Financiado por Ministerio de Ciencia de Innovación (MCI) / Agencia Estatal de Investigación (AEI)
Algunos de los fenómenos más apasionantes que han despertado la curiosidad científica en las últimas décadas (como la genómica, la aparición de pandemias, la economía colaborativa o la respuesta inmunitaria a un patógeno) son fenómenos colectivos fuera de equilibrio y resultan de las interacciones de unidades básicas simples. En estos sistemas confluyen (aunque en distinto grado) un conjunto de problemas similares comunes a la ciencia de la Complejidad: se producen a diferentes escalas (muchas de ellas no observables), no pueden explicarse mediante el conocimiento de los componentes básicos y, por último, son fluctuantes y la incertidumbre no puede controlarse experimentalmente. Aunque muchos de estos problemas ya se han abordado con éxito en los últimos años, no es realista perseguir una teoría unificadora que sea universalmente válida en todas las situaciones. Si bien hay algunos patrones que pueden transferirse de un campo a otro, es impreciso generalizar de la pura metáfora al análisis científico cuantitativo, sistemático y riguroso que caracteriza a la Física. Sin embargo, sí que es posible unificar la metodología pero teniendo en cuenta el conocimiento específico del problema. La novedad de este proyecto es centrarse en la universalidad de la descripción probabilística de la incertidumbre para modelizar sistemáticamente cada problema utilizando el lenguaje de la probabilidad. Concretamente, utilizando el Teorema de Bayes para captar no sólo el mecanismo particular, sino también la evolución de la incertidumbre. En el caso de los fenómenos físico-químicos, esto se reduce a la inferencia probabilística de los parámetros del modelo, pero a medida que el conocimiento microscópico del problema se hace menos detallado, el peso de la modelización probabilística se hace más importante. En concreto, proponemos estudiar sistemas diversos, desde la física de los depósitos de vapor (que da lugar a superficies fractales) hasta la dinámica de un sistema de economía colaborativa, donde la modelización se basa en el principio de máxima entropía para determinar la variabilidad de los patrones de movilidad en un sistema de bicicletas compartidas. Otros ejemplos son la epidemiología o la inmunología, donde combinamos ecuaciones de Langevin y cadenas de Markov para, mediante la estocasticidad, integrar grados de libertad no observables experimentalmente, de nuevo descritos mediante distribuciones de probabilidad compatibles con la evidencia empírica. En resumen, proponemos un marco teórico en el que la incertidumbre está en el centro del problema, pero lo ilustramos (a falta de modelos verdaderamente universales) mediante ejemplos de diversas disciplinas. El equipo del proyecto cuenta con una experiencia consolidada en estos problemas que respalda la consecución de los objetivos del proyecto. También introducimos alguna metodología de aprendizaje automático para analizar datos experimentales y utilizarlos como vehículo para generar nuevas hipótesis. El objetivo último del proyecto es la realización de modelos que puedan ayudar a contrastar hipótesis alternativas de un problema y ayuden, con la ayuda del experimento, a falsar aquellas contradictorias con ellas.
Resumen divulgativo: En este proyecto estudiamos fenómenos complejos desde la inmunología a las ciencia sociales computacionales. Usando los métodos probabilísticos nuestro objetivo es crear modelos que ayuden a modelar los datos en diversas áreas, probar hipótesis y mejorar la comprensión de estos fenómenos.
PROBCOMPLEX
