Skip to main content

Article Category

Noticia

Article available in the folowing languages:

Un desafío científico para evaluar los métodos de determinación de la difusión anómala

¿Estadística clásica o métodos de aprendizaje automático? Unos investigadores respaldados por la Unión Europea llevan a cabo la primera comparación objetiva entre los métodos convencionales y nuevos que se utilizan para descifrar la difusión anómala.

Economía digital

Casi ochenta años después de que el botánico escocés Robert Brown describiera el movimiento aleatorio y continuo de las partículas microscópicas en un fluido, Albert Einstein proporcionó una base teórica para esta observación. Desde entonces, los científicos han descubierto sistemas que se desvían sustancialmente de las leyes del movimiento browniano. Tales desviaciones se denominan «difusión anómala» y se dan en una amplia gama de sistemas, que van desde el transporte de moléculas en el núcleo a las estrategias de búsqueda de alimentos de los animales y las fluctuaciones del mercado de valores. Con el tiempo, los científicos desarrollaron distintos métodos para comprender la difusión anómala mediante la estadística clásica. Sin embargo, los avances recientes en el aprendizaje automático dieron origen a herramientas sofisticadas con métodos basados en datos que caracterizan la difusión anómala a partir de trayectorias individuales. Ahora, unos investigadores respaldados por los proyectos financiados con fondos europeos NOQIA, OPTOlogic y ComplexSwimmers han efectuado la primera comparación objetiva entre métodos tradicionales y nuevos que se utilizan para descifrar la difusión anómala en distintas condiciones reales. Los resultados se publicaron en la revista «Nature Communications».

El reto

Para comparar los distintos métodos, el equipo de investigación reunió a la comunidad científica y organizó un concurso abierto llamado Reto de la Difusión Anómala (AnDi Challenge). Los equipos participantes aplicaron sus algoritmos a un mismo conjunto de datos, que incluía distintas condiciones. El AnDi Challenge consistió en tres tareas. La primera supuso la inferencia del exponente de difusión anómala, en la segunda se exigió a los participantes que clasificaran el modelo de difusión subyacente y la última consistió en la segmentación de la trayectoria implicada. Cada tarea se dividió después en tres subtareas correspondientes a las dimensiones de la trayectoria: 1D, 2D y 3D. Según el estudio, a pesar de que ningún método en particular tuvo los mejores resultados en todos los escenarios, los métodos de aprendizaje automático superaron a los convencionales en todas las tareas. «Para cada dimensión, pudimos identificar un grupo de métodos con un rendimiento comparable que mejoró en gran medida la precisión del exponente de difusión anómala en relación con la referencia proporcionada por la estimación clásica del desplazamiento cuadrático medio o MSD», escriben los autores del estudio. MSD son las siglas en inglés de desplazamiento cuadrático medio. «Todos estos métodos se basaron en el aprendizaje automático, por lo que podemos inferir que los métodos de aprendizaje automático pueden ir más allá que la estadística clásica, probablemente porque pueden extraer alguna información a partir de las trayectorias de modelos complejos a la que no se puede acceder fácilmente mediante la estadística clásica». Los logros del estudio destacan la importancia de los esfuerzos comunitarios en el afán por hacer avanzar a la ciencia. Con la esperanza de que se amplíe su iniciativa para alcanzar un mayor consenso, el equipo de investigación ha creado una herramienta interactiva para almacenar conjuntos de datos y los resultados del reto. Los científicos pueden comparar nuevos métodos según las normas del reto y comparar las puntuaciones con las de otros participantes. El AnDi Challenge permanecerá abierto de forma permanente, con actualizaciones continuas de mejoras de rendimiento bajo petición. El autor principal y doctor Carlo Manzo comentó los hallazgos del estudio en una nota de prensa publicada en «EurekAlert!»: «Los resultados de este estudio destacan el papel fundamental que la difusión anómala desempeña en la definición de las funciones biológicas a múltiples escalas, al tiempo que revela información sobre el estado actual de este campo y proporciona un punto de referencia para futuros desarrolladores». Manzo es un científico visitante en el Instituto de Ciencias Fotónicas de Barcelona, que coordina los proyectos NOQIA (NOvel Quantum simulators – connectIng Areas) y OPTOlogic (Optical Topologic Logic). El proyecto ComplexSwimmers (Biocompatible and Interactive Artificial Micro- and Nanoswimmers and Their Applications) está coordinado por la Universidad de Gotemburgo en Suecia. Para más información, consulte: Proyecto NOQIA Sitio web del proyecto OPTOlogic Proyecto ComplexSwimmers

Palabras clave

NOQIA, OPTOlogic, ComplexSwimmers, difusión anómala, movimiento browniano, aprendizaje automático, AnDi Challenge