{"id":12160,"date":"2022-11-01T10:00:53","date_gmt":"2022-11-01T16:00:53","guid":{"rendered":"https:\/\/cienciauanl.uanl.mx\/?p=12160"},"modified":"2022-11-01T12:39:33","modified_gmt":"2022-11-01T18:39:33","slug":"modelado-computacional-una-herramienta-para-comprender-la-ciencia-de-los-materiales","status":"publish","type":"post","link":"https:\/\/cienciauanl.uanl.mx\/?p=12160","title":{"rendered":"MODELADO COMPUTACIONAL: UNA HERRAMIENTA PARA COMPRENDER LA CIENCIA DE LOS MATERIALES"},"content":{"rendered":"

\"\"<\/a><\/p>\n

\n
\n
\n
\n

CIENCIA UANL \/ AN\u0303O 25, No.116, noviembre-diciembre 2022<\/p>\n

Karla Silva\u0301n-Di\u0301az*, Guillermo Carbajal-Franco*<\/p>\n

Descargar PDF<\/a><\/p>\n

\n
\n
\n
\n

Para entender el impacto y las bondades del modelado de materiales mediante ca\u0301lculos informa\u0301ticos es necesario ubicar la trascendencia de\u00a0los resultados obtenidos por estos me\u0301todos; la forma tradicional (hasta hace unos an\u0303os) de investigacio\u0301n de materiales nuevos y sus propiedades era el trabajo en laboratorio con la inversio\u0301n de recursos humanos y financieros. El modelado computacional cambia el paradigma introduciendo la experimentacio\u0301n mediante software, en el que se plantean sistemas y se prueban sus resultados a trave\u0301s de ca\u0301lculos matema\u0301ticos, contribuyendo de esta forma a comprender la ciencia de los materiales. Una gran ventaja de esta forma de operacio\u0301n es que adema\u0301s de calcular la probabilidad de ocurrencia de una reaccio\u0301n, por ejemplo, proporciona datos de las propiedades de los materiales reactivos, asi\u0301 como de los producidos; informacio\u0301n que tradicionalmente se obtiene de la caracterizacio\u0301n llevada a cabo despue\u0301s de la obtencio\u0301n de e\u0301stos.<\/p>\n

\n
\n
\n
\n

Para ilustrar lo anterior se utilizara\u0301 como ejemplo la reaccio\u0301n de si\u0301ntesis de la goetita FeO(OH), la fase alfa del hidro\u0301xido de hierro y principal precursora del o\u0301xido de hierro III, tambie\u0301n en fase alfa, de gran valor por sus propiedades; estos u\u0301ltimos han cobrado relevancia como catalizadores y fotocatalizadores, cuyas reacciones presentan una gran compatibilidad con los me\u0301todos qui\u0301micos empleados comu\u0301nmente para la elaboracio\u0301n de nanomateriales, adema\u0301s ofrecen una amplia gama de aplicaciones como catalizadores en procesos de oxidacio\u0301n qui\u0301mica para tratamiento de aguas contaminadas (Shu-Sung y Mirat-Gurol, 1998), fotocatalizadores para fotodisociar la mole\u0301cula de agua (Seriana, 2017; Long, et al<\/em>., 2016), electrodepo\u0301sitos para divisio\u0301n de agua fotoelectroqui\u0301micamente (Arriaga-Arjona y Carbajal-Franco, 2017), entre muchas ma\u0301s.<\/p>\n

\"\"<\/a><\/p>\n

El objetivo de la herramienta DMol\u00b3 basada en DFT (Density Functional Theory<\/em>), incluida en el software Material Studio, es modelar procesos qui\u0301micos y contribuir al entendimiento de las propiedades de los materiales de forma ra\u0301pida y precisa, con un menor tiempo computacional, pero con una gran precisio\u0301n de la Meca\u0301nica Cua\u0301ntica. DMol\u00b3 esta\u0301 disen\u0303ada para brindar detalles de ca\u0301lculos de potencia, de frecuencias vibratorias, propiedades termodina\u0301micas, masa de los a\u0301tomos y fuerzas de los enlaces, para identificar modos de curvatura negativa y localizar estados de transicio\u0301n.<\/span><\/p>\n

\n
\n
\n
\n

El modelado molecular de procesos qui\u0301micos es una alternativa para obtener detalles que no se logran a trave\u0301s de te\u0301cnicas experimentales. La DFT es un me\u0301todo de ca\u0301lculo de estructuras electro\u0301nicas, considera una nube electro\u0301nica (densidad de electrones), como se puede observar en la figura 1, en lugar de deducirlas por cada electro\u0301n y sus variables espaciales representadas en x, y, z<\/em>. La DFT trae consigo el empleo de menor tiempo computacional al considerar la densidad electro\u0301nica en lugar de electrones individuales.\"\"<\/a><\/p>\n

\n
\n
\n
\n

Una manera para determinar la interaccio\u0301n electrosta\u0301tica de la mole\u0301cula con el disolvente es COSMO (Conductor-like Screening Model<\/em>), un tipo de solvatacio\u0301n continua; en e\u0301ste la mole\u0301cula abre paso para crear una cavidad en el solvente, las distribuciones de carga polarizan diele\u0301ctricamente el medio y genera una polarizacio\u0301n sobre la superficie de la cavidad. COSMO deriva las cargas de polarizacio\u0301n a partir de una aproximacio\u0301n de conductor escalado, bajo la premisa de que si se conoce la distribucio\u0301n de carga ele\u0301ctrica en la mole\u0301cula, entonces es posible calcular la carga en segmentos de la superficie.<\/p>\n

El estudio DOS (Density of States<\/em>) es un concepto matema\u0301tico y contribuye a entender los cambios causados por factores externos en\u00a0estructuras electro\u0301nicas. Un ca\u0301lculo de orbitales brinda informacio\u0301n que incluye: orbital molecular ocupado ma\u0301s alto, HOMO (Highest Occupied Molecular Orbital<\/em>), orbital molecular desocupado ma\u0301s bajo, LUMO (Lowest Unoccupied Molecular Orbital<\/em>), y el spin del orbital. Durante el curso de una reaccio\u0301n qui\u0301mica para obtener FeO(OH), la potencia total cambia naturalmente, comenzando con los reactivos va en aumento hasta un punto ma\u0301ximo y luego disminuye a la de los productos; en la activacio\u0301n sera\u0301 la ma\u0301xima a lo largo de la reaccio\u0301n qui\u0301mica para obtener FeO(OH); a la estructura correspondiente a e\u0301sta se le conoce como TS (Transition state<\/em>); los estados de transicio\u0301n tienen altas energi\u0301as, debido a que los enlaces deben romperse antes de formar nuevos (Maquez et al<\/em>., 2016). TS es un punto estacionario, como un ma\u0301ximo de\u00a0<\/span>fuerza en direccio\u0301n de la coordenada de reaccio\u0301n, en dicho punto se asume que los reactantes colisionan o se deforman a un estado inestable, dando paso a la formacio\u0301n de productos.<\/span><\/p>\n

\n
\n
\n
\n

Para encontrar TS se aplican comu\u0301nmente algoritmos LST (Synchronous Transit Method<\/em>) y QST (Quadratic Synchronous Method<\/em>), que proporcionan estimaciones MEP (Mi\u0301nimum Energy Pathway<\/em>); una vez encontrado TS se puede realizar una optimizacio\u0301n que dara\u0301 oportunidad a predecir barreras de reacciones qui\u0301micas y determinar vi\u0301as de reaccio\u0301n (Solis Calero, 2013).<\/p>\n

Investigaciones anteriores se han enfocado en identificar mediante DFT que\u0301 fase de FeO(OH) es ma\u0301s competente en la fotodisociacio\u0301n de agua\u00a0(Zhenxiong et al<\/em>., 2019); utilizando algoritmos LST\/QST\/CG calcularon una TS tardi\u0301a endote\u0301rmica y de ra\u0301pida cine\u0301tica, y propusieron incorporar surfactantes para controlar el crecimiento de parti\u0301culas (Maquez et al<\/em>., 2016).<\/span><\/p>\n

