Esta propuesta se dedica a la simulación estocástica de difusión y reacción simultánea en dos dimensiones. Las técnicas de simulación estocástica han sido abordadas por el investigador principal (profesor Javier I. Carrero) en una tesis de maestría, que sirvió para publicar un artículo internacional [Carr2013]. También se enseña en el curso electivo “Fisicoquímica Computacional”, creado por el investigador principal. Los modelos de reacción y difusión simultáneos son de gran interés en aplicaciones de ingeniería química, por ejemplo en el caso de simulación de una interfase gas-líquido con reacción simultánea. Tanto las reacciones químicas como la difusión se describen usualmente en forma determinística usando ecuaciones diferenciales, tanto ordinarias como en derivadas parciales [BSL2006]. Sin embargo los modelos estocásticos dan un entendimiento detallado de los procesos de reacción-difusión en sistemas biológicos donde pequeños excesos de algunas especies químicas invalidan los modelos determinísticos, o donde los fenómenos observados dependen de fluctuaciones estocásticas [Erban2007]. Debido a eso se les ha encontrado gran aplicación en la simulación de sistemas biológicos a escala celular [Bckwll2006, Bckwll2013]. En una simulación estocástica las reacciones se reproducen con el esquema Gillespie, que genera valores de tiempo en que ocurre el siguiente evento de reacción [Gill2007]. La difusión se representa con la transferencia de partículas entre compartimentos en los que se ha dividido el espacio de simulación. La aplicación de algoritmos estocásticos de simulación requiere simplemente la combinación de los dos tipos de eventos, reacciones dentro de los compartimientos, y difusiones entre los compartimentos [Carr2013]. Si bien se pueden hacer simulaciones de difusión con el esquema Gillespie esto resulta poco eficiente y se prefiere usar la transferencia simultánea de varias partículas [Lamp2009]. [Carr2013] Carrero-Mantilla, J. & Duque-Tobón, S. Efficient stochastic simulation of simultaneous reaction and diffusion in a gas-liquid interface Journal of Mathematical Chemistry, Springer Netherlands, 2013, 51, 1864-1880 [Erban2007] Erban, R.; Chapman, S. J. & Maini, P. K. A practical guide to stochastic simulations of reaction-diffusion processes ArXiV, 2007, arXiv:0704.1908v2 [q-bio.SC] [Bckwll2006] Blackwell, K. T. An efficient stochastic diffusion algorithm for modeling second messengers in dendrites and spines. Journal of Neuroscience Methods, 2006, 157, 142-153 [Bckwll2013] Blackwell, K. Approaches and tools for modeling signaling pathways and calcium dynamics in neurons. Journal of Neuroscience Methods, 2013, 220, 131-140 [Gill2007] Gillespie, D. T. Stochastic simulation of chemical kinetics Annual Review of Physical Chemistry, 2007, 58, 35-55 [Lamp2009] Lampoudi, S.; Gillespie, D. T. & Petzold, L. R. The multinomial simulation algorithm for discrete stochastic simulation of reaction-diffusion systems. Journal of Chemical Physics, American Institute of Physics, 2009, 130, 094104 [ErbChap2007] Erban, R. & Chapman, S. J. Reactive boundary conditions for stochastic simulations of reaction-diffusion processes Physical Biology, 2007, 4, 16 [BSL2006] Bird, R. B., Stewart, W. E. , Lightfoot, E. N. Transport Phenomena. 2nd ed. John Wiley & Sons, Inc. (2006) [Elf2003] J. Elf, A. Doncic, M. Ehrenberg, in Fluctuations and noise in biological, biophysical, and biomedical systems, ed. by S.M. Bezrukov, H. Frauenfelder, F. Moss, SPIE Proc. 5110, 114 (2003) [SzLad2003] Szymczak, P. & Ladd, A. J. C. Boundary conditions for stochastic solutions of the convection-diffusion equation. Phys. Rev. E, American Physical Society, 2003, 68, 036704 [SzLad2004] Szymczak, P. & Ladd, A. J. C. Stochastic boundary conditions to the convection-diffusion equation including chemical reactions at solid surfaces Phys. Rev. E, American Physical Society, 2004, 69, 036704