que más importan en la práctica.

Se ejecuta en: unos 10^14 FLOPS aproximado una estación de trabajo o un clúster pequeño, horas por molécula. Desde: 1974 los primeros desplazamientos de resonancia magnética nuclear calculados, comparados con espectros medidos.

[Primeros principios](https://simulation-hypothesis.com/es/simulations/methods#m-first-principles)nivel: Átomos

### Energía libre de solvatación

Los electrones de una molécula recalculados como si estuvieran dentro de una aproximación continua de un disolvente, para saber cuánta energía cuesta o libera disolverla.

Pregunta que responde: ¿Con qué facilidad se disolverá esta molécula, y cambia el disolvente su manera de reaccionar?

Deja fuera: Sustituye el disolvente por un campo promedio suave y omite interacciones específicas, como un enlace de hidrógeno con una molécula de agua concreta en un sitio crítico.

Se ejecuta en: unos 10^14 FLOPS aproximado una estación de trabajo o un clúster pequeño, de minutos a horas por molécula. Desde: 1981 los primeros modelos de solvatación continua añadidos a los cálculos de química cuántica.

[Primeros principios](https://simulation-hypothesis.com/es/simulations/methods#m-first-principles)nivel: Átomos

### Potenciales interatómicos aprendidos por máquina

Una red neuronal se ajusta a energías de estructura electrónica y luego mueve la dinámica molecular con una precisión casi cuántica a un costo clásico.

Pregunta que responde: ¿Se pueden obtener fuerzas de nivel cuántico para millones de átomos durante nanosegundos?

Deja fuera: La precisión está limitada a las químicas y geometrías del conjunto de entrenamiento.

Se ejecuta en: unos 10^17 FLOPS aproximado Entrenamiento con miles de cálculos cuánticos, y luego dinámica molecular a gran escala Desde: 2007 Generalized neural-network representation of high-dimensional potential-energy surfaces (2007) [fuente](https://doi.org/10.1103/PhysRevLett.98.146401) En el árbol de Simulaciones: [Modelos sustitutos aprendidos](https://simulation-hypothesis.com/es/trees/simulations?n=m-learned)

[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)[Dinámica molecular](https://simulation-hypothesis.com/es/simulations/methods#m-molecular-dynamics)nivel: Átomos

### Potenciales interatómicos universales

Una sola red neuronal de grafos entrenada con una gran base de datos de materiales predice energías y fuerzas para casi toda la tabla periódica.

Pregunta que responde: ¿Puede un modelo aprendido sustituir un potencial ajustado distinto para cada material?

Deja fuera: La precisión varía según el elemento y a menudo suaviza la superficie de energía potencial.

Se ejecuta en: unos 10^17 FLOPS aproximado Entrenamiento con millones de estructuras, inferencia barata Desde: 2022 A universal graph deep learning interatomic potential for the periodic table (2022) [fuente](https://arxiv.org/abs/2202.02450)

[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)nivel: Átomos

### Química cuántica en computadoras cuánticas

Un algoritmo cuántico variacional prepara y mide el estado electrónico de una molécula en un dispositivo real, con un optimizador clásico que ajusta el circuito.

Pregunta que responde: ¿Puede un procesador cuántico hallar la energía del estado fundamental de una molécula pequeña?

Deja fuera: Hasta ahora solo moléculas muy pequeñas, con el ruido dominando el error.

Se ejecuta en: ninguna computadora. Hardware cuántico; comprobaciones clásicas pequeñas Desde: 2014 A variational eigenvalue solver on a photonic quantum processor (2014) [fuente](https://doi.org/10.1038/ncomms5213)

[Primeros principios](https://simulation-hypothesis.com/es/simulations/methods#m-first-principles)nivel: Moléculas

### Dinámica molecular ab initio

Átomos que se mueven en el tiempo con las fuerzas recalculadas a partir de los electrones en cada paso, de modo que los enlaces se rompen y se forman sin un campo de fuerzas preestablecido.

Pregunta que responde: ¿Cómo se mueven y se enlazan los átomos cuando sus fuerzas vienen directamente de la mecánica cuántica?

Deja fuera: Solo se pueden seguir cientos de átomos durante picosegundos, y los errores del funcional de la densidad entran en cada fuerza.

Se ejecuta en: unos 10^16 FLOPS aproximado cientos de átomos durante decenas de picosegundos con una gran asignación de recursos. Desde: 1985 El enfoque unificado de Car y Parrinello para la dinámica molecular y la teoría del funcional de la densidad. [fuente](https://doi.org/10.1103/physrevlett.55.2471) En el árbol de Simulaciones: [Dinámica molecular ab initio](https://simulation-hypothesis.com/es/trees/simulations?n=mat-abinitio)

[Primeros principios](https://simulation-hypothesis.com/es/simulations/methods#m-first-principles)[Dinámica molecular](https://simulation-hypothesis.com/es/simulations/methods#m-molecular-dynamics)nivel: Átomos

### Dinámica molecular de integral de camino

Núcleos atómicos tratados como objetos cuánticos al representar cada uno como un anillo de copias enlazadas, de modo que el efecto túnel y el movimiento del punto cero desplazan los enlaces de hidrógeno y la difusión.

Pregunta que responde: ¿Cuánto cambian los efectos cuánticos del hidrógeno el comportamiento del agua y del hielo?

Deja fuera: No se recupera el comportamiento cuántico en tiempo real, solo el equilibrio y propiedades dinámicas aproximadas.

