Dissertation/ Thesis
Complex systems with time-varying interactions
| Τίτλος: | Complex systems with time-varying interactions |
|---|---|
| Συγγραφείς: | Caligiuri, Annalisa |
| Thesis Advisors: | Lacasa Saiz de Arce, Lucas Jaime, Galla, Tobias, Gomila Villalonga, Damià Agustí |
| Πηγή: | TDX (Tesis Doctorals en Xarxa) |
| Στοιχεία εκδότη: | 2026. |
| Έτος έκδοσης: | 2026 |
| Φυσική περιγραφή: | 209 p. |
| Θεματικοί όροι: | Complex systems, Complex networks, Temporal networks, Dynamical systems, Opinion dynamics, Stochastic processes, Sistemi complessi, Reti complesse, Reti temporali, Sistemi dinamici, Dinamica delle opinioni, Processi stocastici, Sistemes complexos, Xarxes complexes, Xarxes temporals, Sistemes dinàmics, Dinàmica d’opinió, Processos estocàstics, Sistemas complejos, Redes complejas, Redes temporales, Sistemas dinámicos, Dinámica de opinión, Procesos estocásticos, Física |
| Περιγραφή: | [eng] The nonlinear interactions among components of complex systems give rise to intricate dynamics. Understanding such behaviors requires not only modeling the internal dynamics of the components, but also capturing how their interaction structure evolves over time. This evolution can be random, chaotic, and driven by external environmental factors. Developing tools to characterize such evolving patterns is essential for uncovering the mechanisms that shape complex system behavior. Several approaches have been proposed to study the temporal evolution of complex systems, including methods from time series analysis, dynamical systems theory, and temporal network models. These tools have advanced our understanding of systems with time-varying interactions. However, many aspects of the dynamics of networks remain poorly understood, and the development of general tools for their analysis is still lacking. Moreover, it is possible that other types of dynamical behaviors are present but remain hidden, as current methods are not yet capable of detecting or characterizing them. This thesis addresses these challenges by first examining how environmental changes affect the dynamics of complex systems. The analysis identifies the conditions under which temporal variability in the environment influences system behavior, and to what extent these effects manifest in the dynamics. In the second part, a new approach to network dynamics is introduced, based on the assumption that a temporal network can be viewed as a trajectory in graph space. Time series analysis metrics—such as empirical autocorrelation and Lyapunov exponent estimation—are applied to characterize this evolution for both labelled and unlabelled temporal networks. Finally, the proposed framework is applied to empirical brain network data, providing insights into how the predictability of neural dynamics varies across different pathological conditions. These contributions provide a unified framework for analyzing the dynamics of systems with time-varying interactions, offering methodological tools that can be applied across domains where evolving structures play a central role. |
| Description (Translated): | [ita] Le interazioni non lineari tra i componenti dei sistemi complessi danno origine a dinamiche intricate. Comprendere tali comportamenti richiede non solo la modellizzazione delle dinamiche interne dei componenti, ma anche la capacità di catturare come la loro struttura di interazione evolve nel tempo. Questa evoluzione può essere casuale, caotica e influenzata da fattori ambientali esterni. Sviluppare strumenti per caratterizzare tali schemi in evoluzione è essenziale per svelare i meccanismi che modellano il comportamento dei sistemi complessi. Sono stati proposti diversi approcci per studiare l'evoluzione temporale dei sistemi complessi, inclusi metodi dell'analisi delle serie temporali, la teoria dei sistemi dinamici e i modelli di reti temporali. Questi strumenti hanno migliorato la nostra comprensione dei sistemi con interazioni variabili nel tempo. Tuttavia, molti aspetti della dinamica delle reti rimangono poco compresi, e lo sviluppo di strumenti generali per la loro analisi è ancora carente. Inoltre, è possibile che esistano altri tipi di comportamenti dinamici che rimangono nascosti, poiché i metodi attuali non sono ancora in grado di rilevarli o caratterizzarli. Questa tesi affronta queste sfide esaminando innanzitutto come i cambiamenti ambientali influenzano la dinamica dei sistemi complessi. L'analisi identifica le condizioni in cui la variabilità temporale dell’ambiente influisce sul comportamento del sistema e in quale misura questi effetti si manifestano nella dinamica. Nella seconda parte, viene introdotto un nuovo approccio alla dinamica delle reti, basato sull’assunzione che una rete temporale possa essere vista come una traiettoria nello spazio dei grafi. Metriche dell'analisi delle serie temporali—come l’autocorrelazione empirica e la stima dell’esponente di Lyapunov—vengono applicate per caratterizzare questa evoluzione sia per reti temporali etichettate che non etichettate. Infine, il framework proposto viene applicato a dati empirici di reti cerebrali, fornendo spunti su come la prevedibilità della dinamica neurale vari in diverse condizioni patologiche. Questi contributi offrono un framework unificato per