Prever com precisão como um sistema responde a mudanças repentinas é um grande desafio em campos como ciência climática, finanças e epidemiologia. Agora, uma equipe de pesquisadores desenvolveu uma nova e poderosa estrutura matemática para fazer exatamente isso, usando uma teoria de resposta linear generalizada.
A Teoria da Resposta Linear (LRT) é a pedra angular da física estatística. Ele prevê como um sistema em (ou próximo) do equilíbrio responde a pequenas perturbações externas – uma ideia ligada à relação flutuação-dissipação. Essencialmente, se você compreender as flutuações naturais de um sistema, poderá inferir como ele reagirá ao forçamento fraco sem executar uma simulação completa e computacionalmente pesada.
Tradicionalmente, o LRT foi desenvolvido para sistemas com ruído gaussiano – flutuações suaves e contínuas. Embora isto funcione bem para fenómenos como flutuações térmicas, muitos sistemas do mundo actual também experimentam saltos ou choques repentinos, modelados matematicamente como processos de Lévy. Pense em erupções vulcânicas, quebras de mercado ou surtos repentinos de doenças.
Incorporar esses choques repentinos no LRT tem sido uma meta de longa knowledge dos físicos estatísticos. Um artigo recente publicado em ROPP deu um grande passo em frente ao estabelecer a teoria de resposta linear para uma classe ampla e elementary de sistemas: modelos mistos de salto-difusão, que incluem processos de Lévy.
Ao generalizar o teorema da dissipação de flutuação para esta classe de modelos, as suas fórmulas de resposta permitem aos cientistas avaliar como estes sistemas respondem às perturbações estruturais. Crucialmente, isto funciona mesmo no que diz respeito a alterações na própria lei do ruído subjacente, permitindo uma quantificação da incerteza muito mais rigorosa.
Os autores – uma equipa de investigadores de Israel, Reino Unido, EUA e Suécia – observam que este quadro fornece suporte elementary para a “impressão digital splendid” – uma metodologia estatística utilizada para associar com segurança as mudanças observadas a mecanismos causais específicos. Ao provar que esta abordagem funciona mesmo sob forças estocásticas complexas, as suas descobertas fortalecem um aspecto elementary da ciência por detrás das alterações climáticas, fundamentando e expandindo o trabalho seminal de Hasselmann sobre detecção e atribuição. É importante ressaltar que este caminho para vincular causalmente sinais com forças atuantes se estende muito além do clima, até uma classe massiva de sistemas complexos.
Para demonstrar o poder preditivo da teoria, a equipe aplicou-a a cenários climáticos complexos, incluindo o El Niño-Oscilação Sul (ENSO) – um padrão climático em grande escala no Oceano Pacífico tropical. Em uma aplicação mais desafiadora, eles usaram seu LRT para realizar projeções precisas de mudanças climáticas no modelo climático de balanço energético de Ghil-Sellers espacialmente estendido, sujeito a perturbações abruptas e aleatórias. Eles mostraram que, apesar das fortes não linearidades nas formulações dos modelos – como as complexas estruturas de tomada de decisão “se-então” frequentemente usadas para parametrizar a convecção oceânica e atmosférica – o LRT ainda pode ser aplicado de forma robusta. Isto reforça o argumento a favor da utilização desta abordagem para realizar projecções precisas das alterações climáticas e para avaliar rigorosamente a proximidade de um sistema aos pontos de ruptura.
Em última análise, este trabalho não apenas melhora a previsão da resposta dos modelos climáticos às perturbações; fornece um novo modelo para a compreensão de como qualquer sistema complexo reage a choques repentinos, abrindo caminho para melhores previsões em biologia, finanças e ciências sociais quantitativas.