Sfida tra scienziati per valutare i metodi di diffusione anomala
Quasi 80 anni dopo che il botanico scozzese Robert Brown aveva descritto il movimento casuale continuo delle particelle microscopiche in un fluido, Albert Einstein ha fornito una base teorica per questa osservazione. Da allora, gli scienziati hanno scoperto sistemi che deviano sostanzialmente dalle leggi del moto browniano. Tali deviazioni sono chiamate diffusione anomala e si verificano in una vasta gamma di sistemi, che vanno dal trasporto di molecole nel nucleo alle strategie di foraggiamento degli animali e alle fluttuazioni del mercato azionario. Nel corso del tempo, gli scienziati hanno sviluppato vari metodi per comprendere la diffusione anomala utilizzando la statistica classica. Tuttavia, i progressi nell’apprendimento automatico hanno di recente dato vita a strumenti più sofisticati, con metodi basati sui dati che caratterizzano la diffusione anomala da singole traiettorie. Ora, alcuni ricercatori sostenuti dai progetti NOQIA, OPTOlogic e ComplexSwimmers, finanziati dall’UE, hanno effettuato il primo confronto oggettivo tra i metodi nuovi e tradizionali usati per decodificare la diffusione anomala in varie condizioni realistiche. I risultati sono stati pubblicati nella rivista «Nature Communications».
La sfida
Per confrontare i diversi metodi, il team di ricerca ha riunito la comunità scientifica organizzando una competizione aperta chiamata Anomalous Diffusion (AnDi) challenge. I team partecipanti hanno applicato i loro algoritmi a un set di dati comune, che comprendeva diverse condizioni. La sfida consisteva in tre compiti. Il primo era quello di dedurre l’esponente di diffusione anomala, il secondo richiedeva ai partecipanti di classificare il modello di diffusione sottostante e l’ultimo comportava la segmentazione della traiettoria. Ogni compito è stato poi diviso in tre sottocompiti corrispondenti alle dimensioni della traiettoria: 1D, 2D e 3D. Secondo lo studio, anche se nessun metodo in particolare ha prevalso in tutti gli scenari, gli approcci basati sull’apprendimento automatico hanno superato i metodi convenzionali per tutti i compiti. «Per ogni dimensione, abbiamo potuto identificare un gruppo di metodi con prestazioni comparabili che migliorano notevolmente la precisione dell’esponente di diffusione anomala rispetto alla linea di base fornita dalla stima classica dell’MSD», scrivono gli autori dello studio. MSD sta per Mean Squared Displacement, ovvero spostamento quadratico medio. «Questi approcci si basavano tutti sull’apprendimento automatico, quindi possiamo dedurre che i metodi basati su questo meccanismo possono andare oltre le statistiche classiche, probabilmente perché riescono a estrarre dalle traiettorie di modelli complessi alcune informazioni che non sono facilmente valutabili da queste statistiche.» I risultati ottenuti dallo studio evidenziano l’importanza degli sforzi basati sulla comunità nella ricerca per far progredire la scienza. Nella speranza che lo sforzo intrapreso venga esteso per raggiungere un consenso più ampio, il team di ricerca ha costruito uno strumento interattivo per memorizzare i set di dati e i risultati della sfida con cui gli scienziati possono valutare i nuovi metodi secondo le regole di tale sfida e confrontare i punteggi con quelli di altri partecipanti. L’AnDi challenge rimarrà aperta in modo permanente, con continui aggiornamenti dei miglioramenti delle prestazioni su richiesta. L’autore senior, il dottor Carlo Manzo, ha commentato i risultati dello studio in un comunicato stampa pubblicato su «EurekAlert!»: «I risultati di questo studio evidenziano ulteriormente il ruolo centrale svolto dalla diffusione anomala nella definizione delle funzioni biologiche a scale multiple, rivelando al contempo una visione dello stato attuale del campo e fornendo un punto di riferimento per gli sviluppatori futuri». Il dottor Manzo è visiting scientist presso l’istituto di scienze fotoniche di Barcellona, che ha coordinato i progetti NOQIA (NOvel Quantum simulators – connectIng Areas) e OPTOlogic (Optical Topologic Logic). Il progetto ComplexSwimmers (Biocompatible and Interactive Artificial Micro- and Nanoswimmers and Their Applications) è coordinato dall’Università di Göteborg, in Svezia. Per maggiori informazioni, consultare: progetto NOQIA sito web del progetto OPTOlogic progetto ComplexSwimmers
Parole chiave
NOQIA, OPTOlogic, ComplexSwimmers, adiffusione anomala, moto browniano, apprendimento automatico, AnDi challenge