Química Neuromórfica Computacional - CNC

Referencia del grupo:

GIUV2024-599

 
Descripción de la actividad investigadora:
El grupo de Química Neuromórfica Computacional desarrolla investigación teórica y computacional orientada al estudio, caracterización y predicción del comportamiento de sistemas químicos complejos, con especial atención a aquellos relacionados con procesos neuroquímicos, materiales funcionales y sistemas de interés para la computación neuromórfica. La actividad investigadora combina metodologías de química cuántica, modelización molecular, dinámica molecular y aproximaciones multiescala para establecer relaciones entre la estructura, la dinámica y las propiedades de los sistemas químicos a diferentes niveles de descripción. Estos enfoques se aplican al estudio de moléculas, materiales y sistemas complejos, incluyendo sistemas moleculares de interés neuroquímico y materiales con propiedades funcionales y memristivas. El grupo desarrolla asimismo metodologías computacionales para la simulación, tratamiento e interpretación de información espectroscópica, con especial interés en la resonancia magnética nuclear (RMN) y en la relación entre espectros obtenidos a diferentes intensidades de campo magnético. En este contexto, se desarrollan modelos para la generación y transformación de...El grupo de Química Neuromórfica Computacional desarrolla investigación teórica y computacional orientada al estudio, caracterización y predicción del comportamiento de sistemas químicos complejos, con especial atención a aquellos relacionados con procesos neuroquímicos, materiales funcionales y sistemas de interés para la computación neuromórfica. La actividad investigadora combina metodologías de química cuántica, modelización molecular, dinámica molecular y aproximaciones multiescala para establecer relaciones entre la estructura, la dinámica y las propiedades de los sistemas químicos a diferentes niveles de descripción. Estos enfoques se aplican al estudio de moléculas, materiales y sistemas complejos, incluyendo sistemas moleculares de interés neuroquímico y materiales con propiedades funcionales y memristivas. El grupo desarrolla asimismo metodologías computacionales para la simulación, tratamiento e interpretación de información espectroscópica, con especial interés en la resonancia magnética nuclear (RMN) y en la relación entre espectros obtenidos a diferentes intensidades de campo magnético. En este contexto, se desarrollan modelos para la generación y transformación de información espectroscópica y para la extracción de información química a partir de datos complejos. De forma transversal, se emplean técnicas de aprendizaje automático y modelos basados en inteligencia artificial para la predicción de propiedades químicas, la generación y transformación de datos espectroscópicos, el reconocimiento de patrones y la integración de información procedente de diferentes escalas y fuentes. La combinación de modelización molecular, simulación multiescala, espectroscopía computacional y aprendizaje automático permite abordar problemas de química, neuroquímica y ciencia de materiales desde una perspectiva predictiva e interdisciplinar.
[Leer más][Ocultar]
 
Página Web:

https://www.uv.es/quimfis

 
Objetivos cientificotécnicos:
  • Desarrollar metodologías teóricas y computacionales para el estudio de la estructura, dinámica y propiedades de sistemas químicos complejos, integrando diferentes niveles de descripción molecular y electrónica.
  • Desarrollar y aplicar metodologías de modelización multiescala que permitan relacionar las propiedades moleculares y microscópicas con el comportamiento emergente de sistemas químicos y materiales complejos.
  • Investigar mediante métodos teóricos y computacionales materiales funcionales y sistemas moleculares con propiedades neuromórficas o memristivas, identificando los mecanismos químicos y físicos que determinan su comportamiento y estableciendo criterios para su diseño racional.
  • Desarrollar metodologías para la simulación, generación, tratamiento e interpretación de información espectroscópica, especialmente de espectros de resonancia magnética nuclear (RMN), y establecer relaciones entre las características moleculares de los sistemas y su respuesta espectroscópica.
  • Desarrollar herramientas computacionales que permitan integrar información procedente de diferentes escalas, metodologías y fuentes experimentales, contribuyendo al diseño y caracterización predictiva de nuevos sistemas químicos y materiales funcionales.
  • Estudiar mediante métodos computacionales sistemas moleculares de interés en neuroquímica, con especial atención a las relaciones entre estructura molecular, dinámica, interacciones y propiedades relevantes para los procesos neuroquímicos.
  • Desarrollar modelos computacionales y técnicas de aprendizaje automático para la predicción de propiedades químicas, la generación y transformación de datos espectroscópicos y la extracción de información relevante a partir de conjuntos de datos químicos complejos.
  • Integrar simulaciones computacionales, información espectroscópica y técnicas de aprendizaje automático para desarrollar estrategias predictivas aplicables a la caracterización de sistemas químicos y neuroquímicos.
 