Se ejecuta en: unos 10^15 FLOPS aproximado decenas de copias por átomo multiplican el costo de la dinámica clásica. Desde: 1984 La simulación de integral de camino de un electrón atrapado en sal fundida, de Parrinello y Rahman. [fuente](https://doi.org/10.1063/1.446740)

[Dinámica molecular](https://simulation-hypothesis.com/es/simulations/methods#m-molecular-dynamics)[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)nivel: Átomos

### Dinámica electrónica en tiempo real

La nube de electrones de una molécula o un cristal seguida en el tiempo cuando le llega un pulso de luz, para hallar espectros de absorción y respuesta ultrarrápida.

Pregunta que responde: ¿Cómo responden los electrones en los primeros femtosegundos después de que llega la luz?

Deja fuera: El funcional aproximado de intercambio y correlación pasa por alto algunas excitaciones, y los iones suelen mantenerse fijos.

Se ejecuta en: unos 10^16 FLOPS aproximado una ejecución de funcional de la densidad paso a paso, durante muchos miles de pasos. Desde: 1996 Aproximación de densidad local dependiente del tiempo en tiempo real de Yabana y Bertsch. [fuente](https://doi.org/10.1103/physrevb.54.4484)

[Primeros principios](https://simulation-hypothesis.com/es/simulations/methods#m-first-principles)[Campos continuos](https://simulation-hypothesis.com/es/simulations/methods#m-continuum)nivel: Átomos

### Dinámica de paquetes de onda cuánticos

Los núcleos de una molécula pequeña tratados como una onda cuántica que se mueve por la superficie de energía, para seguir con exactitud la reacción, el efecto túnel y la vibración.

Pregunta que responde: ¿Cómo vibra y reacciona una molécula cuyos núcleos obedecen a la mecánica cuántica?

Deja fuera: El costo crece mucho con el número de átomos, así que solo las moléculas pequeñas son tratables.

Se ejecuta en: unos 10^13 FLOPS aproximado propagación multiconfiguracional para decenas de grados de libertad. Desde: 1990 El enfoque de Hartree multiconfiguracional dependiente del tiempo de Meyer, Manthe y Cederbaum. [fuente](https://doi.org/10.1016/0009-2614%2890%2987014-i)

[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)[Primeros principios](https://simulation-hypothesis.com/es/simulations/methods#m-first-principles)nivel: Moléculas

### Búsqueda de estados de transición y de rutas de reacción

La ruta de menor energía entre dos disposiciones de átomos, hallada al relajar una cadena de imágenes intermedias, para obtener barreras y velocidades de reacción.

Pregunta que responde: ¿Qué barrera deben cruzar los átomos cuando una molécula o un defecto cambia de forma?

Deja fuera: Encuentra rutas que existen cerca de la estimación inicial y puede pasar por alto la verdadera barrera más baja.

Se ejecuta en: unos 10^14 FLOPS aproximado cada imagen necesita un cálculo de estructura electrónica, repetido a lo largo de la cadena. Desde: 1998 El método de banda elástica empujada para trayectorias de energía mínima, de Jonsson, Mills y Jacobsen. [fuente](https://doi.org/10.1142/9789812839664%5F0016)

[Primeros principios](https://simulation-hypothesis.com/es/simulations/methods#m-first-principles)[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)nivel: Átomos

### Generación automática de mecanismos de reacción

Unas reglas generan todas las reacciones a las que podría someterse un conjunto de moléculas, y luego un modelo de velocidades las poda hasta dejar un mecanismo de combustión o de pirólisis.

Pregunta que responde: ¿Qué reacciones importan cuando un combustible arde o se descompone?

Deja fuera: Los coeficientes de velocidad se estiman a partir de reglas de grupo, y las vías poco comunes se han probado poco.

Se ejecuta en: unos 10^8 FLOPS aproximado crecimiento de redes con miles de especies, más ejecuciones cinéticas. Desde: 1994 El modelado de pirólisis generado por computadora de Broadbelt, Stark y Klein, con generación de especies y reacciones sobre la marcha. [fuente](https://doi.org/10.1021/ie00028a003)

[Reglas y estados](https://simulation-hypothesis.com/es/simulations/methods#m-rules)[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)nivel: Moléculas

### Monte Carlo cuántico para electrones

Caminantes aleatorios que muestrean directamente la función de onda de muchos electrones y dan energías casi exactas de moléculas y sólidos sin la aproximación del funcional de la densidad.

Pregunta que responde: ¿Cuál es la energía exacta de este sistema de electrones, como referencia para métodos más baratos?

Deja fuera: El problema del signo de los fermiones se evita fijando los nodos de la función de onda, lo que hace que la respuesta dependa de esa suposición.

Se ejecuta en: unos 10^17 FLOPS aproximado millones de horas de núcleo para un cristal molecular. Desde: 1980 El cálculo estocástico del estado fundamental del gas de electrones de Ceperley y Alder. [fuente](https://doi.org/10.1103/physrevlett.45.566)

[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)[Primeros principios](https://simulation-hypothesis.com/es/simulations/methods#m-first-principles)nivel: Átomos

### Funcionales de densidad aprendidos

Un modelo de aprendizaje automático asocia la densidad electrónica con la energía, y sustituye las aproximaciones hechas a mano de la teoría del funcional de la densidad.

Pregunta que responde: ¿Puede un funcional ajustado superar a los diseñados a mano que los químicos usan desde hace décadas?

Deja fuera: El funcional ajustado solo es fiable para los tipos de moléculas y las condiciones representados en sus datos de entrenamiento.

