Física.

La investigación en Física en el Instituto de Biocomputación y Física de Sistemas Complejos (BIFI) tiene como objetivo fundamental romper las barreras que han separado artificialmente a las disciplinas tradicionales en un intento por crear nuevos campos donde pueda surgir la innovación científica y tecnológica. Este es el verdadero propósito de la Ciencia de los Sistemas Complejos, una disciplina basada en el principio holístico que considera que las propiedades de un sistema no se pueden comprender bien mediante el análisis aislado o independiente de sus partes integrantes.

La reciente explosión en la modelización de sistemas complejos impulsada, a su vez, por la adquisición de datos a gran escala procedentes de diversas disciplinas, por ejemplo, estudios proteómicos, el análisis del tráfico en Internet, o registros de usuarios de redes sociales, no sólo ha proporcionado una mayor comprensión de ciertos comportamientos colectivos de estos sistemas, sino que también ha impulsado el descubrimiento de propiedades comunes en todos estos sistemas de naturaleza tan dispar.

Impulsado por los anteriores descubrimientos, este campo de investigación multidisciplinar ha desarrollado un conjunto de herramientas, técnicas y metodologías de un poder explicativo impresionante, muchas de ellas inspiradas en el análisis de la Física Estadística de los sistemas dentro y fuera de equilibrio, además de otros ingredientes metodológicos procedentes de la Mecánica Cuántica, Sistemas dinámicos, Física Computacional, etc.

El interés de la Física en el estudio de la Ciencia de los Sistemas Complejos es doble. Por una parte, los físicos han desempeñado un papel fundamental en la aplicación de métodos y herramientas para describir y comprender mejor los nuevos fenómenos colectivos emergentes en sistemas biológicos, sociales y tecnológicos. El otro reto, es la necesidad de reformular dichos métodos con el fin de hacer frente a los nuevos fenómenos físicos que se encuentran con frecuencia en los sistemas complejos.

El área de la Física en el BIFI se divide en 5 líneas de investigación:

  • Vidrios de Espín
  • Redes y Sistemas Complejos
  • Modelización Física de Biomoléculas
  • Dinámica Molecular y Estructura Electrónica
  • Modelos No lineales y Complejidad
Vidrios de Espín

Responsable de la Línea de Investigación:

Alfonso Tarancón Lafita

Investigadores:

Andrés Cruz Flor
Luis Antonio Fernández Pérez
Victor Martín Mayor
Juan Jesús Ruíz Lorenzo
David Íñiguez
David Yllanes
Raquel Álvarez Baños
José Miguel Gil Narvión
Antonio Gordillo Guerrero
Andrea Maiorano
Jorge Monforte García
Sergio Pérez Gaviro
Beatriz Seoane
Marco Baity-Jesi

 

RESUMEN

Los vidrios de espín son aleaciones magnéticas con una característica destacada: sus propiedades nunca son estables en el tiempo. Cuando uno enfría un vidrio de espín por debajo de su temperatura crítica, sus propiedades se mantienen variables durante años (aunque los cambios son más pequeños según el vidrio de espín envejece). El fenómeno del Envejecimiento no es particular de los vidrios de espín: muchos otros sistemas de relevancia industrial (polímeros, vidrios estructurales, etc) lo sufren. El envejecimiento es un asunto importante: por ejemplo, si la resistencia de los materiales de las alas de tu avión cambia con el tiempo, deberías estar preocupado. Los vidrios de espín son referidos por los científicos como un modelo simple del sistema para estudiar el envejecimiento. Sin embargo, a pesar de su simplicidad (comparado con polímeros, por ejemplo), los vidrios de espín siguen siendo todavía un quebradero de cabeza para los Físicos.

Nosotros estudiamos dos tipos de vidrios de espín: Heisenberg (donde los espines son vectores tridimensionales) e Ising (con espines en una dimensión). Llevamos a cabo estudios en el punto crítico y a baja temperatura, y fuera del equilibrio, usando clusters de computación y ordenadores dedicados. En paricular, los ordenadores Janus han permitido investigar la dinámica para 11 órdenes de magnitud, desde los picosegundos hasta una décima de segundo.

 

PUBLICACIONES RELEVANTES

1.- Phase transitions in disordered systems: the example of the random-field Ising model in four dimensions. Nikolaos G. Fytas, Victor Martin-Mayor, Marco Picco, Nicolas Sourlas. Phys. Rev. Lett. 116, 227201 (2016).

2.- Universal critical behavior of the 2d Ising spin glass. L.A. Fernandez, E. Marinari, V. Martin-Mayor, G. Parisi, J.J. Ruiz-Lorenzo. Phys. Rev. B 94, 024402 (2016).

3.- Soft Modes, Localization and Two-Level Systems in Spin Glasses. Marco Baity-Jesi, Victor Martin-Mayor, Giorgio Parisi, Sergio Perez-Gaviro. Phys. Rev. Lett. 115, 267205 (2015).