\n
\n
\n
\n

Es de suma importancia el ana\u0301lisis molecular de una reaccio\u0301n para obtener FeO(OH), ya que es uno de los o\u0301xidos de hierro ma\u0301s importantes empleados como adsorbentes y como soporte de catalizadores en incontables reacciones; en particular, la que se estudia en este trabajo se llevo\u0301 a cabo mediante la reaccio\u0301n del cloruro de hierro III e hidro\u0301xido de amonio (figura 2a). El objetivo principal es obtener el estado de transicio\u0301n de una reaccio\u0301n para obtener FeO(OH) mediante DFT.<\/p>\n

\"\"<\/a><\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n

\n
\n
\n
\n

METODOLOGI\u0301A<\/h4>\n
\n
\n
\n
\n

Todos los ca\u0301lculos se realizaron con el paquete de programas DMol3 (McNellis et al<\/em>., 2009). Se construyeron modelos del reactivo del producto (figura 2) optimizados geome\u0301tricamente. La optimizacio\u0301n geome\u0301trica fue llevada a cabo con una tolerancia de 1.0×10-4Ha, funcio\u0301n de correlacio\u0301n de intercambio GGA-PBE, tolerancia SCF de 1.0×10-4eV, un orbital cutoff<\/em> 3.5A\u030a y utilizando COSMO, agua como solvente, con constante diele\u0301ctrica de 78.54. Para determinar la ruta de\u00a0reaccio\u0301n TS se usaron los modelos de reactivo y producto optimizados, haciendo coincidir aquellos a\u0301tomos equivalentes en de reactivo con el de producto. Para el ca\u0301lculo TS se emplearon algoritmos LST\/QST bajo las siguientes condiciones: protocolo de bu\u0301squeda completo LST\/QST, convergencia RMS de 0.02 Ha\/A\u030a, funcio\u0301n de correlacio\u0301n de intercambio GGA-PBE, tolerancia SCF de 1.0\u00d710-4 eV, smearing<\/em> de 0.015 Ha, agua como solvente con constante diele\u0301ctrica de 78.54.<\/span><\/p>\n

\"\"<\/a><\/p>\n

\n
\n
\n
\n

RESULTADOS<\/h4>\n
\n
\n
\n
\n

Las longitudes de los enlaces de las mole\u0301culas optimizadas son de 0.981 A\u030a, 2.215 A\u030a y 1.031 A\u030a en los enlaces O-H, Fe-Cl, N-H, respectivamente, con \u2206E=-0.07725 Ha (figura 3a) en los reactivos; mientras que las longitudes de los enlaces en el modelo del producto son de 1.676 A\u030a, 1.823 A\u030a, 0.981 A\u030a, 1.033 A\u030a y 1.305 A\u030a para enlaces O-Fe,\u00a0Fe-O, O-H, N-H y H-Cl, respectivamente, con \u2206E=-2.60836 Ha (figura 3b). En comparacio\u0301n con lo reportado (Chatterjee, 2012), las longitudes de los enlaces O-H y N-H presentan una variacio\u0301n de \u03342%, el enlace H-Cl presenta una variacio\u0301n de \u03343%, y el enlace Fe-Cl presenta una variacio\u0301n de \u033435%.<\/span><\/p>\n

\"\"<\/a><\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n

\n
\n
\n

El orbital molecular HOMO tiene una energi\u0301a de -0.131 Ha o -3.554 eV; el LUMO, 0.0112 Ha o 0.303 eV. La diferencia entre la estructura molecular del reactivo y la estructura molecular del estado de transicio\u0301n es \u2206E=0.03689 Ha (energi\u0301a de activacio\u0301n), con una coordenada de reaccio\u0301n 0.48, y la diferencia entre el reactivo y el producto es \u2206H= -0.08970 Ha (figura 4). Crayton (2002) reporta el comportamiento molecular mediante estados de transicio\u0301n de la goetita con una energi\u0301a de activacio\u0301n con velocidad asociada al TS de 2\u0334 8\u00b111KJ\/mol. Navakova et al. (2012) obtuvieron goetita mediante precipitacio\u0301n\u00a0qui\u0301mica del FCl3 con adicio\u0301n de sustancias tensoactivas; para explicar que el taman\u0303o y crecimiento de las parti\u0301culas de goetita afectan la adicio\u0301n de sustancias, llevaron a cabo estudios de espectroscopi\u0301a y ana\u0301lisis termomagne\u0301tico.<\/span><\/p>\n

