Modelado de sistemas complejos con redes probabilísticas

Abstract

RESUMEN: Los sistemas complejos aparecen en un amplio abanico de disciplinas y están compuestos por muchos elementos que interactúan y en los que surgen fenómenos colectivos que no pueden deducirse de las propiedades de sus elementos constitutivos. Durante las últimas décadas, los principales métodos y herramientas para estudiar y caracterizar los sistemas complejos se han desarrollado en el ámbito de las redes complejas en física estadística. Paralelamente, las redes probabilísticas se han desarrollado como métodos genéricos de modelización y predicción en el ámbito de la ciencia de datos. Esta tesis explora las sinergias metodológicas entre las redes complejas y las redes probabilísticas, centrándose en el desarrollo de enfoques adecuados para modelar y predecir el comportamiento de sistemas complejos a partir de datos. Se centra en dos sistemas seleccionados: un sistema de regulación génica y el sistema climático de la Tierra.

ABSTRACT: Complex systems appear in a wide range of disciplines, they are composed of many interacting elements in which collective phenomena emerge that cannot be inferred from the properties of their constituent elements. During the last decades, the main methods and tools to study and characterise complex systems have been developed in the area of complex networks in statistical physics. In parallel, probabilistic networks have been developed as generic modelling and prediction data science methods. This thesis explores the methodological synergies between complex networks and probabilistic networks, focusing on the development of suitable approaches to model and predict the behaviour of complex systems from data. The focus is on two selected systems: A gene regulatory system and Earth’s climate system.