Los atascos de tráfico, las dunas, el agua, los ecosistemas... Todos tienen en común ser fenómenos emergentes resultantes del comportamiento colectivo de un gran número de “partículas” (coches, granos de arena, moléculas, especies...) interacción. Para entenderlos es preciso llevar a cabo un proceso de “integración” en términos de variables macroscópicas. Tales sistemas se denominan sistemas complejos y se caracterizan por presentar diversos niveles autoorganización, cada uno con estructuras propias emergentes del nivel anterior. Muchos de estos sistemas tienen fuerte componente socio-económica (como es el caso de los atascos o de la cotización de la bolsa), o aplicaciones tecnológicas de gran calado (la ciencia de materiales, la tecnología de láseres, la industria del petróleo, las comunicaciones, la biotecnología ...). De ahí la importancia de entenderlos.
La Ciencia de Sistemas Complejos es muy interdisciplinar ya que estos sistemas sulen tener difícil encaje en disciplina clásica (sus elementos microscópicos y sus fenómenos colectivos pueden caer en ramas científicas diferentes). La metodología para abordarlos es también muy variada y con una fuerte componente estadística. Aunque Ciencia de Sistemas nace hace más de un siglo como Física Estadística, ha sido la constatación, a finales del siglo que los modelos creados por ésta pueden también explicar fenómenos genuinos de la Sociología, la Biología o la Economía, lo que la ha transformado en Ciencia de Sistemas Complejos. Los físicos estadísticos son, hoy por hoy, científicos interdisciplinares por naturaleza, capaces de traducir problemas entre disciplinas diferentes y de crear en la frontera entre disciplinas.
Con el fin de organizar y estructurar el presente proyecto en unos objetivos científicos claros, atendiendo a la naturaleza y especialización de los grupos involucrados, hemos organizado la actividad a desarrollar en tres grandes líneas de investigación, que podemos describir como Modelización y Simulación de Fenómenos en Materia Condensada y Materiales Complejos, Sistemas y Procesos Biológicos, y Redes Complejas y Comportamientos Sociales.
Materia Condensada y Materiales Complejos: Actualmente nueve de los grupos integrantes (QF-UCM, GISC-ICMM, UNED, UAM, GISC-UC3M, UPM, IQFR y SOFTMA-1) trabajan en esta línea. La materia condensada y, general, los materiales complejos, se caracterizan por poseer descripciones a diferentes escalas (micro, meso y macroscópica). Cada una emerge como efecto colectivo de la escala anterior. Uno de los propósitos de este proyecto establecer estas conexiones en una serie de sistemas de interés, así como realizar descripciones mesoscópicas de sistemas. Entre los sistemas tratados podríamos citar las suspensiones coloides, polímeros,medios granulares, membranas, vesículas, monocapas de Langmuir, proteínas, fluidos confinados (por ejemplo, en medios porosos), etc. No cabe del gran interés tecnológico de este tipo de materiales; por ese motivo se han dedicado muchos esfuerzos a elaborar modelos que capturen la fenomenología de estos materiales y a desarrollar métodos de simulación adecuados, dos que encuentran cabida en este proyecto. Las líneas sobre las que se plantean objetivos en Materia Condensada [Chai95], con especial hincapié en la Materia Blanda [Kle03], son:
Efectos cuánticos en propiedades de moléculas y sólidos: Cuando se trata de estudiar fenómenos o propiedades directamente asociadas a las distribuciones electrónicas, el tratamiento cuántico es ineludible. Para algunos sistemas, todo en materia condensada blanda y sólidos moleculares, existen modelos efectivos clásicos para las interacciones evitan el tratamiento cuántico, pero no siempre es asío. El ejemplo mas claro son los "efectos isotópicos" (diferencias las propiedades de materiales formados por distintos isótopos del mismo átomo), debidos puramente a efectos cuánticos sobre los núcleos atómicos, y cuyo estudio requiere simulaciones con integrales de camino [Ram07].
