Complex systems are pervasive in many fields of science and we encounter them everyday and everywhere in our life. Their examples include financial markets, highway transportation networks, telecommunication networks, human economies, social networks, immunological systems, living organisms, ant colonies, ect. The key feature of a complex system is that it is composed of large number of interconnected and interacting entities exhibiting much richer dynamical properties on global scale than they could be inferred from the properties and behaviors of its individual entities. Complex systems are studied in many areas of natural sciences, social sciences, engineering and mathematical sciences. An important part of these interdisciplinary studies forms discrete modeling. These models can be seen as the simplest laboratories to study phenomena exhibited by complex systems like self-organization processes, pattern formation, cooperation, adaptation, competition, attractors, or multi-scaling phenomena. The objective of this conference is to bring together researchers working on discrete modeling of complex systems and to provide a forum for exchange of ideas and presentation of results of their research.

Incertidumbre en las redes de interacción.

Curso 12 y 13 de Junio de 2013

Acerca del evento

La estructura y la dinámica de las redes de interacción del mundo real están constantemente sometidas a fluctuaciones aleatorias y choques. La incertidumbre resultante en el comportamiento de estos sistemas tiene consecuencias para nuestra comprensión de las redes sociales, redes económicas y biológicas.

Este taller reunirá a expertos de una amplia gama de campos con el interés común de efectos aleatorios en las redes de interacción. El programa constará de conferencias plenarias adecuados para un público científico general, así como una serie de conversaciones sobre las investigaciones aportadas.

Nabucco Center curso impartido en la Universidad de Sevilla

Imágenes del curso impartido en la Universidad de Sevilla.http://pinterest.com/pin/291678513336989652/

Ejemplo de medida con vensim de la reputación de una compañía.

Modelo de dos plantas en competencia o cooperación; una de las imágenes resultantes del modelo.

Ecuación logística

Con experimentos de escalas micro y nanoscópica, se estudian propiedades moleculares, celulares y poblacionales de agrupaciones bacterianas.

Con gran habilidad, el biofísico chileno y ex alumno de nuestra Facultad*  Juan Keymer, encantó a la audiencia que asistió al seminario que organizó la Dirección de Investigación de la Facultad.

Dr. Keymer mostró sus estudios de física y evolución de la complejidad biológica. El joven científico introdujo algunos tópicos de biología teórica tratados por su grupo, pero profundizó en sus trabajos de biofísica experimental con bacterias. Read More

The EU in the new complex geography of economic systems: models, tools and policy evaluation Descriptions are provided by the Actions directly via e-COST.

The uneven geographical distribution of economic activities is a huge worldwide challenge. For the EU regions this is shown by the deep differences within and across nations. Spatial inequalities are evolving through time following complex patterns determined by economic, geographical, institutional and social factors. The New Economic Geography approach, which was initiated by P. Krugman in the early 1990’s, describes economic systems as very simplified spatial structures. The Action aims at developing a more sophisticated modelling of the EU visualised as an evolving trade network with a specific topology determined by the number and strength of national, regional and local links. Economic policies should be specifically designed to take into account this pervasive network structure assessing the position of backward locations within the network and focussing on instruments that favour interconnections. Read More

Los linfocitos T desempeñan un papel clave en la regulación de la respuesta inmunitaria contra virus, bacterias y tumores. Reconocen substancias extrañas denominadas antígenos a través de un receptor que tiene escasos recursos como molécula aislada, pero que ha evolucionado para agruparse y cooperar para dar una respuesta eficaz.

Existe un dogma en los procesos de interacciones entre proteínas así como en las interacciones entre enzimas y sus ligandos que obedece a leyes termodinámicas y que consiste en que la afinidad de la interacción mide la especificidad de la misma. Es decir, cuanto más fuertemente se unen proteína y su ligando, más difícilmente podrá ser cubierto su sitio activo por un ligando no específico. Read More

Modelizando con Vensim

Linear Regression using VENSIM from Mike Stylianos on Vimeo.

Al igual que la «catastofre ultravioleta» el medir en discreto o en analógico puede dar resultados absolutamente distintos

La célula puede entenderse como un sistema dinámico, ya que la capacidad de una célula de cambiar en el espacio y en el tiempo es crucial para la supervivencia y para la reproducción.

De hecho las características dinámicas de una célula están implícitas en la topología de las redes de la proteína que son la base de la fisiología de la célula.

Estas redes de proteínas interactivas son intrínsecamente dinámicas: describen cómo una célula cambia en el espacio y en el tiempo para responder a los estímulos, para crecer y para reproducirse. La teoría de sistemas dinámicos, y en particular la teoría de bifurcaciones es la herramienta perfecta para este problema, ya que nos dice cómo las características genéricas de un sistema dinámico dependen de la variación de un parámetro.

Miguel A. F. Sanjuán

La modelación matemática tradicional ha sido útil para describir y estudiar ciertos fenómenos y aspectos de sistemas complejos, como por ejemplo en la genética poblacional. Sin embargo, tales modelos no han sido capaces de describir la complejidad en el sentido de una jerarquía de grados de libertad efectivos (agentes) cualitativamente diferentes a distintas escalas. Puede ser que la complejidad no se pueda modelar con modelación matemática analítica, y entonces sea necesario recurrir a la simulación para tratar de crear sistemas complejos artificiales, o entenderlos mejor a nivel fenomenológico a través de la minería de datos.

