Optimización multiobjetivo aplicado en diseño molecular asistido por computadora para la selección de solventes de extracción.

Abstract

El objetivo general de esta tesis es proponer una metodología de selección de solventes de extracción empleando como herramienta el diseño molecular asistido por computadora (CAMD) y la optimización multiobjetivo como criterio de decisión secuencial. El diseño metodológico de la metodología CAMD cuenta con la formulación del problema de optimización a resolver (Prediseño), la implementación del algoritmo (Diseño) y la validación experimental del modelo (Post-diseño) para el caso de estudio de la extracción de los sistemas ácido láctico-agua y ácido acético-agua.

La metodología CAMD propuesta formula y resuelve un problema de optimización multiobjetivo de tres objetivos (ambiental, fisicoquímico y económico), para un espacio de búsqueda conformado por compuestos alifáticos, aromáticos y heterocíclicos, e integrando aspectos como la disponibilidad de las moléculas en el mercado como restricciones del problema de optimización. La solución de dicho problema de optimización se realizó empleando el algoritmo genético MOHAEA, el cual permite contar con flexibilidad para la representación de individuos, empleando la optimización de Pareto y la distancia de aglomeración como pautas guía del algoritmo. La metodología propuesta es una extensión de trabajos previos, de autores como Serrato [1] y Rodríguez [2], [3].(Texto tomado de la fuente)

The general objective of this thesis was to propose a methodology for the choice of extraction solvents using computer-aided molecular design (CAMD) as a tool and multi-objective optimization as a sequential decision criterion. The methodological design of the CAMD methodology includes the formulation of the optimization problem to be solved (Pre-design), the implementation of the algorithm (Design) and the experimental validation of the model for the case study of the extraction of the lactic acid-water systems and acetic acid-water.

The proposed CAMD methodology formulates and solves a multi-objective optimization problem with three objectives (environmental, physicochemical, and economic), for a search space made up of aliphatic, aromatic, and heterocyclic compounds, and integrating aspects such as the availability of molecules in the market as optimization problem constraints. The solution of this optimization problem was conducted using the genetic algorithm MOHAEA, which allows flexibility for the representation of individuals, using Pareto optimization and the agglomeration distance as guidelines for the algorithm. The proposed methodology is an extension of earlier works, by authors such as Serrato [1] and Rodríguez [2], [3].