\"\"<\/a><\/p>\n<\/div>\n<\/div>\n<\/div>\n

\n
\n
\n

El TS de nuestro sistema presento\u0301 un nivel ma\u0301s alto de energi\u0301a que los reactivos y los productos; la diferencia o el incremento de e\u0301sta entre el reactivo y el TS (\u2206E) es relativamente muy pequen\u0303a; las mole\u0301culas reaccionantes son energe\u0301ticamente favorecidas para escalar la barrera de potencia (0.03689 Ha), y llegar de una forma ra\u0301pida al TS.<\/p>\n<\/div>\n<\/div>\n<\/div>\n

\"\"<\/a><\/p>\n

CONCLUSIONES<\/h4>\n
\n
\n
\n
\n

Mediante el uso del programa DMol\u00b3 se realizo\u0301 el modelado molecular de una reaccio\u0301n para obtener FeO(OH); los resultados concuerdan grandemente con los experimentales de laboratorio.<\/p>\n

Se atribuyen los resultados al uso del me\u0301todo COSMO, se empleo\u0301 agua como solvente. Tomando en consideracio\u0301n que la diferencia entre la energi\u0301a potencial del reactivo y la del producto es negativa, se concluye que es una reaccio\u0301n endote\u0301rmica, el sistema simulado absorbio\u0301 calor del entorno. Los incrementos de la misma que mostro\u0301 el sistema de reactivos y productos nos proporciona informacio\u0301n adicional, la cual considera que es fa\u0301cil regresar de un estado final a uno inicial (reaccio\u0301n reversible), ya que, como era de esperarse, el TS de nuestro sistema esta\u0301 en un nivel ma\u0301s alto de fuerza que la de los reactivos y la de los productos; se considera este incremento entre el reactivo y el TS relativamente muy pequen\u0303o, se concluye que las mole\u0301culas son\u00a0favorecidas para escalar la barrera energe\u0301tica y llegar fa\u0301cilmente a un estado de transicio\u0301n.<\/span><\/p>\n

\n
\n
\n
\n

Comparando los resultados reportados en Maquez et al<\/em>. (2016), quienes reportan un mayor uso de energi\u0301a de transicio\u0301n; el menor uso de e\u0301sta se atribuye a que se empleo\u0301 como solvente impli\u0301cito en COSMO, las distribuciones de cargas del soluto polarizan el medio diele\u0301ctrico de la superficie, por lo que disminuye la demanda para la obtencio\u0301n de FeO(OH).<\/p>\n

La realizacio\u0301n de este trabajo pone de manifiesto la importancia de la aplicacio\u0301n del modelado molecular como una herramienta de aprendizaje a bajo costo para entender la qui\u0301mica a niveles ba\u0301sicos. La DFT es una teori\u0301a que coloca en la cima los avances en las soluciones aproximadas de la rama de la ciencia que describe el comportamiento de la materia a nivel microsco\u0301pico (Meca\u0301nica Cua\u0301ntica).<\/p>\n

\"\"<\/a><\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n

\n
\n
\n
\n

Al Dr. Guillermo Carbajal Franco por brindarnos todo su conocimiento y ofrecernos el equipo necesario para desarrollar el modelado computacional aplicado; al Conacyt por la beca otorgada, al TecNM y al ITTOL por el apoyo brindado y a la familia, por ese apoyo incondicional.<\/span><\/p>\n

\n
\n
\n
\n

 <\/p>\n

* Tecnolo\u0301gico Nacional de Me\u0301xico\/Instituto Tecnolo\u0301gico de Toluca, Metepec, Me\u0301xico. Contacto: ksilvand1@toluca.tecnm.mx<\/p>\n

