Texto completo
| |
| Autor(es): |
Tiago Martinelli
Número total de Autores: 1
|
| Tipo de documento: | Tese de Doutorado |
| Imprenta: | São Carlos. |
| Instituição: | Universidade de São Paulo (USP). Instituto de Física de São Carlos (IFSC/BT) |
| Data de defesa: | 2023-04-20 |
| Membros da banca: |
Francisco Aparecido Rodrigues;
Zhao Liang;
Pedro Antonio Martinez Mediano;
Thomas Kauê Dal'Maso Peron;
Gonzalo Travieso
|
| Orientador: | Francisco Aparecido Rodrigues; Diogo de Oliveira Soares Pinto |
| Resumo | |
A era do big data avançou a possibilidade de estudar fenômenos emergentes no mundo real, muitas vezes ocorrendo por sistemas com interações não triviais de alta ordem. Uma das principais questões para esses sistemas complexos é entender como sua organização coletiva influencia os processos dinâmicos. Embora tal estudo seja fundamental para desenvolver a política de controle de processos dinâmicos a partir de mudanças na estrutura da rede, na prática, a única informação disponível são dados multivariados registrados de variáveis com topologia desconhecida. Tal cenário pode ser explorado usando a teoria da informação e ferramentas de causalidade para quantificar a influência de um indivíduo e inferir uma estrutura causal entre eles. Em outras palavras, podemos fazer engenharia reversa para obter um modelo causal via dados. No entanto, uma metodologia para lidar com causas emergentes ao extrair informações é uma questão em aberto. Se não executada corretamente, pode comprometer suposições básicas na modelagem causal, resultando em uma visão espúria da organização de sistemas complexos. Esta tese é dedicada à investigar problemas fundamentais relacionados a captura de fenômenos de emergência em sistemas complexos de alta ordem conciliando técnicas de teorias de causalidade e informação multivariada. Com base em nossos resultados, defendemos uma mudança de paradigma ao lidar com dados multivariados na modelagem causal, considerando a tarefa de descrição de um sistema ao mover escalas como uma questão fundamental ao invés de um artifício matemático. (AU) | |
| Processo FAPESP: | 18/12072-0 - Reconstrução de redes complexas através de informação causal |
| Beneficiário: | Tiago Martinelli |
| Modalidade de apoio: | Bolsas no Brasil - Doutorado |