In fisica, un "sistema disordinato" si riferisce a un sistema fisico i cui componenti, come gli atomi, non sono organizzati in modo distinguibile. Come un cassetto pieno di calzini, un sistema disordinato non ha uno schema ordinato e ben definito a causa di vari fattori come impurità, difetti o interazioni tra i componenti.
Questa casualità rende difficile prevedere con precisione il comportamento del sistema. Poiché i sistemi disordinati si trovano in ogni ambito, dalla scienza dei materiali al clima e alle reti sociali, questa limitazione può essere un problema serio nel mondo reale.
Un team di scienziati guidati da Lenka Zdeborová all’EPFL ha sviluppato un approccio per capire come le cose cambiano ed evolvono nei sistemi disordinati, anche quando subiscono cambiamenti rapidi, come una variazione di temperatura. Lo studio è stato condotto da Freya Behrens del laboratorio di Lenka Zdeborová e da Barbora Hudcová della Charles University di Praga, in visita all’EPFL.
Questo approccio, noto come Backward Dynamic Cavity Method (BDCM), prevede che si esamini prima lo stato finale del sistema. Invece di studiare la traiettoria del sistema dall’inizio, si ripercorrono i passi a ritroso dai punti stabili.
Perché una "cavità"? Questo termine deriva dal "metodo delle cavità" della fisica statistica. Si riferisce all’isolamento di un particolare componente di un sistema complesso per facilitarne lo studio, collocandolo in un "buco" o "cavità" concettuale e ignorando gli altri componenti.
Allo stesso modo, il BDCM isola una componente specifica del sistema disordinato, ma procede a ritroso per comprenderne l’evoluzione nel tempo. Questa innovazione fornisce informazioni preziose sulle proprietà dinamiche del sistema, anche quando è lontano dall’equilibrio, come nel caso del raffreddamento dei materiali, dell’evoluzione delle opinioni su una rete sociale o persino del funzionamento del nostro cervello.
"Dai nostri risultati iniziali, abbiamo scoperto che prendere in considerazione solo il numero di attrattori nel sistema può essere piuttosto fuorviante", dice Freya Behrens, riferendosi agli stati stabili in cui un sistema si stabilizza nel tempo. "Solo perché ci sono molti attrattori di un determinato tipo non significa che la dinamica si fermi lì. Ma non ci aspettavamo davvero che qualche passo indietro rispetto all’attrattore nel suo pool avrebbe rivelato così tanti dettagli sulla dinamica completa. È stato piuttosto sorprendente".
Applicando la BDCM a una disposizione casuale di magneti, gli scienziati hanno scoperto cosa succede alla loro energia quando si raffreddano rapidamente, o il tipo di schemi che si formano quando iniziano con disposizioni diverse.
"Ciò che mi piace molto di questo lavoro è che abbiamo ottenuto risposte teoriche a domande fondamentali ma aperte sulla dinamica del modello di Ising, uno dei modelli più studiati nella fisica statistica", afferma Lenka Zdeborová. "Il metodo che abbiamo sviluppato è molto versatile. Ha molte applicazioni nello studio della dinamica di sistemi complessi interagenti, di cui il modello di Ising è uno degli esempi più semplici. Tra le aree di applicazione che vedo, vorrei sottolineare le dinamiche sociali, l’apprendimento nelle reti neurali e la regolazione genica. Non vedo l’ora di vedere il seguito del lavoro!