\n
\n
\n
\n

<\/h4>\n

REFERENCIAS<\/h4>\n
\n
\n
\n
\n

Arriaga-Arjona, L., y Carbajal-Franco, G. (2017). Zinc oxideiron-aluminum nanostructured cover for photoelectrchemical water splitting. Materials Research Societ<\/em>y. 2:2707-2711.<\/p>\n

\n
\n
\n
\n

Chatterjee, S. (2012). Encyclopedia of Inorganic Chemistry<\/em>. West Bengal: Discovery Publishing House PVT. LTD.<\/p>\n

\n
\n
\n
\n

Crayton, J. (2002). A model for 18O\/16O variations in CO2 evolved from goethite during the solid-state FeOOH to Fe2O3 phase transition. Geochimica et Cosmochimica.<\/em> 67(11):1991-2004.<\/p>\n

\n
\n
\n
\n

Katrin, O., Wolfgang, W., y Schmahi\u0301, R. (2012). Density functional theory study of water adsorption on FeOOH surfaces.<\/em> Germany: Surface Science.<\/p>\n

\n
\n
\n
\n

Long, Z., Fangyuan, X., y Meng, Q. (2016). The adsorption and dissociation of water molecule on goethite (010)surface: A DFT approach. Applied Surface Science<\/em>. 392:760-767.<\/p>\n

\n
\n
\n
\n

Maquez, M., Carbajal-Franco, G., y Pacheco, J. (2016). Estado de transicio\u0301n de la reaccio\u0301n de sintesis de goetita mediante simulacion molecular. Revista de Simulacio\u0301n y Laboratorio<\/em>. 3:24-32.<\/p>\n

\n
\n
\n
\n

McNellis, E., Meyer, J., y Baghi, A.D. (2009). Stabilizing a molecular switch at solid surfaces: A density functional theory study of azobenzene on Cu(111), Ag(111), and Au(111). Physical Review <\/em>B. 80(3):3-15.<\/p>\n

\n
\n
\n
\n

Novakova, A., Antonov, A., Gendler, T., et al<\/em>. (2012). The influence of surface active substances various concentrations on goethite nanoparticles magnetic properties. Solis State Phenomena<\/em>. 190:447-450.<\/p>\n

\n
\n
\n
\n

Seriana, N. (2017). Ab Initio simulations of water spliting on hematite. Journal of Physics: Condensed Matter.<\/em> 29(46):3002.<\/p>\n

\n
\n
\n
\n

Shu Sung, L. y Mirat Gurol , D. (1998). Catalytic Decomposition of Hydrogen Peroxide on Iron Oxide: Kinetics, Mechanism, and Implications. Environmental Science & Technology<\/em>. 32(10):1417-1423.<\/p>\n

\n
\n
\n
\n

Zhenxiong, H., Fengshuang, H., Mingtao, L., et al<\/em>. (2019). Which phase of iron oxyhydroxides (FeOOH) is more competent in overall water splitting as a photocatalyst, goethite, akaganeite or lepidocrocite? A DFT-based investigation. <\/em>China: Computational Materials Science.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n

 <\/p>\n

 <\/p>\n","protected":false},"excerpt":{"rendered":"

CIENCIA UANL \/ AN\u0303O 25, No.116, noviembre-diciembre 2022 Karla Silva\u0301n-Di\u0301az*, Guillermo Carbajal-Franco* Descargar PDF Para entender el impacto y las bondades del modelado de materiales mediante ca\u0301lculos informa\u0301ticos es necesario ubicar la trascendencia de\u00a0los resultados obtenidos por estos me\u0301todos; la forma tradicional (hasta hace unos an\u0303os) de investigacio\u0301n de materiales nuevos y sus propiedades era el trabajo en laboratorio con […]<\/p>\n","protected":false},"author":4,"featured_media":12161,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[15],"tags":[],"class_list":["post-12160","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ejes"],"_links":{"self":[{"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/posts\/12160","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=12160"}],"version-history":[{"count":2,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/posts\/12160\/revisions"}],"predecessor-version":[{"id":12212,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/posts\/12160\/revisions\/12212"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/media\/12161"}],"wp:attachment":[{"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=12160"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=12160"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=12160"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}