Líneas de investigación:
  • Modelización teórica y computacional de sistemas químicos de interés neuroquímico.Desarrollo y aplicación de métodos teóricos y computacionales para el estudio de moléculas, interacciones y sistemas químicos relacionados con procesos neuroquímicos. Se abordará la caracterización de estructuras, propiedades electrónicas, interacciones moleculares, mecanismos de reacción y procesos dinámicos mediante métodos de química cuántica, dinámica molecular y otras aproximaciones de modelización computacional. La investigación estará orientada a la comprensión a escala molecular de sistemas químicos implicados en procesos de interés neuroquímico y biológico.
  • Modelización multiescala de sistemas químicos complejos.Desarrollo y aplicación de estrategias de modelización multiescala para el estudio de sistemas químicos complejos, integrando diferentes niveles de descripción espacial, temporal y energética. Se combinarán métodos de química cuántica, dinámica molecular, mecánica cuántica/mecánica molecular y otras aproximaciones computacionales para establecer conexiones entre la estructura y dinámica molecular y las propiedades emergentes de sistemas de mayor complejidad, con especial interés en sistemas químicos y biológicos relacionados con la neuroquímica.
  • Simulación y análisis computacional de RMN y otras técnicas espectroscópicas.Desarrollo y aplicación de métodos computacionales para la simulación, predicción, interpretación y análisis de información espectroscópica, con especial atención a la resonancia magnética nuclear (RMN). Se estudiará la relación entre la estructura y composición molecular y la respuesta espectroscópica, incluyendo la simulación de espectros en diferentes condiciones experimentales y el desarrollo de estrategias para mejorar la extracción de información química a partir de datos espectroscópicos.
  • Aprendizaje automático e inteligencia artificial aplicados a la química.Desarrollo y aplicación de métodos de aprendizaje automático e inteligencia artificial para el estudio y predicción de propiedades químicas, el análisis de datos experimentales y simulados y la generación de representaciones químicas. Se desarrollarán modelos capaces de identificar relaciones complejas entre estructuras moleculares, propiedades químicas y datos espectroscópicos, así como estrategias de aprendizaje orientadas a integrar información procedente de diferentes fuentes y niveles de descripción.
  • Sistemas químicos y materiales para computación y procesamiento de información de tipo neuromórfico.Estudio teórico y computacional de sistemas químicos, moleculares y materiales con propiedades relevantes para el procesamiento, almacenamiento y transmisión de información de tipo neuromórfico. Se investigarán mecanismos de respuesta, adaptación y transformación de información en sistemas químicos y materiales, así como las relaciones entre estructura, dinámica y comportamiento funcional. Esta línea contempla el desarrollo de modelos computacionales para comprender y diseñar sistemas químicos con propiedades inspiradas en procesos de procesamiento de información biológicos.
 
Componentes del grupo:
Nombre Carácter de la participación Entidad Descripción
SALVADOR JOSE CARDONA SERRADirector-aUniversitat de ValènciaAyudante Doctor/a
 
CNAE:
  • Actividades de investigación.
 
Estructura asociada:
  • Química Física
 
Palabras clave:
  • DINÁMICA MOLECULAR
  • ESPECTROSCOPIA
  • APRENDIZAJE AUTOMÁTICO
  • INTELIGENCIA ARTIFICIAL
  • REDES NEURONALES ARTIFICIALES
  • ANÁLISIS DE DATOS
  • MODELADO MULTIESCALA
  • TEORIA QUÍMICA MOLECULAR
  • METABOLÓMICA
  • APRENDIZAJE PROFUNDO
  • MODELOS PREDICTIVOS
  • RMN
  • ANÁLISIS COMPUTACIONAL DE DATOS
  • MECANISMOS DE REACCIÓN
  • QUÍMICA CUÁNTICA
  • SISTEMAS COMPLEJOS
  • MODELIZACIÓN MOLECULAR
  • NEUROQUÍMICA
  • INTERACCIÓNES MOLECULARES
  • SISTEMAS QUÍMICOS COMPLEJOS
  • MECÁNICA CUÁNTICA
  • MECÁNICA MOLECULAR
  • BIOFÍSICA MOLECULAR
  • SIMULACIÓN COMPUTACIONAL
  • SIMULACION ESPECTRAL
  • RMN DE BAJO CAMPO
  • RMN DE ALTO CAMPO
  • QUIMIOINFORMÁTICA
  • COMPUTACIÓN NEUROMÓRFICA
  • PROCESAMIENTO DE INFORMACIÓN
  • AUTO ORGANIZACIÓN
  • RESPUESTA ADAPTATIVA
  • MATERIALES FUNCIONALES