Fluidos complejos, polímeros y cristales líquidos: La complejidad en estos fluidos radica en la forma de sus moléculas, que origina la aparición de una gran variedad de mesofases con propiedades muy novedosas. Estas propiedades poseen gran interés tecnológico, por lo que estos fluidos están presentes tanto en nuestra vida cotidiana (pinturas, jabones, etc.) como en diversos procesos industriales (fundidos poliméricos, cristales líquidos, materiales compuestos, etc.). Dentro de esta categoría se incluyen una gran variedad de fluidos [Vega04] como son los polímeros [Ezq07], surfactantes, cristales líquidos [Med05], sistemas coloidales e incluso algunos sistemas biológicos (membranas, proteínas en disolución etc.).
Sistemas confinados e interfaces: La "condensación" implica la capacidad de la materia en auto-organizarse en fases densas, separadas entre sí por superficies o interfases cuya estructura y propiedades son a menudo las que determinan comportamiento global de los sistemas. Los problemas que plantea la modelización y simulación de interfases cubren distintos niveles de descripción, desde la distribución de las moléculas dentro de la zona interfacial hasta las formas geométricas de esas interfases a una escala mesoscópica (~1-100 nm) o macroscópica. Muchos de los retos actuales consisten en enlazar las descripciones a distintos niveles, por ejemplo las fluctuaciones mesoscópicas de las superficies con su estructura a escala molecular. Esto es particularmente relevante en la materia blanda, donde la jerarquía de no esta rígidamente establecida. Las membranas, como "interfases entre fases idénticas", constituyen uno de los ejemplos más llamativos, además de ser, por su relevancia biológica, una fuerte línea de transversalidad en el conjunto del [Cha03].
Dinámica e hidrodinámica de la materia condensada: En Materia Blanda desempeñan un papel muy importante [Leish98] las fluctuaciones moleculares, el movimiento browniano y los efectos hidrodinámicos, encontrándose algunos sistemas situaciones fuera del equilibrio [Parr07]. En este objetivo estudiaremos estos aspectos. Este objetivo es transversal tres anteriores, pero requiere técnicas específicas de simulación, diferentes a las de los modelos en equilibrio. También aquí los retos mas interesantes están en la articulación de descripciones a distintos niveles, desde la difusión molecular hasta la hidrodinámica [Bus06]. Desarrollar modelos y metodos “hibridos”, que enlacen niveles distintos, da la línea argumental de este objetivo.
Sistemas y Procesos Biológicos
Actualmente cinco de los grupos involucrados en este proyecto (UAM, UPM, URJC, GISC-UC3M y CAB) trabajan esta línea. Su actividad se agrupa en tres objetivos fundamentales: membranas, cuasiespecies y ecosistemas. Las dificultades para tratar estos sistemas son de dos clases. Por un lado, la ingente cantidad de datos experimentales disponibles requiere métodos nuevos con que extraer la información relevante. Por otro, la complejidad de estos ha requerido enormes simplificaciones para simularlos. Un mayor conocimiento de su biología, junto con una mayor capacidad de computación, permitirán simular modelos más realistas.
Membranas: La adsorción de vesículas sobre superficies [Nol95] y el flujo de vesículas en capilares [Kra96] son muy importantes en muchos contextos biológicos y físico-químicos. Pese al incremento del interés experimental problemas, los pocos modelos teóricos a menudo omiten factores relevantes como la estructura y flexibilidad de la capa, su fluidez transversal, la presencia de interacciones locales con el sustrato, etc., propiedades que pueden llegar cambiar el comportamiento colectivo e incluso inducir transiciones de fase [Rui09]. Por otro lado, los filamentos proteínicos desempeñan un papel muy relevante en la célula, ya que proporcionan estabilidad mecánica y definen forma de las bacterias. La proteína FtsZ desencadena una agregación proteínica que forma el anillo septal, artífice división celular. El microscopio de fuerza atómica (AFM) ha proporcionado imágenes de la polimerización de cadenas FtsZ, que nos permiten desarrollar modelos simples con los que entender la física del anillo septal [Hör09].