Por estas razones, la Inteligencia Computacional jugará un papel importante en el C₃, tanto por las metodologías importantes que proporcionará a las diversas líneas, como porque se desarrollará como un área de investigación en sí misma que permitirá explorar diferentes escenarios y el papel de distintos tipos de interacciones y agentes.

Por ejemplo, para ver ¿cuáles son los impedimentos de una evolución biológica continua? Las áreas iniciales a explorar serán:

1. Sistemas económicos: mercados financieros.
2. Minería de datos en enfermedades emergentes.
3. Vida Artificial.
4. Relación entre área de aplicación y metodología para el ejemplo de enfermedades emergentes.

Fuente C3. Centro de ciencias de la complejidad

Simulación por tecnología discreta

Un concepto central de la matemática moderna es el concepto de caos. Uno de los más importantes aportadores al conocimiento de esta ciencia fue el matemático francés Jules Henri Poincaré (Nancy, Francia, 29 de abril de 1854 – Paris, 17 de julio de 1912).

Poincaré es reconocido como un polímata extraordinario (persona que, sabía, comprendía, mucho de mucho). Uno de esos saberes fue el descubrimiento de lo que ocurre con los sistemas dinámicos. Es, pues, pertinente hablar sucintamente sobre que se entiende por un sistema dinámico: “un sistema dinámico, es un sistema físico que evoluciona con el tiempo”. Por ende, lo que existe en el universo –de una u otra manera evoluciona con el tiempo, y, también de manera sucinta un sistema debe entenderse como “un conjunto de elementos en interacción”. He aquí la importancia de estos sistemas.

Por ejemplo, las poblaciones humanas, de bacterias, de cualquier ser vivo, tienen como principal característica su variación en el tiempo, las trayectorias de asteroides, los caminos que siguen las placas continentales, las variaciones de los precios de las “acciones” en la Bolsa, etc., forman parte de dichos conjuntos.

“El azar no es más que la medida de la ignorancia del hombre”

Henri Poincaré

Read More

Durante mucho tiempo, los científicos han observado que las especies se han vuelto cada vez más capaces de evolucionar, como respuesta a los cambios de su entorno.

Ahora, un equipo de científicos informáticos contradice una explicación popular sobre esta capacidad de adaptación al medio, al señalar que la competencia no es realmente necesaria para el aumento de la adaptabilidad de los organismos.

En un artículo publicado en PLoS ONE, los investigadores informan de que la capacidad de evolución a través de generaciones puede aumentar independientemente de si las especies compiten por el alimento, el hábitat o por otros factores.

Mediante un modelo de simulación diseñado para imitar cómo evolucionan los organismos, los autores del estudio constataron un aumento de la capacidad evolutiva en estos, incluso en ausencia de presión competitiva.

El aumento de la diversidad como detonante

«La explicación es que los organismos que evolucionan se separan naturalmente de otros organismos menos propensos a evolucionar, sencillamente para aumentar la diversidad», explica Kenneth O. Stanley, profesor de la Facultad de Ingeniería y Ciencias de la Computación de la University of Central Florida, en un comunicado de dicho centro .

Stanley es co-autor del artículo de Plos One, con Joel Lehman, investigador de la Universidad de Texas en Austin. El hallazgo podría tener implicaciones para el origen de la capacidad de evolución de muchas especies.

Según explica Lehman: «Cuando aparecen nuevas especies, lo más probable es que estas sean descendientes de aquellas que fueron capaces de evolucionar en el pasado. El resultado es que las especies capaces de evolucionar se acumulan con el tiempo, incluso en ausencia de presión selectiva».

La necesidad de revisar teorías

Durante las simulaciones, los organismos se volvieron más capaces de evolucionar sin la presión de la competencia con otros organismos. Las simulaciones estuvieron basadas en un algoritmo conceptual.

«Los algoritmos utilizados se basan en un desarrollo abstracto de los organismos, pero no en el desarrollo de cualquier organismo específico real», explica Lehman.

La hipótesis del equipo es única y contrasta con las teorías más populares sobre por qué aumenta la capacidad de evolución en los individuos de cada especie.

Según Stanley, una implicación importante de este resultado es que las explicaciones tradicionales sobre selección y adaptación merecen un análisis más profundo, y pueden resultar insuficientes para explicar el aumento de la capacidad de evolución en algunos casos.

Fuente: tendencias21

APLICANDO LA TEORÍA DE LOS SISTEMAS DINÁMICOS ¡Al fútbol!
El fútbol es complejo , requiere de una organización entre los jugadores de un mismo equipo , que colaboran, tratándose de superar al rival que se opone a estos primeros. Dentro de esta complejidad, se establece un esquema basado en un parámetro de orden ( patrón colectivo) y un parámetro de control ( el indicador objetivo que podemos buscar y que modificará nuestro comportamiento para la posterior toma de decisiones. Os dejamos un ejemplo de aplicación de esta teoría más cercana a una situación real:

Fuente: futbolglobalizado.blogspot.com