Se ejecuta en: unos 10^16 FLOPS aproximado entrenamiento con energías de referencia de alta precisión, y luego una ejecución de estructura electrónica de costo estándar. Desde: 2012 Funcionales de densidad aprendidos por máquina de Snyder, Rupp, Hansen, Müller y Burke para un sistema modelo. [fuente](https://doi.org/10.1103/physrevlett.108.253002)

[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)[Primeros principios](https://simulation-hypothesis.com/es/simulations/methods#m-first-principles)nivel: Átomos

### Funciones de onda con redes neuronales para moléculas

Una red neuronal se usa como función de onda de muchos electrones de una molécula y se entrena con Monte Carlo variacional para alcanzar energías casi exactas.

Pregunta que responde: ¿Con qué precisión puede una función de onda aprendida describir los electrones de una molécula pequeña?

Deja fuera: El costo sube mucho con el número de electrones, así que solo se ha llegado a moléculas pequeñas.

Se ejecuta en: unos 10^18 FLOPS aproximado días en decenas de GPU para una molécula. Desde: 2019 FermiNet, de Pfau y sus colegas, una solución con red neuronal profunda de la ecuación de Schrödinger de muchos electrones. [fuente](https://arxiv.org/abs/1909.02487)

[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)[Primeros principios](https://simulation-hypothesis.com/es/simulations/methods#m-first-principles)nivel: Átomos

## Moléculas en movimiento

### Líquidos y soluciones

El agua y otros líquidos como millones de moléculas que interactúan, con solutos disueltos en ellos.

Pregunta que responde: ¿Por qué el agua muestra propiedades anómalas, y cómo se disuelve la sal?

Deja fuera: El campo de fuerzas entre átomos se ajusta a un pequeño conjunto de propiedades y no se garantiza que reproduzca el resto.

Se ejecuta en: unos 10^14 FLOPS aproximado una GPU de escritorio; miles de millones de pasos de moléculas por segundo. Desde: 1964 La dinámica molecular del argón líquido de Rahman; el agua se siguió con Rahman y Stillinger en 1971

[Dinámica molecular](https://simulation-hypothesis.com/es/simulations/methods#m-molecular-dynamics)nivel: Moléculas

### Polímeros y materia blanda

Moléculas de cadena larga, geles, espumas y cristales líquidos, normalmente de grano grueso en forma de esferas.

Pregunta que responde: ¿Cómo se estira un plástico, y cómo cuaja un gel?

Deja fuera: El grano grueso descarta el movimiento atómico rápido, así que el momento de algunos procesos es solo aproximado.

Se ejecuta en: unos 10^14 FLOPS aproximado una GPU de escritorio o un clúster pequeño, horas por sistema. Desde: 1962 Modelo temprano de Monte Carlo en red de una cadena de polímero, de Verdier y Stockmayer.

[Dinámica molecular](https://simulation-hypothesis.com/es/simulations/methods#m-molecular-dynamics)[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)nivel: Moléculas

### Combustión

Llamas como un flujo de fluido acoplado a cientos de reacciones químicas.

Pregunta que responde: ¿Cómo quemamos el combustible de forma más limpia, o evitamos que un motor detone?

Deja fuera: Cientos de reacciones reales se simplifican hasta las decenas que una computadora puede seguir en cada paso.

Se ejecuta en: unos 10^16 FLOPS aproximado un clúster grande, días para un ciclo completo del motor. Desde: 1955 las primeras soluciones numéricas de las ecuaciones de llamas laminares.

[Campos continuos](https://simulation-hypothesis.com/es/simulations/methods#m-continuum)nivel: Campos

### Coloides y ensamblaje de nanopartículas

Miles de nanopartículas o granos coloidales movidos por las fluctuaciones térmicas del fluido que los rodea, que se adhieren, se ordenan o se agregan al chocar.

Pregunta que responde: ¿Se autoensamblarán estas partículas en una estructura ordenada, o se agregarán de forma desordenada?

Deja fuera: Los detalles del recubrimiento superficial de una partícula afectan mucho al resultado y suelen reducirse a un único parámetro de adhesión.

Se ejecuta en: unos 10^13 FLOPS aproximado una estación de trabajo o una GPU de escritorio, horas por ejecución de ensamblaje. Desde: 1986 las primeras simulaciones de dinámica browniana de partículas coloidales en suspensión.

[Dinámica molecular](https://simulation-hypothesis.com/es/simulations/methods#m-molecular-dynamics)[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)nivel: Moléculas

### Formación de vidrio

Un líquido enfriado tan rápido en simulación que sus moléculas se atascan en un sólido desordenado antes de poder cristalizar.

Pregunta que responde: ¿Por qué este líquido se congela en un vidrio desordenado en lugar de un cristal ordenado?

Deja fuera: El enfriamiento simulado es siempre mucho más rápido, en muchos órdenes de magnitud, que cualquier vidrio real que se haya enfriado jamás.

Se ejecuta en: unos 10^14 FLOPS aproximado una GPU de escritorio o un clúster pequeño, de horas a días por ejecución. Desde: 1976 las primeras simulaciones de dinámica molecular de un líquido enfriado bruscamente hasta formar un vidrio.

[Dinámica molecular](https://simulation-hypothesis.com/es/simulations/methods#m-molecular-dynamics)nivel: Moléculas

### Sales fundidas y líquidos iónicos

Iones en lugar de moléculas neutras, que interactúan mediante fuertes fuerzas de Coulomb en un líquido sin ningún disolvente.

