Tendencias Científicas
De izquierda a derecha, Cristina Masoller, Maria Carme Torrent y Andrés Aragoneses, del grupo de investigación Dinámica no Lineal, Óptica no Lineal y Láseres (DONLL) del Campus de Terrassa.
Científicos del grupo de investigación Dinámica no Lineal, Óptica no Lineal y Láseres (DONLL) y del Departamento de Teoría de la Señal y Comunicaciones de la Universidad Politècnica de Catalunya • BarcelonaTech (UPC), junto con científicos de la Universidad de Aberdeen (Escocia), han desarrollado un nuevo método basado en la escala temporal, con el que se pueden distinguir comportamientos ordenados dentro de secuencias de inestabilidades generadas en sistemas altamente complejos.
El trabajo se ha publicado en la revista de referencia Scientific Reports (Natura Publishing Group).
La metodología empleada para separar el orden del caos es mucho más sencilla que la que se utilizaba hasta ahora. Con este nuevo método, que es muy accesible tanto desde el punto de vista conceptual como de cálculo, han separado en dos grupos diferenciales las inestabilidades de un láser.
Han identificado, por un lado, el grupo de inestabilidades que se manifiesta con una distribución aleatoria, y, por otro lado, el grupo de inestabilidades con una secuenciación y una estructura clara.
La escala temporal, la clave
La aparición de inestabilidades en un láser de semiconductor puede tener dos causas. Pueden aparecer de manera espontánea debido al ruido, o bien se pueden inducir unos procesos bien definidos que generan una secuenciación de inestabilidades con cierto grado de orden.
Cuando el ruido produce una inestabilidad, el láser puede hacer dos cosas: volver a su punto de equilibrio y esperar que el ruido lo vuelva a desestabilizar, o bien continuar produciendo más inestabilidades antes de volver al punto estable.
Los investigadores del grupo DONLL de la UPC han descubierto que estas últimas inestabilidades tienen un cierto orden que no se ve.
Según Andrés Aragoneses, que es uno de los autores del trabajo, “nos hemos dado cuenta de que la manera de discriminar unas inestabilidades de las otras se basa en la escala temporal. El orden escondido provoca que las inestabilidades inducidas estén más juntas que las que están producidas aleatoriamente por el ruido. De hecho, utilizando nuestro método podemos llegar a decir qué inestabilidades han estado producidas por el ruido y cuáles inducidas”, afirma Aragoneses en un comunicado de la UPC.
El trabajo se ha publicado en la revista de referencia Scientific Reports (Natura Publishing Group).
La metodología empleada para separar el orden del caos es mucho más sencilla que la que se utilizaba hasta ahora. Con este nuevo método, que es muy accesible tanto desde el punto de vista conceptual como de cálculo, han separado en dos grupos diferenciales las inestabilidades de un láser.
Han identificado, por un lado, el grupo de inestabilidades que se manifiesta con una distribución aleatoria, y, por otro lado, el grupo de inestabilidades con una secuenciación y una estructura clara.
La escala temporal, la clave
La aparición de inestabilidades en un láser de semiconductor puede tener dos causas. Pueden aparecer de manera espontánea debido al ruido, o bien se pueden inducir unos procesos bien definidos que generan una secuenciación de inestabilidades con cierto grado de orden.
Cuando el ruido produce una inestabilidad, el láser puede hacer dos cosas: volver a su punto de equilibrio y esperar que el ruido lo vuelva a desestabilizar, o bien continuar produciendo más inestabilidades antes de volver al punto estable.
Los investigadores del grupo DONLL de la UPC han descubierto que estas últimas inestabilidades tienen un cierto orden que no se ve.
Según Andrés Aragoneses, que es uno de los autores del trabajo, “nos hemos dado cuenta de que la manera de discriminar unas inestabilidades de las otras se basa en la escala temporal. El orden escondido provoca que las inestabilidades inducidas estén más juntas que las que están producidas aleatoriamente por el ruido. De hecho, utilizando nuestro método podemos llegar a decir qué inestabilidades han estado producidas por el ruido y cuáles inducidas”, afirma Aragoneses en un comunicado de la UPC.
Detectar una melodía suave en un estadio de futbol
Aragoneses afirma que “lo que hemos hecho es igual a detectar una melodía suave y tenue en medio de un ambiente ruidoso, como si hubiéramos separado la melodía de una canción en medio de un estadio de futbol entre el público. Además, siguiendo esta similitud, hemos sido capaces de identificar una secuencia de notas bien estructurada”.
Desde el punto de vista científico, esta demostración es todavía más importante porque, a partir de ahora, partiendo de una secuencia de acontecimientos caótica y sin regularidad aparente, se podrá identificar una estructura clara, producida por leyes concretas, aislando el ruido que lo enmascara y adivinar su comportamiento.
