Thesis:

Estudio numérico de la electrostática en biomoléculas de gran tamaño, mediante herramientas de computación de alto desempeño.

El presente trabajo aborda el estudio numérico de la electrostática en biomoléculas de gran tamaño mediante la implementación de herramientas de computación de alto desempeño. Se empleó el software PyGBe, un solver desarrollado en Python y C que resuelve la ecuación de Poisson-Boltzmann utilizando el método de elementos de borde (BEM), el cual permite representar con alta precisión las superficies moleculares y aplicar de forma exacta las condiciones de frontera. Con el objetivo de optimizar los tiempos de cálculo, se realizó una paralelización a nivel de memoria compartida utilizando la API OpenMP, logrando una reducción significativa en los tiempos de cómputo para el análisis electrostático de los virus Zika y Triatoma en distintas configuraciones. Esta implementación permitió superar las limitaciones de procesamiento propias de una estación de trabajo convencional, potenciando la capacidad de simulación de sistemas biomoleculares complejos. Si bien la paralelización no abarcó la totalidad del software, se aplicó a los procesos de mayor costo computacional, alcanzando resultados coherentes con los obtenidos por la versión serial, pero en tiempos considerablemente menores. En conjunto, este estudio demuestra la eficacia de la computación paralela como estrategia para mejorar el desempeño de simulaciones biofísicas de gran escala y optimizar el uso de recursos en entornos de alto rendimiento.

This work presents a numerical study of electrostatics in large biomolecules using high-performance computing tools. The PyGBe software, a solver written in Python and C, was employed to solve the Poisson-Boltzmann equation through the Boundary Element Method (BEM), which accurately represents molecular surfaces and enforces boundary conditions precisely. To optimize computational efficiency, a shared-memory parallelization was implemented using the OpenMP API, achieving a significant reduction in computation times for the electrostatic analysis of the Zika and Triatoma viruses under different configurations. This approach enabled the execution of large-scale simulations that would otherwise exceed the capabilities of a conventional workstation, thus enhancing the feasibility of studying complex biomolecular systems. Although the parallelization was not applied to the entire software, it targeted the most computationally expensive processes, resulting in a substantial time savings while maintaining consistency with the results obtained from the serial version. Overall, this study demonstrates the effectiveness of parallel computing as a strategy to improve the performance of large-scale biophysical simulations and to optimize resource utilization in high-performance computing environments.