17:16 2024-04-26 science - citeste alte articole pe aceeasi tema
Comentarii Adauga Comentariu

_ Noul algoritm trece prin datele „zgomotoase” pentru a prezice mai bine punctele de răsturnare

_ Noul algoritm trece prin date „zgomotoase” pentru a prezice mai bine punctele de basculanță

Fie că încercați să preziceți o catastrofă climatică sau o criză de sănătate mintală, matematica ne spune să căutăm fluctuații.

Modificări ale datelor, de la populația faunei sălbatice până la nivelurile de anxietate, poate fi un semnal de avertizare timpurie că un sistem atinge un prag critic, cunoscut sub numele de un punct de basculare, în care acele modificări se pot accelera sau chiar deveni ireversibile.

Dar care puncte de date. contează cel mai mult? Și care sunt pur și simplu zgomot?

Un nou algoritm dezvoltat de cercetătorii de la Universitatea din Buffalo poate identifica punctele de date cele mai predictive de care se află un punct de vârf. Detaliat în Nature Communications, acest cadru teoretic folosește puterea ecuațiilor diferențiale stocastice pentru a observa fluctuația punctelor de date sau a nodurilor și apoi a determina care ar trebui să fie utilizat pentru a calcula un semnal de avertizare timpurie.

Simulările au confirmat acest lucru. metoda a fost mai precisă la prezicerea punctelor de răsturnare teoretice decât selectarea aleatorie a nodurilor.

„Fiecare nod este oarecum zgomotos – cu alte cuvinte, se schimbă în timp – dar unele se pot schimba mai devreme și mai drastic decât altele atunci când o răsturnare. Selectarea setului potrivit de noduri poate îmbunătăți calitatea semnalului de avertizare timpurie, precum și ne poate ajuta să evităm irosirea resurselor observând nodurile neinformative”, spune autorul principal al studiului, Naoki Masuda, profesor și director. de studii postuniversitare în cadrul Departamentului de Matematică UB, din cadrul Colegiului de Arte și Științe.

Studiul a fost co-autor de Neil Maclaren, asociat de cercetare postdoctoral în Departamentul de Matematică, și Kazuyuki Aihara, director executiv director al Centrului Internațional de Cercetare pentru Neurointelligence de la Universitatea din Tokyo.

Algoritmul este unic prin faptul că încorporează pe deplin știința rețelelor în proces. În timp ce semnalele de avertizare timpurie au fost aplicate ecologiei și psihologiei în ultimele două decenii, puține cercetări s-au concentrat asupra modului în care aceste semnale sunt conectate într-o rețea, spune Masuda.

Luați în considerare depresia. Cercetări recente au considerat-o și alte tulburări mintale ca o rețea de simptome care se influențează reciproc prin crearea de bucle de feedback. O pierdere a poftei de mâncare ar putea însemna apariția altor cinci simptome în viitorul apropiat, în funcție de cât de aproape sunt acele simptome de rețea.

„Ca om de știință al rețelei, am simțit că știința rețelei ar putea oferi o soluție unică sau unică. poate chiar o abordare îmbunătățită a semnalelor de avertizare timpurie”, spune Masuda.

Luând în considerare cu atenție sistemele ca rețele, cercetătorii au descoperit că simpla selectare a nodurilor cu cele mai mari fluctuații nu a fost cea mai bună strategie. Acest lucru se datorează faptului că unele noduri selectate pot fi prea strâns legate de alte noduri selectate.

„Chiar dacă combinăm două noduri cu semnale de avertizare timpurie frumoase, nu primim neapărat un semnal mai precis. Uneori combinând un nod cu un semnal bun și un alt nod cu un semnal de calitate medie ne oferă de fapt un semnal mai bun”, spune Masuda.

În timp ce echipa a validat algoritmul cu simulări numerice, ei spun că poate fi aplicat cu ușurință în cazul real. date deoarece nu necesită informații despre structura rețelei în sine; necesită doar două stări diferite ale sistemului în rețea pentru a determina un set optim de noduri.

„Următorii pași vor fi colaborarea cu experți în domeniu, cum ar fi ecologiști, specialiști în climă și medici pentru a dezvolta și testa în continuare. algoritmul cu datele lor empirice și obțineți perspective asupra problemelor lor", spune Masuda.

(Fluierul)

Inapoi