Pregunta que responde: ¿Qué tan bien conduce la carga este líquido, y cómo se mueven sus iones?

Deja fuera: Las fuertes fuerzas electrostáticas entre iones son más difíciles de captar en un campo de fuerzas que las de las moléculas neutras y a menudo solo se aproximan.

Se ejecuta en: unos 10^14 FLOPS aproximado una GPU de escritorio o un clúster pequeño, horas por cada líquido estudiado. Desde: 1983 las primeras simulaciones de dinámica molecular de una sal fundida.

[Dinámica molecular](https://simulation-hypothesis.com/es/simulations/methods#m-molecular-dynamics)nivel: Moléculas

### Dinámica de campos de fuerza reactivos

Dinámica molecular con potenciales de orden de enlace que dejan que los enlaces se formen y se rompan durante la ejecución, a un costo mucho menor que los métodos cuánticos.

Pregunta que responde: ¿Cómo se rompen y se forman enlaces en miles de átomos a lo largo de nanosegundos?

Deja fuera: Los parámetros se ajustan para cada química, y los electrones no se tratan de forma explícita.

Se ejecuta en: unos 10^16 FLOPS aproximado Millones de átomos durante nanosegundos Desde: 2001 ReaxFF: a reactive force field for hydrocarbons (2001) [fuente](https://doi.org/10.1021/jp004368u)

[Dinámica molecular](https://simulation-hypothesis.com/es/simulations/methods#m-molecular-dynamics)nivel: Átomos

### Metadinámica y muestreo mejorado

Dinámica molecular en la que un sesgo que depende del historial empuja al sistema fuera de los mínimos locales para trazar el mapa de eventos raros y de superficies de energía libre.

Pregunta que responde: ¿Qué altura tienen las barreras entre estados que la dinámica simple nunca cruza?

Deja fuera: El resultado depende de elegir buenas variables colectivas.

Se ejecuta en: unos 10^17 FLOPS aproximado Muchas trayectorias sesgadas sobre unas pocas variables elegidas Desde: 2002 Escaping free-energy minima (2002) [fuente](https://doi.org/10.1073/pnas.202427399)

[Dinámica molecular](https://simulation-hypothesis.com/es/simulations/methods#m-molecular-dynamics)[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)nivel: Átomos

### Muestreadores de equilibrio aprendidos

Una red generativa se entrena para extraer configuraciones moleculares independientes de la distribución de Boltzmann, y evita así las trayectorias largas.

Pregunta que responde: ¿Se pueden muestrear directamente estados raros de una molécula en lugar de esperar a que ocurran?

Deja fuera: Se pierden la dinámica y la cinética, y el entrenamiento es difícil para sistemas grandes.

Se ejecuta en: unos 10^16 FLOPS aproximado Entrenamiento más reponderación Desde: 2018 Boltzmann Generators: sampling equilibrium states of many-body systems with deep learning (2018) [fuente](https://arxiv.org/abs/1812.01729)

[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)[Dinámica molecular](https://simulation-hypothesis.com/es/simulations/methods#m-molecular-dynamics)nivel: Moléculas

### Monte Carlo cinético

Átomos que saltan en una superficie o en un cristal, elegidos al azar con probabilidades fijadas por sus tasas, de modo que se alcanzan procesos que duran segundos u horas.

Pregunta que responde: ¿Cómo cambia una superficie o un cristal durante los largos tiempos entre saltos atómicos?

Deja fuera: Todo evento posible y su tasa deben enumerarse de antemano, así que se pasan por alto los mecanismos sorprendentes.

Se ejecuta en: unos 10^11 FLOPS aproximado millones de eventos, con tasas calculadas de antemano a partir de primeros principios. Desde: 1975 El algoritmo de Monte Carlo guiado por eventos de Bortz, Kalos y Lebowitz para sistemas de espines de Ising. [fuente](https://doi.org/10.1016/0021-9991%2875%2990060-1)

[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)nivel: Átomos

### Dinámica molecular de grano grueso

Grupos de varios átomos fundidos en una sola esfera para poder seguir membranas, polímeros y lípidos que se autoensamblan durante microsegundos en cajas más grandes.

Pregunta que responde: ¿Cómo se forman grandes ensamblajes moleculares a lo largo de microsegundos?

Deja fuera: Agrupar átomos en una sola partícula descarta detalles como la direccionalidad del enlace de hidrógeno, y el tiempo no es estrictamente físico.

Se ejecuta en: unos 10^16 FLOPS aproximado millones de esferas durante microsegundos. Desde: 2007 El campo de fuerza de grano grueso para simulaciones biomoleculares de Marrink y sus colegas. [fuente](https://doi.org/10.1021/jp071097f)

[Dinámica molecular](https://simulation-hypothesis.com/es/simulations/methods#m-molecular-dynamics)[Partículas y N cuerpos](https://simulation-hypothesis.com/es/simulations/methods#m-particles)nivel: Moléculas

### Dinámica de partículas disipativas

Cuentas blandas que representan grumos de fluido interactúan con fricción y empujones aleatorios, y dan una hidrodinámica correcta para polímeros y coloides a gran escala.

Pregunta que responde: ¿Cómo fluyen y se autoorganizan los fluidos de polímeros y tensioactivos a escalas mesoscópicas?

Deja fuera: Los potenciales blandos permiten que las cadenas se crucen de forma no física si no se corrige.