Cuasiespecies: Las poblaciones formadas por un gran número de individuos que mutan rápidamente son heterogéneas genotípica y fenotípicamente [Eig77]. Tales poblaciones (cuasiespecies) tienen propiedades evolutivas y organizativas distintas de las poblaciones homogéneas [Tar92]. Las teorías actuales muestran importantes desacuerdos con las observaciones en sistemas naturales, tales como virus y moléculas de ARN (que permiten observar la evolución en tiempo real). Estas muestran la necesidad de la diversidad genómica (secuencias), la diversidad en estructura secundaria (mediante algoritmos de plegamiento de cadenas de ARN) y la diversidad fenotípica (capacidad replicativa e infectiva, estrategias "defectivas" vs. "altruistas" en virus, competición entre especies...) [Sti07]. También muestran que las características ambientales pueden determinar la estructura de la población y su capacidad adaptativa.
Ecosistemas: Los ecosistemas son el siguiente nivel evolutivo por encima de las especies. Se comportan como sistemas complejos que se adaptan a cambios ambientales alterando su composición en respuesta a distintas presiones evolutivas (escasez de recursos, sequías estacionales...). Los ecosistemas resisten incluso la extinción de algunas especies que componen, lo que les da una entidad independiente de éstas [Law99]. Es, de hecho, un reto actual comprender los procesos involucrados en la formación y la evolución de los ecosistemas, así como de la estructura de las redes que ellos resultan [Bas09]: su ensamblado, las relaciones ecológicas entre especies, la selección de estrategias en función los nichos disponibles o la capacidad de responder a perturbaciones externas.
Redes Complejas y Comportamientos Sociales
Actualmente cinco de los grupos involucrados en este proyecto (UPM, URJC, CAB, GISC-UC3M y UAM) trabajan esta línea. Dos son los aspectos destacables de la investigación en estos temas. Por un lado, las redes complejas proporcionan un modelado adecuado de multitud de sistemas mediante un lenguaje único basado en la teoría de grafos. En este caso la dificultad reside en extraer información de gran escala del entramado complejo que proporcionan redes. Por otro lado, el gran problema del estudio de los comportamientos sociales es la modelización de los mismos. diferencia de las partículas de la física o los ordenadores que conforman Internet, los seres humanos somos impredecibles a escala individual. El reto consiste en analizar hasta qué punto los comportamientos sociales observados son un
fenómeno emergente independiente de las decisiones individuales, lo que parece ser la tónica cuando el número de individuos es grande.
Redes Complejas: La interconexión entre los elementos de un sistema complejo condiciona no sólo la dinámica individual sino también sus propiedades colectivas. Topológicamente el entramado de conexiones no es más que donde cada elemento se representa mediante un sitio (física), un nodo (informática), un actor (sociología) o un vértice (teoría de grafos), y la interacción entre dos elementos corresponde a un enlace (física), conexión (informática), vínculo (sociología) o arista (teoría de grafos). Estas redes son ubicuas en la naturaleza [Wat99] y se caracterizan por una estructura que no es ni regular ni totalmente aleatoria. Ejemplos: Internet [Fal99], los ecosistema [Coh90], las redes sociales [Sco00] o los metabolismos celulares[Rav02]. Frente a las particularidades de cada sistema, existe un notable grado de universalidad en las estructuras de gran parte de las redes reales. Estas estructuras condicionan los procesos ocurren en ellas, por lo que resulta fundamental comprender los mecanismos que las forman.
Comportamientos Sociales: La cooperación es un acto por el cual varios agentes (personas, animales, plantas, bacterias...) trabajan conjuntamente con un fin. La cooperación beneficia a todos, incluso a los "defectores", mientras que sólo cooperadores incurren en un coste. Evolutivamente, esto penaliza la cooperación, por eso su existencia requiere explicaciones evolutivas [Pen05]. El problema aparece en la Biología y en las ciencias del comportamiento, y el lenguaje para tratarlo es la Teoría de Juegos Evolutivos [Nov06]. Aún no se han descubierto todos los mecanismos relevantes la originan, ni tampoco su verdadera conexión con las redes de interacción subyacentes [Roc09]. Pretendemos identificar tales mecanismos en sistemas biológicos y sociales. Para ello no sólo es relevante la construcción de modelos y sus simulaciones, sino que llevaremos a cabo experimentos reales en los que la gente pueda elegir cooperar o no bajo diferentes circunstancias. Los resultados pueden arrojar luz sobre cómo incentivos comportamientos prosociales.
