Una nova eina computacional capta dinàmiques de grup ocultes en sistemes complexos
11 maig de 2026
- L’estudi, publicat a PLOS ONE, presenta THOI, una llibreria de codi obert en Python que accelera dràsticament l’anàlisi de patrons col·lectius en sistemes complexos que passen desapercebuts amb els mètodes convencionals basats en parelles.
- La recerca és fruit d’una col·laboració interdisciplinària entre l’Institut de Física Interdisciplinària i Sistemes Complexos (IFISC, UIB-CSIC), la Universidad de Buenos Aires, l’Institut du Cerveau, Imperial College London, University College London, Université Côte d’Azur, INRIA i la Universitat de les Illes Balears.
Entendre com funcionen els sistemes complexos, des del cervell humà fins als mercats financers o els ecosistemes, requereix anar més enllà de l’estudi d’elements aïllats o de les relacions entre parelles. Molts comportaments rellevants emergeixen únicament quan diversos components interactuen de manera simultània. Tanmateix, identificar aquestes interaccions d’ordre superior ha estat tradicionalment molt exigent des del punt de vista computacional, fet que n’ha limitat l’aplicació pràctica.
THOI (Torch-based High-Order Interactions, de l’anglés Interaccions d’ordre superior basades en Torch) s’ha desenvolupat precisament per abordar aquest problema. Aquesta eina, presentada a la revista PLOS ONE, permet analitzar dependències col·lectives entre múltiples variables utilitzant ordinadors convencionals, i també pot aprofitar GPUs i altres sistemes de maquinari accelerat quan estan disponibles.
“Molts sistemes del món real no es poden entendre observant només relacions un a un”, explica Rubén Herzog, investigador de l’IFISC (UIB-CSIC) i autor principal de l’estudi. “THOI permet identificar patrons que només emergeixen quan s’analitzen diversos elements de manera conjunta”.
Per fer-ho, l’equip combina avenços en teoria de la informació amb infraestructures modernes d’aprenentatge automàtic. Aquest enfocament permet quantificar si un sistema està dominat per redundància, quan la informació es repeteix entre diferents components, o per sinergia, quan el conjunt conté informació que no és present en les parts per separat.
Els investigadors van validar l’eina amb dades reals de neurociència. A partir de ressonàncies magnètiques funcionals de persones en estat de vigília i sota anestèsia profunda, van observar una reducció significativa en els patrons d’interacció complexa durant l’anestèsia. En particular, es comprimeix el rang d’interaccions sinèrgiques i redundants, fet que suggereix que la pèrdua de consciència està associada a dinàmiques cerebrals a gran escala més simples.
Més enllà d’aquest cas, l’equip va aplicar THOI a més de 900 conjunts de dades, tant sintètiques com reals, completant anàlisis exhaustives en menys de 30 minuts en un ordinador portàtil. Aquest estudi va permetre identificar dimensions generals que caracteritzen els sistemes complexos, com el grau d’interdependència global o l’equilibri entre sinergia i redundància.
“En reduir la barrera computacional, esperem que més investigadors puguin incorporar l’anàlisi d’interaccions d’ordre superior en els seus propis camps”, assenyala Herzog. “Això pot obrir noves línies de recerca en àmbits que van des de la cognició fins a l’economia o les dinàmiques socials”.
Tot i que futures versions podran incorporar nous estimadors estadístics i millorar el suport per a sistemes amb múltiples GPUs, l’eina ja representa un avenç pràctic important. En un context de creixent disponibilitat de dades, enfocaments com THOI permeten anar més enllà de l’anàlisi per parelles i avançar cap a una comprensió més completa de com emergeixen els comportaments col·lectius en sistemes complexos.
Belloli L, Mediano PAM, Cofré R, Slezak DF, Herzog R (2026) THOI: An efficient and accessible library for computing higher-order interactions enhanced by batch-processing. PLoS One 21(5): e0348005. https://doi.org/10.1371/journal.pone.0348005