analizzare la dinamica dei sistemi con interazioni variabili nel tempo, fornendo strumenti metodologici applicabili in diversi ambiti in cui le strutture evolutive svolgono un ruolo centrale. [cat] Les interaccions no lineals entre els components dels sistemes complexos donen lloc a dinàmiques intricades. Entendre aquests comportaments requereix no només modelar la dinàmica interna dels components, sinó també captar com evoluciona la seva estructura d’interacció al llarg del temps. Aquesta evolució pot ser aleatòria, caòtica i estar impulsada per factors ambientals externs. Desenvolupar eines per caracteritzar aquests patrons evolutius és essencial per descobrir els mecanismes que configuren el comportament dels sistemes complexos. S'han proposat diversos enfocaments per estudiar l’evolució temporal dels sistemes complexos, incloent-hi mètodes d’anàlisi de sèries temporals, teoria de sistemes dinàmics i models de xarxes temporals. Aquestes eines han avançat la nostra comprensió dels sistemes amb interaccions que varien en el temps. No obstant això, molts aspectes de la dinàmica de les xarxes encara són poc coneguts, i el desenvolupament d’eines generals per a la seva anàlisi encara és insuficient. A més, és possible que hi hagi altres tipus de comportaments dinàmics que romanguin ocults, ja que els mètodes actuals encara no poden detectar-los o caracteritzar-los. Aquesta tesi aborda aquests desafiaments examinant primer com els canvis ambientals afecten la dinàmica dels sistemes complexos. L’anàlisi identifica les condicions en què la variabilitat temporal de l’entorn influeix en el comportament del sistema, i fins a quin punt aquests efectes es manifesten en la dinàmica. A la segona part, s’introdueix un nou enfocament de la dinàmica de xarxes, basat en la hipòtesi que una xarxa temporal es pot veure com una trajectòria a l’espai dels grafs. Es fan servir mètriques d’anàlisi de sèries temporals—com ara l’autocorrelació empírica i l’estimació de l’exponent de Lyapunov—per caracteritzar aquesta evolució tant en xarxes temporals etiquetades com no etiquetades. Finalment, s’aplica el marc proposat a dades empíriques de xarxes cerebrals, proporcionant informació sobre com varia la predictibilitat de la dinàmica neuronal en diferents condicions patològiques. Aquests resultats ofereixen un marc unificat per analitzar la dinàmica dels sistemes amb interaccions que canvien en el temps, aportant eines metodològiques aplicables a àmbits on les estructures evolutives tenen un paper central. [spa] Las interacciones no lineales entre los componentes de los sistemas complejos dan lugar a dinámicas intrincadas. Comprender estos comportamientos requiere no solo modelar la dinámica interna de los componentes, sino también captar cómo su estructura de interacción evoluciona con el tiempo. Esta evolución puede ser aleatoria, caótica y estar impulsada por factores ambientales externos. Desarrollar herramientas para caracterizar estos patrones evolutivos es esencial para descubrir los mecanismos que moldean el comportamiento de los sistemas complejos. Se han propuesto varios enfoques para estudiar la evolución temporal de los sistemas complejos, incluidos métodos del análisis de series temporales, teoría de sistemas dinámicos y modelos de redes temporales. Estas herramientas han mejorado nuestra comprensión de los sistemas con interacciones variables en el tiempo. Sin embargo, muchos aspectos de la dinámica de las redes siguen siendo poco comprendidos, y aún falta el desarrollo de herramientas generales para su análisis. Además, es posible que existan otros tipos de comportamientos dinámicos que permanecen ocultos, ya que los métodos actuales aún no pueden detectarlos o caracterizarlos. Esta tesis aborda estos desafíos examinando primero cómo los cambios ambientales afectan la dinámica de los sistemas complejos. El análisis identifica las condiciones bajo las cuales la variabilidad temporal del entorno influye en el comportamiento del sistema, y hasta qué punto estos efectos se manifiestan en la dinámica. En la segunda parte, se introduce un nuevo enfoque para la dinámica de redes, basado en la suposición de que una red temporal puede verse como una trayectoria en el espacio de grafos. Se aplican métricas del análisis de series temporales—como la autocorrelación empírica y la estimación del exponente de Lyapunov—para caracterizar esta evolución tanto en redes temporales etiquetadas como no etiquetadas. Finalmente, el marco propuesto se aplica a datos empíricos de redes cerebrales, proporcionando información sobre cómo varía la predictibilidad de la dinámica neuronal en diferentes condiciones patológicas. Estas contribuciones proporcionan un marco unificado para analizar la dinámica de sistemas con interacciones variables en el tiempo, ofreciendo herramientas metodológicas aplicables en dominios donde las estructuras evolutivas juegan un papel central. Doctorat en Física |
| Τύπος εγγράφου: | Dissertation/Thesis |
| Περιγραφή αρχείου: | application/pdf |
| Γλώσσα: | English |
| Σύνδεσμος πρόσβασης: | https://hdl.handle.net/10803/697036 |
| Rights: | L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| Αριθμός Καταχώρησης: | edstdx.10803.697036 |
| Βάση Δεδομένων: | TDX |
| Η περιγραφή δεν είναι διαθέσιμη |