Referencias
[Chai95] Chaikin & Lubensky. Principle of Condensed Matter Physics. Cambridge UP (1995).
[Kle03] Kleman & Lavrentovich. Soft Matter Physics: An Introduction. Springer (2003)
[Ram07] Herrero & Ramírez, Phys. Rev. Lett. 99 205504 (2007).
[Vega04] Sanz et al., Phys. Rev. Lett. 92, 2557011 (2004); Abascal & Vega, Phys. Rev. Lett. 98, 237801 (2007)
[Ezq07] Soccio et al., Phys. Rev. Lett. 98, 037801 (2007)
[Med05] de las Heras et al. Phys. Rev. Lett. 94, 017801 (2005)
[Cha03] Chacón & Tarazona, Phys. Rev. Lett. 91, 166103 (2003)
[Leish98] Ed. Theoretical challenges in the dynamics of complex fluids, Springer (1988)
[Bus06] De Fabritiis et al., Phys. Rev. Lett. 97, 13450 (2006); Delgado-Buscalioni, Phys. Rev. Lett. 96, 088303 (
[Parr07] Kawai et al., Phys. Rev. Lett. 98, 080602 (2007); Cattuto et al., Phys. Rev. Lett. 96, 178001 (2006)
[Agu08] Aguirre & Manrubia, Phys. Rev. Lett. 100, 038106 (2008)
[Bas09] Bastolla et al., Nature, en prensa (2009)
[Can06] Cano et al., Chaos 16, 013107 (2006)
[Coh90] Cohen et al., “Community food webs: Data and theory” (Springer, 1990)
[Eig77] Eigen & Schuster, Naturwissenschaften 64, 541 (1977)
[Fal99] Faloutsos et al., Comput. Commun. Rev. 29, 251–262 (1999)
[Her02] Herrero, Phys. Rev. E 65, 066110 (2002).
[Hör09] Hörger et al., Phys. Rev. E 77, 011902 (2008);] Hörger et al., Biophys. J: Biophys. Lett. 94, L81 (2008); al., Soft Matter, en prensa (2009)
[Ira09] Iranzo & Manrubia, Europhys. Lett. 85, 18001 (2009)
[Kra96] Kraus, Phys. Rev. Lett. 77, 3685 (1996)
[Lac08] Lacasa et al., Proc. Nat. Acad. Sci. 105, 13 (2008)
[Law99] Law, in: Advanced ecological theory, ed. J. McGlade (Blackwell, 1999); Capitán et al., arXiv:q-bio:0903.269 (2009)
[Li08] Li et al., Phys. Rev. Lett., 101, 168701 (2008)
[Nol95] Nollert et al., Biophys. J. 69, 1447 (1995).
[Nov06] Nowak, Science 314, 1560 (2006)
[Pae09] Paez et al., Soft Matter, en prensa (2009)
[Pen05] Pennisi, Science 309, 93 (2005)
[Rav02] Ravasz et al., Science 297, 1551–1555 (2002)
[Roc09] Roca et al., arXiv:q-bio:0806.1649 (2009); arXiv:q-bio:0901.0355 (2009)
[Rui09] Ruiz-Herrero & Velasco, enviado a Physical Review E (2009)
[Sch06] Schuster, Rep. Prog. Phys. 69, 1419-1477 (2006)
[Sco00] Scott, Social network analysis: A handbook (Sage, London, 2000)
[Sen09] Sendiña-Nadal et al., Phys. Rev. E, en prensa (2009)
[Sti07] Stich et al., BMC Evol. Biol. 7, 110 (2007); Aguirre & Manrubia, Phys. Rev. Lett. 100, 038106 (2008); Iranzo Manrubia, Europhys. Lett. 85, 18001 (2009)
[Tar92] Tarazona, Phys. Rev. A 45, 6038 (1992)
[Wat99] Watts, “Small worlds” (Princeton UP, 1999)
[Zan08] Zanin et al., Proceedings of the 2nd WSEAS International Conference on Computer Engineering and Applications, Acapulco, Mexico (2008)