.
Na física, um “sistema desordenado” refere-se a um sistema físico cujos componentes – por exemplo, os seus átomos – não estão organizados de forma discernível. Como uma gaveta cheia de meias aleatórias, um sistema desordenado carece de um padrão ordenado e bem definido devido a vários fatores, como impurezas, defeitos ou interações entre componentes.
Essa aleatoriedade torna difícil prever com precisão o comportamento do sistema. E dado que os sistemas desordenados são encontrados em tudo, desde a ciência dos materiais até ao clima ou às redes sociais e muito mais, esta limitação pode ser um problema sério e real.
Agora, uma equipa de cientistas liderada por Lenka Zdeborová da EPFL desenvolveu uma nova abordagem para compreender como as coisas mudam e evoluem em sistemas desordenados, mesmo quando estes estão a sofrer mudanças rápidas, como uma mudança de temperatura. O estudo foi realizado por Freya Behrens no laboratório de Zdeborová, e Barbora Hudcová visitando a EPFL da Universidade Charles em Praga.
A abordagem é chamada de Método de Cavidade Dinâmica de Retrocesso (BDCM) e funciona olhando primeiro para o estado final do sistema, e não para o início; em vez de estudar a trajetória do sistema desde o início, ele traça os passos para trás a partir de pontos estáveis.
Mas por que “cavidade”? O termo vem do “Método da Cavidade” na física estatística e refere-se ao isolamento de um componente específico de um sistema complexo para facilitar o estudo – colocando-o em um “buraco” ou “cavidade” conceitual enquanto ignora todos os outros componentes.
De forma semelhante, o BDCM isola um componente específico do sistema desordenado, mas trabalhando de trás para frente para compreender a sua evolução ao longo do tempo. Esta reviravolta inovadora fornece informações valiosas sobre as propriedades dinâmicas do sistema, mesmo quando este está longe do equilíbrio, como a forma como os materiais arrefecem ou como as opiniões numa rede social evoluem, ou mesmo como funciona o nosso cérebro.
“A partir dos nossos primeiros resultados, vimos que pode ser bastante enganador olhar apenas para o número de atratores do sistema”, diz Freya Behrens, referindo-se aos estados estáveis em que um sistema se estabelece ao longo do tempo. “Só porque existem muitos atratores de um determinado tipo, isso não significa que sua dinâmica acabe aí. Mas realmente não esperávamos que dar apenas alguns passos para trás do atrator em sua bacia revelaria tantos detalhes sobre a dinâmica completa . Foi bastante surpreendente.
Aplicando o BDCM a um arranjo aleatório de ímãs, os cientistas descobriram o que acontece com sua energia quando eles esfriam rapidamente ou que tipo de padrões eles formam quando começam com arranjos diferentes.
“O que gosto muito neste trabalho é que obtivemos respostas teóricas para questões básicas, porém em aberto, sobre a dinâmica do modelo de Ising, um dos modelos mais estudados em física estatística”, diz Lenka Zdeborová. “O método que desenvolvemos é muito versátil, indicando que encontrará muitas aplicações em estudos da dinâmica de sistemas interativos complexos, para os quais o modelo de Ising é um dos exemplos mais simples. Algumas áreas de aplicação que posso prever incluem dinâmica social, aprendizagem em redes neurais ou, por exemplo, regulação genética. Estou ansioso para ver o trabalho de acompanhamento!”
.
