Una nueva herramienta computacional capta dinámicas de grupo ocultas en sistemas complejos
11 de mayo de 2026
- El estudio, publicado en PLOS ONE, presenta THOI, una librería de código abierto en Python que acelera drásticamente el análisis de patrones colectivos en sistemas complejos que pasan desapercibidos con los métodos convencionales basados en pares.
- La investigación es fruto de una colaboración interdisciplinar entre el Instituto de Física Interdisciplinar y Sistemas Complejos (IFISC, UIB-CSIC), la Universidad de Buenos Aires, el Institut du Cerveau, Imperial College London, University College London, Université Côte d’Azur, INRIA y la Universidad de las Islas Baleares.
Entender cómo funcionan sistemas complejos, desde el cerebro humano hasta los mercados financieros o los ecosistemas, requiere ir más allá del estudio de elementos aislados o de relaciones entre pares. Muchos comportamientos relevantes emergen únicamente cuando varios componentes interactúan de forma simultánea. Sin embargo, identificar estas interacciones de orden superior ha sido tradicionalmente muy exigente desde el punto de vista computacional, lo que ha limitado su aplicación práctica.
THOI (Torch-based High-Order Interactions, del inglés Interacciones de orden superior basadas en Torch) se ha desarrollado precisamente para abordar este problema. Esta herramienta permite analizar dependencias colectivas entre múltiples variables utilizando ordenadores convencionales, y puede además aprovechar GPUs y otros sistemas de hardware acelerado cuando están disponibles.
“Muchos sistemas del mundo real no se pueden entender observando solo relaciones uno a uno”, explica Rubén Herzog, investigador del IFISC (UIB-CSIC) y autor de correspondencia del estudio. “THOI permite identificar patrones que solo emergen cuando se analizan varios elementos de manera conjunta”.
Para ello, el equipo combina avances en teoría de la información con infraestructuras modernas de aprendizaje automático. Este enfoque permite cuantificar si un sistema está dominado por redundancia, cuando la información se repite entre distintos componentes, o por sinergia, cuando el conjunto contiene información que no está presente en las partes por separado.
Los investigadores validaron la herramienta con datos reales de neurociencia. A partir de resonancias magnéticas funcionales de personas en estado de vigilia y bajo anestesia profunda, observaron una reducción significativa en los patrones de interacción compleja durante la anestesia. En particular, se comprime el rango de interacciones sinérgicas y redundantes, lo que sugiere que la pérdida de consciencia está asociada a dinámicas cerebrales a gran escala más simples.
Más allá de este caso, el equipo aplicó THOI a más de 900 conjuntos de datos, tanto sintéticos como reales, completando análisis exhaustivos en menos de 30 minutos en un ordenador portátil. Este estudio permitió identificar dimensiones generales que caracterizan los sistemas complejos, como el grado de interdependencia global o el equilibrio entre sinergia y redundancia.
“Al reducir la barrera computacional, esperamos que más investigadores puedan incorporar el análisis de interacciones de orden superior en sus propios campos”, señala Herzog. “Esto puede abrir nuevas líneas de investigación en ámbitos que van desde la cognición hasta la economía o las dinámicas sociales”.
Aunque futuras versiones podrán incorporar nuevos estimadores estadísticos y mejorar el soporte para sistemas con múltiples GPUs, la herramienta ya representa un avance práctico importante. En un contexto de creciente disponibilidad de datos, enfoques como THOI permiten ir más allá del análisis por pares y avanzar hacia una comprensión más completa de cómo emergen los comportamientos colectivos en sistemas complejos.
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