Se ejecuta en: unos 10^14 FLOPS aproximado millones de esferas durante tiempos largos. Desde: 1992 La simulación de fenómenos hidrodinámicos microscópicos con dinámica de partículas disipativas, de Hoogerbrugge y Koelman. [fuente](https://doi.org/10.1209/0295-5075/19/3/001)

[Partículas y N cuerpos](https://simulation-hypothesis.com/es/simulations/methods#m-particles)[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)nivel: Moléculas

### Métodos de energía libre con muestreo mejorado

Simulaciones empujadas para cruzar barreras altas, por ejemplo añadiendo un sesgo que depende del historial, para poder calcular eventos raros y paisajes de energía libre.

Pregunta que responde: ¿Cuál es el costo de energía libre de un cambio raro, como la nucleación o la unión?

Deja fuera: La respuesta depende de la elección de las variables colectivas, y si falta una, el paisaje sale mal.

Se ejecuta en: unos 10^16 FLOPS aproximado ejecuciones largas sesgadas a lo largo de variables elegidas. Desde: 2002 La metadinámica para escapar de los mínimos de energía libre, de Laio y Parrinello. [fuente](https://doi.org/10.1073/pnas.202427399)

[Dinámica molecular](https://simulation-hypothesis.com/es/simulations/methods#m-molecular-dynamics)[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)nivel: Átomos

### Adsorción en materiales porosos

Moléculas de gas insertadas y retiradas al azar en un modelo de sólido poroso para predecir cuánto adsorberá una zeolita o un material de armazón.

Pregunta que responde: ¿Cuánto gas retiene un material poroso a una presión dada?

Deja fuera: Las aproximaciones de armazón rígido y de carga fija juzgan mal los materiales flexibles.

Se ejecuta en: unos 10^13 FLOPS aproximado millones de inserciones por punto de estado, miles de estructuras. Desde: 1975 El Monte Carlo en el conjunto gran canónico de Adams para un fluido de Lennard-Jones. [fuente](https://doi.org/10.1080/00268977500100221)

[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)nivel: Moléculas

### Teoría de campo autoconsistente de polímeros

Las cadenas se sustituyen por un campo de densidad que siente su propia atracción media, de modo que se pueden resolver los copolímeros de bloque y las mezclas para hallar sus patrones ordenados sin seguir cadenas individuales.

Pregunta que responde: ¿En qué patrón se autoensamblará un copolímero de bloques?

Deja fuera: La teoría de campo medio ignora las fluctuaciones, que importan cerca de los límites de fase.

Se ejecuta en: unos 10^12 FLOPS aproximado resolución de ecuaciones de difusión en una malla tridimensional. Desde: 1965 La mecánica estadística de polímeros con volumen excluido de Edwards. [fuente](https://doi.org/10.1088/0370-1328/85/4/301)

[Campos continuos](https://simulation-hypothesis.com/es/simulations/methods#m-continuum)[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)nivel: Moléculas

### Monte Carlo de crecimiento de cadenas para polímeros

Cadenas moleculares largas construidas enlace a enlace con pesos, para medir su tamaño, su entropía y su comportamiento de volumen excluido.

Pregunta que responde: ¿Qué tamaño tiene una cadena larga y flexible, y por qué no se cruza consigo misma?

Deja fuera: Los pesos crecen de forma desigual con la longitud de la cadena, así que las muy largas necesitan trucos de remuestreo.

Se ejecuta en: unos 10^9 FLOPS aproximado millones de cadenas, mucho más barato que la dinámica. Desde: 1955 El cálculo Monte Carlo de la extensión media de cadenas moleculares, de Rosenbluth y Rosenbluth. [fuente](https://doi.org/10.1063/1.1741967)

[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)nivel: Moléculas

## Sólidos

### Magnetismo y transiciones de fase

Espines en una red que cambian al azar, el clásico modelo de Ising y sus descendientes, usados para estudiar cómo aparece el orden a una temperatura crítica.

Pregunta que responde: ¿Por qué un imán pierde su magnetismo a una temperatura exacta?

Deja fuera: Un imán real tiene detalles de forma y de impurezas que la retícula idealizada omite por construcción.

Se ejecuta en: unos 10^12 FLOPS aproximado una laptop; miles de millones de inversiones de espín por segundo. Desde: 1953 el método de Monte Carlo de aceptación y rechazo de Metropolis, luego la herramienta estándar para los modelos de espines; el propio artículo de 1953 simulaba discos duros [fuente](https://zhanggroup.org/teaching/literature/Metropolis1953.pdf) En el árbol de Simulaciones: [Algoritmo de Metropolis](https://simulation-hypothesis.com/es/trees/simulations?n=m-mcmc)

[Ejecutar el modelo interactivo](https://simulation-hypothesis.com/es/simulations/run#toy-ising)

[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)nivel: Átomos

### Fractura y defectos

Los átomos de la punta de una grieta y los defectos que permiten que los metales se doblen en lugar de romperse.

Pregunta que responde: ¿Por qué este material se agrieta en lugar de doblarse?

Deja fuera: La punta de una grieta de apenas unos átomos de ancho tiene que representar a una que atraviesa una viga entera.

Se ejecuta en: unos 10^14 FLOPS aproximado una GPU de escritorio o un clúster pequeño, horas por cada ejecución de grieta. Desde: 1976 La primera simulación de dinámica molecular de Ashurst y Hoover de la punta de una grieta.

[Dinámica molecular](https://simulation-hypothesis.com/es/simulations/methods#m-molecular-dynamics)nivel: Átomos

### Microestructura

Granos cristalinos que se forman y crecen cuando un metal se solidifica o recibe un tratamiento térmico, a menudo con el método de campo de fases.

