•Notícia

Investigadores de la Universitat Politècnica de Catalunya (UPC) y de la Universitat de Barcelona (UB) han liderado un trabajo publicado en la revista Nature Communications en el que se presenta un método científico para identificar, comparar y establecer diferencias objetivas con alta precisión entre grandes nodos de redes complejas.

La nueva metodología permitirá, por ejemplo, comparar y distinguir el funcionamiento de la red neuronal entre personas drogodependientes y sanas y, por tanto, avanzar en el estudio de las sintomatologías y los efectos de las adicciones en el cerebro. También hará posible analizar con más eficacia el funcionamiento de sistemas complejos críticos, tales como las redes de distribución de energía, las interconexiones aeroportuarias o incluso redes sociales como Facebook y Twitter.

En la investigación han participado Laura Carpi, investigadora posdoctoral del Departamento de Física de la UPC en el Campus de Terrassa, y Cristina Masoller, profesora de la Escuela Superior de Ingenierías Industrial, Aeroespacial y Audiovisual de Terrassa (ESEIAAT), así como el investigador de la Universitat de Barcelona Albert Díaz-Guilera, entre otros científicos de universidades americanas y europeas.

"Imaginemos que tenemos un sistema de distribución de energía formado por dos redes interconectadas con el mismo número de enlaces en cada una de ellas, y, a raíz de una avería, una de ellas pierde un enlace", explica Cristina Masoller. "Los métodos que hasta ahora teníamos al alcance sólo permitían establecer la diferencia de este enlace perdido. Nuestro método, además, define con exactitud dónde está el enlace perdido y su importancia en relación al sistema, es decir, si su ausencia dificulta significativamente la distribución de energía", afirma la investigadora.

Actualmente es muy difícil diferenciar, distinguir y comparar el funcionamiento y la estructura de redes que cuentan con cientos de miles de nodos interconectados entre sí y que forman los llamados sistemas complejos. Lo mismo sucede con las redes neuronales y con las conexiones cerebrales. Descifrar sus estructuras, establecer diferencias entre conexiones y diagnosticar disfunciones es una tarea compleja. Hasta ahora, no había una manera eficaz y precisa de reconocer la presencia o ausencia de enlaces críticos que conectan o desconectan la red porque sin su identificación, difícilmente se puede asegurar el funcionamiento apropiado en la transmisión de la información.

Según Masoller, "esta es la razón por la que nuestro método es un avance importante en el estudio de sistemas complejos, porque señala con gran precisión la importancia de las conexiones que fallan en relación a todo el funcionamiento de un sistema complejo". Además de identificar y nombrar los diferentes nodos de una red, "también podemos calcular de una manera fiable las distancias entre los puntos que la forman. Gracias a las matemáticas, lo hemos conseguido, por lo que los científicos ya cuentan con una herramienta útil para poder estudiar con más garantías los sistemas complejos", afirma la investigadora de la UPC.

El investigador de la UB, Díaz-Guilera, explica que el "nuestro método permite, además, averiguar cuál ha sido la formación de una determinada estructura topológica. Gracias a la definición de la distancia entre redes podemos generar redes virtuales a partir de modelos matemáticos concretos y ver de todos estos modelos cuál de ellos nos acerca más a la realidad. No es lo mismo redes que crecen por acercamiento geográfico, como las de transporte, o aquellas que lo hacen por afinidad, como las sociales. Entendiendo cómo se ha formado la red, de acuerdo con estos modelos matemáticos, nos permite conocer cuáles serán sus fortalezas y vulnerabilidades".

Con las metodologías que hasta ahora disponía la comunidad científica, se podía detectar una diferencia entre el número de conexiones que hay en una red, o incluso el número de conexiones que no funcionaban, pero estos métodos no permitirían averiguar la ubicación de las conexiones dañadas o si realmente interrumpían el flujo de información en toda la red.

En esta investigación, que ha sido publicada recientemente en la revista de referencia Nature Communications, han participado también Tiago A. Sheiber y Martin G. RAVET, de la Universidad Federal de Minas Gerais (Belo Horizonte-Brasil); y Panos M. Pardalos, de la Florida University (Estados Unidos).