Redes complejas desenmarañadas
El progreso tecnológico en las ciencias naturales y sociales permite a científicos, investigadores, académicos y otros agentes interesados recopilar más datos que nunca sobre redes complejas. La velocidad y la capacidad para obtener enormes cantidades de información no dejan de crecer. No obstante, las herramientas más exhaustivas no logran convertir todos estos datos en conocimientos prácticos. Es más, surgen problemas con respecto a la fiabilidad de los datos de la red que arrojan sombras sobre la legitimidad de los resultados de las investigaciones al respecto. Para ofrecer algo de luz, el proyecto financiado con fondos europeos «Decomposition and discovery of complex networks» (DEDINET) estudió los procesos que influyen en las estructuras de red. Su intención fue la de crear un marco con el que identificar modelos de bloque y detectar redes complejas. Los modelos de bloques proporcionan ejemplos adecuados de las interacciones entre nodos, esto es, cada uno de los agentes, personas u objetos en una red. El marco resultante se utilizará para resolver problemas en campos como la biología de sistemas. Durante la labor de desarrollo del marco, los miembros del proyecto idearon métodos con los que ensayar y comparar modelos de bloques en distintos tipos de redes sociales y biológicas con varios nodos e interacciones. Sus resultados apuntan a que es necesario contar con varios modelos de bloques para dotar de estructura a la red y a que los patrones de interacción son el resultado de la unión de varios modelos de bloques. Mediante esta labor de reunión de modelos de bloques se logró desentrañar y prever déficits de datos o el curso futuro de los datos en las redes. En DEDINET se logró la identificación de varias estructuras de bloques complementarias, un hecho que permitió conocer mejor los mecanismos fundamentales que subyacen al desarrollo y la composición de redes. Estos resultados serán de gran utilidad en campos como las ciencias sociales, la economía y la biología.