Pregunta que responde: ¿Qué tratamiento térmico da la aleación más resistente?

Deja fuera: Los límites de grano se tratan como superficies matemáticas lisas, no como los defectos desordenados que son en realidad.

Se ejecuta en: unos 10^14 FLOPS aproximado una estación de trabajo o un clúster pequeño, horas por aleación que se solidifica. Desde: 1991 El primer modelo de campo de fases de Chen y Khachaturyan de una microestructura en crecimiento.

[Campos continuos](https://simulation-hypothesis.com/es/simulations/methods#m-continuum)[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)nivel: Campos

### Materiales granulares

Arena, granos, polvos y pastillas como millones de partículas individuales que chocan y se atascan.

Pregunta que responde: ¿Por qué se atasca el silo, y cómo empieza una avalancha?

Deja fuera: Los granos reales son rugosos e irregulares; los simulados son casi siempre esferas idealizadas.

Se ejecuta en: unos 10^14 FLOPS aproximado una GPU de escritorio o un clúster pequeño, millones de granos a la vez. Desde: 1979 El primer modelo de elementos discretos de partículas granulares de Cundall y Strack.

[Ejecutar el modelo interactivo](https://simulation-hypothesis.com/es/simulations/run#toy-sand)

[Partículas y N cuerpos](https://simulation-hypothesis.com/es/simulations/methods#m-particles)nivel: Cuerpos

### Dinámica de dislocaciones

Defectos lineales que atraviesan la red de un cristal, seguidos mientras se mueven, se multiplican y se enredan hasta producir una flexión o un estiramiento permanentes.

Pregunta que responde: ¿Por qué este metal se dobla en lugar de romperse, y qué resistencia tiene de verdad?

Deja fuera: Trata las dislocaciones como líneas limpias en un cristal por lo demás perfecto, cuando los metales reales están llenos de otros defectos con los que interactúan.

Se ejecuta en: unos 10^14 FLOPS aproximado una estación de trabajo o un clúster pequeño, de horas a días por ejecución. Desde: 1990 las primeras simulaciones de dinámica de dislocaciones discretas de la plasticidad cristalina.

[Partículas y N cuerpos](https://simulation-hypothesis.com/es/simulations/methods#m-particles)[Campos continuos](https://simulation-hypothesis.com/es/simulations/methods#m-continuum)nivel: Átomos

### Crecimiento de películas delgadas

Átomos que llegan uno a uno a una superficie y se pegan, saltan o se sepultan unos a otros mientras una película se forma capa por capa.

Pregunta que responde: ¿Crecerá lisa esta película, o rugosa y llena de defectos?

Deja fuera: Las cámaras de deposición reales tienen contaminación y un flujo desigual que un flujo idealizado de átomos no incluye.

Se ejecuta en: unos 10^13 FLOPS aproximado una estación de trabajo; horas por película simulada. Desde: 1966 los primeros modelos de Monte Carlo cinético de átomos que llegan a una superficie en crecimiento.

[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)nivel: Átomos

### Cascadas de daño por radiación en materiales

Un átomo rápido que golpea un cristal, seguido mientras desplaza a sus vecinos y deja vacantes, para predecir cómo se degradan los metales irradiados.

Pregunta que responde: ¿Cuántos átomos arranca de un cristal un solo impacto?

Deja fuera: Los defectos evolucionan luego durante años, mucho más allá de la cascada, y hacen falta otros métodos para salvar la distancia.

Se ejecuta en: unos 10^13 FLOPS aproximado millones de átomos durante decenas de picosegundos, repetidos para muchas direcciones de impacto. Desde: 1960 La dinámica del daño por radiación en una red de cobre de Gibson, Goland, Milgram y Vineyard. [fuente](https://doi.org/10.1103/physrev.120.1229)

[Dinámica molecular](https://simulation-hypothesis.com/es/simulations/methods#m-molecular-dynamics)[Partículas y N cuerpos](https://simulation-hypothesis.com/es/simulations/methods#m-particles)nivel: Átomos

### Expansión por clústeres de aleaciones

La energía de una aleación escrita como una suma sobre pequeños grupos de átomos vecinos, de modo que el orden y el diagrama de fases puedan muestrearse con Monte Carlo.

Pregunta que responde: ¿Qué disposiciones de átomos prefiere una aleación, y cuándo se ordena?

Deja fuera: La expansión está fijada a una red dada y puede pasar por alto contribuciones vibracionales y magnéticas.

Se ejecuta en: unos 10^12 FLOPS aproximado cientos de energías de primeros principios y luego un Monte Carlo de red barato. Desde: 1984 La descripción generalizada de conglomerados de sistemas multicomponentes, de Sanchez, Ducastelle y Gratias. [fuente](https://doi.org/10.1016/0378-4371%2884%2990096-7)

[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)[Primeros principios](https://simulation-hypothesis.com/es/simulations/methods#m-first-principles)[Teoría de campos en retículo](https://simulation-hypothesis.com/es/simulations/methods#m-lattice)nivel: Átomos

### Modelado de plasticidad cristalina por elementos finitos

Granos de metal que se deforman por deslizamiento en planos cristalinos concretos, con sus orientaciones individuales, para predecir la resistencia, la textura y el comportamiento al conformar.

Pregunta que responde: ¿Cómo deciden las orientaciones de los cristales la manera en que un metal se dobla y se endurece?

Deja fuera: Las leyes de endurecimiento se ajustan a ensayos y no guardan memoria de las dislocaciones individuales.

