1. Repositorio Digital USFQ
  2. TESIS COLEGIO DE PREGRADO
  3. COLEGIO DE CIENCIAS E INGENIERÍAS (POLI)
  4. Tesis - Ingeniería Química
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/14225
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorTorres, F. Javier, dir.-
dc.contributor.authorCabrera Felicita, Alisson Dayana-
dc.date.accessioned2025-04-22T20:29:10Z-
dc.date.available2025-04-22T20:29:10Z-
dc.date.issued2024-12-09-
dc.identifier.citationTesis (Ingeniería Química), Universidad San Francisco de Quito, Colegio de Ciencias e Ingeniería; Quito, Ecuador, 2024es_ES
dc.identifier.urihttp://repositorio.usfq.edu.ec/handle/23000/14225-
dc.descriptionElectron density is an observable molecular property that allows to precisely define the energy of a system and to know the electrostatic behavior of a molecule. Calculating the electron density of complex molecules such as peptides and proteins has a high computational cost. Therefore, the present project aims to design a tool based on machine-learning methods that allows obtaining the electron density without resorting to the calculation of the wave function. First, the neural network is built using the open-source library TensorFlow. The neural network requires a starting value, known as the promolecular density...es_ES
dc.description.abstractLa densidad electrónica es una propiedad molecular observable que permite definir precisamente la energía de un sistema y conocer el comportamiento electrostático de una molécula. El cálculo de la densidad electrónica de moléculas complejas como péptidos y proteínas tiene un alto costo computacional. Por lo tanto, el presente proyecto se propone diseñar una herramienta en base a métodos de machine-learning que permita la obtención de la densidad electrónica sin recurrir al cálculo de la función de onda...es_ES
dc.format.extent36 h.es_ES
dc.language.isospaes_ES
dc.publisherQuitoes_ES
dc.rightsopenAccesses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectMetales pesados - Tesis y disertaciones académicases_ES
dc.subjectIngeniería químicaes_ES
dc.subject.otherTecnologíaes_ES
dc.subject.otherTecnología químicaes_ES
dc.titleNeuralRho: un modelo de red neuronal para estimar la densidad electrónicaes_ES
dc.typebachelorThesises_ES
Aparece en las colecciones: Tesis - Ingeniería Química

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
212956.pdfTexto completo754.56 kBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons