Del gato a los electrones: Schrödinger se topa con la DFT
Palabras clave:
DFT, métodos computacionales, Schrödinger, materiales avanzadosResumen
Schrödinger trató de explicar los estados electrónicos encerrando hipotéticamente un gato en una caja. Entender el mundo invisible de los electrones es uno de los retos más grandes de la ciencia. Aunque no se pueden ver a los electrones directamente, como tampoco el gas dentro de un tanque, sus efectos lo determinan todo, desde la electricidad que alimenta los hogares hasta las reacciones químicas que suceden en el universo. La teoría del funcional de la densidad (DFT) surgió como una poderosa manera de estudiar estos actores invisibles concentrándose en una clave, la densidad electrónica. Este cambio conceptual, introducido por Hohenberg, Kohn y Sham transformó este campo, proporcionando un método práctico y cada vez más preciso para predecir el comportamiento de átomos, moléculas y materiales complejos. Actualmente, la DFT es el fundamento del diseño de materiales y la química teórica, habilitando a los científicos para poder explorar tecnologías propuestas incluso antes de que estas se lleven a la realidad. Sin embargo, algunos materiales prometedores pueden ser descartados prematuramente debido a las limitaciones inherentes de las aproximaciones utilizadas para el cálculo de sus propiedades. Esto ha motivado el desarrollo de nuevas herramientas, incluido el funcional de correlación de intercambio con la construcción de la estimación del valor de incertidumbre y estrategias modernas de validación basadas en active learning.
Referencias
Alfonso-Ramos, J. E., Adamo, C., Brémond, É. & Stuyver, T. (2025). Improving the reliability of, and confidence in, DFT functional benchmarking through active learning. Journal of Chemical Theory and Computation, 21(4): 1752–1761. DOI: 10.1021/acs .jctc.4c01729.
Houchins, G. & Viswanathan, V. (2017). Quantifying confidence in density functional theory predictions of magnetic ground states. Physical Review B, 96(13). DOI: 10.1103/PhysRevB.96.134426.
Ismail, F. M. D., Nahar, L. & Sarker, S. D. (2024). Prediction of structure based on spectral data using computational techniques. In Computational Phytochemistry (pp. 255–300). Elsevier.
Microsoft Research. Timeline: The continuing evolution of density functional theory. (2025). [En línea]. Disponible en: https://www.microsoft.com/en-us/research/articles/timeline-the-continuing-evolution-of-density-functional-theory/. Fecha de consulta: 11 de mayo de 2026.
Nikšić, T., Vretenar, D. & Ring, P. (2011). Relativistic nuclear energy density functionals: Mean-field and beyond. Progress in Particle and Nuclear Physics, 66(3): 519–548. DOI: 10.1016/j.ppnp.2011.01.055.
Nomura, Y. & Akashi, R. (2024). Density functional theory. In Encyclopedia of Condensed Matter Physics (pp. 867–878). Elsevier.
Noodleman, L., Lovell, T., Han, W.-G., Liu, T., Torres, R. A. & Himo, F. (2003). Density functional theory. In Comprehensive Coordination Chemistry II (pp. 491–510). Elsevier.
Van Mourik, T., Bühl, M. & Gaigeot, M.-P. (2014). Density functional theory across chemistry, physics and biology. Philosophical Transactions. Series A, Mathematical, Physical, and Engineering Sciences, 372(2011): 20120488. DOI: 10.1098/rsta.2012.0488.
Villars, C. N. (1986). The paradox of Schrodinger’s cat. Physics Education, 21(4): 232–237. DOI: 10.1088/0031-9120/21/4/007.