Se ejecuta en: unos 10^12 FLOPS aproximado modelos de elementos finitos de miles de granos. Desde: 1982 El análisis de la deformación no uniforme y localizada en monocristales dúctiles, de Peirce, Asaro y Needleman. [fuente](https://doi.org/10.1016/0001-6160%2882%2990005-0)

[Campos continuos](https://simulation-hypothesis.com/es/simulations/methods#m-continuum)[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)nivel: Campos

### Simulación micromagnética

La dirección de la magnetización en un imán, discretizada en celdas, con intercambio, anisotropía y campos dispersos, para seguir cómo se forman y se invierten los dominios.

Pregunta que responde: ¿Cómo se invierte la magnetización de un nanoimán?

Deja fuera: La temperatura se trata de forma tosca, y las celdas mayores que la longitud de intercambio pierden detalle.

Se ejecuta en: unos 10^12 FLOPS aproximado ejecuciones de diferencias finitas con millones de celdas. Desde: 1988 El estudio micromagnético tridimensional de los procesos de magnetización en cubos ferromagnéticos, de Schabes y Bertram. [fuente](https://doi.org/10.1063/1.341858)

[Campos continuos](https://simulation-hypothesis.com/es/simulations/methods#m-continuum)[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)nivel: Campos

### Transporte de carga en semiconductores orgánicos

Electrones o huecos que saltan entre moléculas desordenadas, simulados con caminatas aleatorias para predecir la movilidad en la electrónica plástica.

Pregunta que responde: ¿Con qué rapidez se mueven las cargas por un material orgánico desordenado?

Deja fuera: Las tasas de salto son formas supuestas y la morfología está idealizada.

Se ejecuta en: unos 10^11 FLOPS aproximado Saltos Monte Carlo en redes grandes. Desde: 1993 La simulación de Monte Carlo de Bässler del transporte de carga en fotoconductores orgánicos desordenados. [fuente](https://doi.org/10.1002/pssb.2221750102)

[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)nivel: Moléculas

### Cálculo de la conductividad térmica de la red cristalina

Calor transportado por las vibraciones de la red cristalina, con sus tasas de dispersión calculadas desde primeros principios, para predecir la conductividad térmica de un cristal sin ajustes.

Pregunta que responde: ¿Qué tan bien conduce el calor un cristal, a partir solo de los átomos?

Deja fuera: Los materiales muy anarmónicos y desordenados necesitan un tratamiento adicional.

Se ejecuta en: unos 10^15 FLOPS aproximado miles de cálculos de fuerzas en una supercelda. Desde: 2007 La conductividad térmica intrínseca de red de los semiconductores desde primeros principios, de Broido, Malorny, Birner, Mingo y Stewart. [fuente](https://doi.org/10.1063/1.2822891)

[Primeros principios](https://simulation-hypothesis.com/es/simulations/methods#m-first-principles)[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)nivel: Átomos

### Agregación limitada por difusión

Partículas que vagan al azar hasta pegarse a un grupo en crecimiento, y producen fractales ramificados como las dendritas y los depósitos minerales.

Pregunta que responde: ¿Por qué los caminantes aleatorios hacen crecer cúmulos fractales ramificados?

Deja fuera: Modela una sola regla de crecimiento idealizada, sin energía de superficie ni química.

Se ejecuta en: unos 10^8 FLOPS aproximado millones de caminantes en una red. Desde: 1981 Agregación limitada por difusión de Witten y Sander, un fenómeno crítico cinético. [fuente](https://doi.org/10.1103/physrevlett.47.1400)

[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)nivel: Reglas

### Modelos generativos de cristales

Un modelo de difusión o variacional entrenado con cristales conocidos propone nuevas estructuras periódicas, que luego se comprueban y relajan con cálculos de mecánica cuántica.

Pregunta que responde: ¿Puede un modelo imaginar materiales nuevos y estables en lugar de cribar los conocidos?

Deja fuera: La mayoría de las estructuras propuestas son inestables o imposibles de fabricar, y el modelo no sabe cómo sintetizar ninguna.

Se ejecuta en: unos 10^18 FLOPS aproximado semanas de entrenamiento en GPU, y luego una cadena de comprobaciones de estructura electrónica. Desde: 2021 Autocodificador variacional de difusión cristalina para la generación de materiales periódicos, de Xie y colegas. [fuente](https://arxiv.org/abs/2110.06197)

[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)[Primeros principios](https://simulation-hypothesis.com/es/simulations/methods#m-first-principles)nivel: Átomos

## Reacciones, catálisis y electroquímica

### Catálisis

Una molécula que reacciona y se adhiere a la superficie de un catalizador, calculada paso a paso para hallar el camino que reduce la energía necesaria para la reacción.

Pregunta que responde: ¿Qué superficie, y qué disposición de átomos en ella, acelera más esta reacción?

Deja fuera: Los catalizadores reales tienen defectos, venenos y envejecimiento con los que una superficie de modelo limpia y perfecta nunca tiene que lidiar.

Se ejecuta en: unos 10^15 FLOPS aproximado un clúster universitario, días por superficie de catalizador candidata. Desde: 1995 los primeros cálculos cuánticos que trazaban un camino de reacción sobre la superficie de un catalizador.

[Primeros principios](https://simulation-hypothesis.com/es/simulations/methods#m-first-principles)nivel: Átomos

### Modelado de baterías y celdas electroquímicas

Una batería o una pila de combustible entera, con sus electrodos, su electrolito y sus interfaces, modelada en conjunto a través de la carga, la descarga y el calentamiento durante muchos ciclos.