Todo esto se puede hacer con una nueva metodología sencilla y mucho menos compleja que la que hasta ahora existía.
Terremotos, redes sociales y actividad neuronal
La técnica utilizada por los investigadores de la UPC y la Universidad de Aberdeen puede ser muy útil para analizar, por ejemplo, el comportamiento de las redes sociales, porque los mecanismos de comunicación con los que funcionan están gobernados por interacciones entre usuarios con un componente aleatorio y un componente de orden. “Un primer ‘sms’ o ‘twit’ se produce de manera aleatoria cuando alguien tiene una cosa que decir y éste va seguido de respuestas con un cierto orden y estructura, inducidos por el primero”, explica Aragoneses.
Otro de los campos de aplicación de esta nueva metodología para identificar el orden dentro del caos de un láser es para avanzar en el estudio de la frecuencia en que se producen los terremotos, “ya que hay grupos de terremotos que están relacionados (esconden cierto orden) pero otros que no lo están. Después de una gran terremoto, siempre siguen pequeñas réplicas que desaparecen con el tiempo”, argumenta el investigador.
Asimismo, la técnica servirá, según los científicos del grupo DONLL, para entender mejor la actividad neuronal, ya que las respuestas eléctricas de las neurona tienen una estructura muy parecida a las inestabilidades de los láseres utilizados en este estudio.
Además de Andrés Aragoneses, el equipo de investigadores está formado por Maria Carme Torrent y Cristina Masoller, del grupo de investigación Dinámica no Lineal, Óptica no Lineal y Láseres (DONLL) del Campus de Terrassa; Jordi Tiana-Alsina, del Departamento de Teoría de la Señal y Comunicaciones de la UPC, y Nicolás Rubido, de la Universidad de Aberdeen (Escocia).
Aragoneses afirma que “lo que hemos hecho es igual a detectar una melodía suave y tenue en medio de un ambiente ruidoso, como si hubiéramos separado la melodía de una canción en medio de un estadio de futbol entre el público. Además, siguiendo esta similitud, hemos sido capaces de identificar una secuencia de notas bien estructurada”.
Desde el punto de vista científico, esta demostración es todavía más importante porque, a partir de ahora, partiendo de una secuencia de acontecimientos caótica y sin regularidad aparente, se podrá identificar una estructura clara, producida por leyes concretas, aislando el ruido que lo enmascara y adivinar su comportamiento.
Todo esto se puede hacer con una nueva metodología sencilla y mucho menos compleja que la que hasta ahora existía.
Terremotos, redes sociales y actividad neuronal
La técnica utilizada por los investigadores de la UPC y la Universidad de Aberdeen puede ser muy útil para analizar, por ejemplo, el comportamiento de las redes sociales, porque los mecanismos de comunicación con los que funcionan están gobernados por interacciones entre usuarios con un componente aleatorio y un componente de orden. “Un primer ‘sms’ o ‘twit’ se produce de manera aleatoria cuando alguien tiene una cosa que decir y éste va seguido de respuestas con un cierto orden y estructura, inducidos por el primero”, explica Aragoneses.
Otro de los campos de aplicación de esta nueva metodología para identificar el orden dentro del caos de un láser es para avanzar en el estudio de la frecuencia en que se producen los terremotos, “ya que hay grupos de terremotos que están relacionados (esconden cierto orden) pero otros que no lo están. Después de una gran terremoto, siempre siguen pequeñas réplicas que desaparecen con el tiempo”, argumenta el investigador.
Asimismo, la técnica servirá, según los científicos del grupo DONLL, para entender mejor la actividad neuronal, ya que las respuestas eléctricas de las neurona tienen una estructura muy parecida a las inestabilidades de los láseres utilizados en este estudio.
Además de Andrés Aragoneses, el equipo de investigadores está formado por Maria Carme Torrent y Cristina Masoller, del grupo de investigación Dinámica no Lineal, Óptica no Lineal y Láseres (DONLL) del Campus de Terrassa; Jordi Tiana-Alsina, del Departamento de Teoría de la Señal y Comunicaciones de la UPC, y Nicolás Rubido, de la Universidad de Aberdeen (Escocia).
Referencia bibliográfica:
Andrés Aragoneses, Nicolás Rubido, Jordi Tiana-Alsina, M. C. Torrent y Cristina Masoller. Distinguishing signatures of determinism and stochasticity in spiking complex systems. Scientific Reports (2013). DOI: 10.1038/srep01778.
Andrés Aragoneses, Nicolás Rubido, Jordi Tiana-Alsina, M. C. Torrent y Cristina Masoller. Distinguishing signatures of determinism and stochasticity in spiking complex systems. Scientific Reports (2013). DOI: 10.1038/srep01778.
Inicio
Enviar a un amigo
Versión para imprimir
Compartir
La Inteligencia Artificial puede ver a través del espejo
CIENCIA ON LINE