Pregunta que responde: ¿Cuántos ciclos sobrevivirá esta celda antes de degradarse, y cuánto se calentará?

Deja fuera: El deterioro tras años de uso real sigue extrapolándose sobre todo a partir de pruebas aceleradas cortas, no se simula directamente.

Se ejecuta en: unos 10^14 FLOPS aproximado una estación de trabajo o un clúster pequeño, horas por prueba de ciclismo simulada. Desde: 1975 los primeros modelos matemáticos de la carga y la descarga de un electrodo de batería.

[Campos continuos](https://simulation-hypothesis.com/es/simulations/methods#m-continuum)[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)nivel: Campos

### Corrosión

Una superficie metálica que pierde átomos por una reacción electroquímica con su entorno, seguida mientras se pica, se adelgaza o forma una capa protectora.

Pregunta que responde: ¿Cuánto durará este metal antes de corroerse por completo?

Deja fuera: La corrosión real depende mucho de la contaminación local, los arañazos de la superficie y las corrientes parásitas que un modelo ideal omite.

Se ejecuta en: unos 10^13 FLOPS aproximado una estación de trabajo; horas por escenario de corrosión. Desde: 1970 los primeros modelos por computadora de picaduras y corrosión electroquímica.

[Campos continuos](https://simulation-hypothesis.com/es/simulations/methods#m-continuum)[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)nivel: Campos

### Cristalización

Moléculas o iones de una solución sobresaturada que se encuentran y se encajan en una red cristalina en crecimiento, usados para predecir cómo cristalizará un compuesto.

Pregunta que responde: ¿Qué forma y tamaño de cristales producirá realmente este proceso?

Deja fuera: La nucleación, la formación del primer grupo, ocurre a una escala y con una rapidez que todavía impiden observarla o calcularla directamente por completo.

Se ejecuta en: unos 10^13 FLOPS aproximado una estación de trabajo o un clúster pequeño, horas por lote simulado. Desde: 1988 los primeros modelos calculados de nucleación y crecimiento a partir de una solución sobresaturada.

[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)[Campos continuos](https://simulation-hypothesis.com/es/simulations/methods#m-continuum)nivel: Moléculas

### Ingeniería de reactores químicos

Flujo de fluido, mezcla, calor y cientos de pasos de reacción dentro de un recipiente industrial, modelados en conjunto para predecir cuánto producto sale.

Pregunta que responde: ¿Mezclará y enfriará este diseño de reactor con la rapidez suficiente para lograr una reacción limpia y segura?

Deja fuera: Pasar de un pequeño reactor de prueba a uno industrial completo sigue perdiendo exactitud de maneras que los ingenieros corrigen con la experiencia.

Se ejecuta en: unos 10^15 FLOPS aproximado un clúster universitario o industrial, días por diseño estudiado. Desde: 1970 los primeros modelos de dinámica de fluidos computacional de un reactor químico industrial.

[Campos continuos](https://simulation-hypothesis.com/es/simulations/methods#m-continuum)nivel: Campos

### Cinética de polimerización

Moléculas pequeñas que se enlazan paso a paso en cadenas largas, seguidas para predecir cuánto crecen y qué tan uniformes quedan.

Pregunta que responde: ¿Qué longitud tendrán las cadenas de polímero, y cuánto variará?

Deja fuera: Las reacciones secundarias que ramifican o terminan pronto las cadenas suelen simplificarse en unas pocas tasas medias.

Se ejecuta en: unos 10^12 FLOPS aproximado una laptop; una simulación completa por lotes tarda minutos. Desde: 1968 los primeros modelos cinéticos calculados de una polimerización por crecimiento de cadena.

[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)nivel: Moléculas

### Modelado de membranas y transporte en pilas de combustible

Agua, protones y gas que se mueven por la membrana y los electrodos de una pila de combustible, para predecir el rendimiento y cuándo se seca o se inunda.

Pregunta que responde: ¿Cómo se mueven el agua y la carga por la membrana de una pila de combustible?

Deja fuera: El transporte por membranas depende de leyes ajustadas, y el agua líquida en los poros es difícil de modelar.

Se ejecuta en: unos 10^10 FLOPS aproximado modelos celulares de dos o tres dimensiones, ligeros en una estación de trabajo. Desde: 1991 Modelo de pila de combustible de electrolito polimérico de Springer, Zawodzinski y Gottesfeld. [fuente](https://doi.org/10.1149/1.2085971)

[Campos continuos](https://simulation-hypothesis.com/es/simulations/methods#m-continuum)[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)nivel: Campos

### Modelado de redes de poros

Una roca porosa o un electrodo reducido a una red de poros y gargantas, por la que un fluido invade paso a paso, para predecir el flujo y el comportamiento capilar.

Pregunta que responde: ¿Cómo se llena de fluido un material poroso y cómo se mueve el fluido en él?

Deja fuera: Las formas reales de los poros se simplifican en tubos y esferas.

Se ejecuta en: unos 10^10 FLOPS aproximado redes de hasta millones de poros, baratas en comparación con el flujo directo. Desde: 1956 El modelo de red de medios porosos de Fatt. [fuente](https://doi.org/10.2118/574-g)

[Modelos de redes](https://simulation-hypothesis.com/es/simulations/methods#m-network)[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)nivel: Campos

[◂ Tierra y clima](https://simulation-hypothesis.com/es/simulations/earth-climate)[Vida y medicina ▸](https://simulation-hypothesis.com/es/simulations/life-medicine)