4.- The three dimensional Ising spin glass in an external magnetic field: the role of the silent majority. Janus Collaboration: M. Baity-Jesi, R. A. Banos, A. Cruz, L. A. Fernandez, J. M. Gil-Narvion, A. Gordillo-Guerrero, D. Iniguez, A. Maiorano, F. Mantovani, E. Marinari, V. Martin-Mayor, J. Monforte-Garcia, A. Munoz Sudupe, D. Navarro, G. Parisi, S. Perez-Gaviro, M. Pivanti, F. Ricci-Tersenghi, J.J. Ruiz-Lorenzo, S.F. Schifano, B. Seoane, A. Tarancon, R. Tripiccione, D. Yllanes. J. Stat. Mech. (2014) P05014.

5.- Universality in the three-dimensional random-field Ising model. Nikolaos G. Fytas, Victor Martin-Mayor. Phys. Rev. Lett. 110, 227201 (2013).

6.- Comment on “Evidence of Non-Mean-Field-Like Low-Temperature Behavior in the Edwards-Anderson Spin-Glass Model”. A. Billoire, L.A. Fernandez, A. Maiorano, E. Marinari, V. Martin-Mayor, G. Parisi, F. Ricci-Tersenghi, J.J. Ruiz-Lorenzo, D. Yllanes. Phys. Rev. Lett. 110, 219701 (2013).

7.- Thermodynamic glass transition in a spin glass without time-reversal symmetry. Janus Collaboration: R. A. Baños, A. Cruz, L.A. Fernandez, J. M. Gil-Narvion, A. Gordillo-Guerrero, M. Guidetti, D. Iñiguez, A. Maiorano, E. Marinari, V. Martin-Mayor, J. Monforte-Garcia, A. Muñoz Sudupe, D. Navarro, G. Parisi, S. Perez-Gaviro, J. J. Ruiz-Lorenzo, S.F. Schifano, B. Seoane, A. Tarancon, P. Tellez, R. Tripiccione, D. Yllanes. Proc. Natl. Acad. Sci. USA (2012) 109, 6452-6456-

8. – The three dimensional Heisenberg spin glass under a weak random anisotropy V. Martin-Mayor, S. Perez-Gaviro. Rev. B 84, 024419 (2011).

9. – Static versus dynamic heterogeneities in the D = 3 Edwards-Anderson-Ising spin glass. Janus Collaboration: R. Alvarez Banos, A. Cruz, L.A. Fernandez, J. M. Gil-Narvion, A. Gordillo-Guerrero, M. Guidetti, A. Maiorano, F. Mantovani, E. Marinari, V. Martin-Mayor, J. Monforte-Garcia, A. Munoz Sudupe, D. Navarro, G. Parisi, S. Perez-Gaviro, J. J. Ruiz-Lorenzo, S.F. Schifano, B. Seoane, A. Tarancon, R. Tripiccione, D. Yllanes. Phys. Rev. Lett. 105, 177202 (2010).

10. – Nature of the spin-glass phase at experimental length scales. Janus Collaboration: R. Alvarez Banos, A. Cruz, L.A. Fernandez, J. M. Gil-Narvion, A. Gordillo-Guerrero, M. Guidetti, A. Maiorano, F. Mantovani, E. Marinari, V. Martin-Mayor, J. Monforte-Garcia, A. Munoz Sudupe, D. Navarro, G. Parisi, S. Perez-Gaviro, J. J. Ruiz-Lorenzo, S.F. Schifano, B. Seoane, A. Tarancon, R. Tripiccione, D. Yllanes. J. Stat. Mech. (2010) P06026.

11. – Critical Behavior of Three-Dimensional Disordered Potts Models with Many States. R. Alvarez Banos, A. Cruz, L. A. Fernandez, A. Gordillo-Guerrero, J.M. Gil-Narvion, M. Guidetti, A. Maiorano, F. Mantovani, E. Marinari, V. Martin-Mayor, J. Monforte-Garcia, A. Munoz Sudupe, D. Navarro, G. Parisi, S. Perez-Gaviro, J. J. Ruiz-Lorenzo, B. Seoane, S. F. Schifano, A. Tarancon, R. Tripiccione, D. Yllanes. J. Stat. Mech. (2010) P05002.

12. – Phase transition in the three dimensional Heisenberg spin glass: Finite-size scaling analysis. L.A. Fernandez, V. Martin-Mayor, S. Perez-Gaviro, A. Tarancon, A.P. Young. Phys. Rev. B 80, 024422 (2009).

13. – Nonequilibrium spin glass dynamics from picoseconds to 0.1 seconds. F. Belletti, M. Cotallo, A. Cruz, L.A. Fernandez, A. Gordillo-Guerrero, M. Guidetti, A. Maiorano, F. Mantovani, E. Marinari, V. Martin-Mayor, A. Munoz Sudupe, D. Navarro, G. Parisi, S. Perez-Gaviro, J.J. Ruiz-Lorenzo, S.F. Schifano, D. Sciretti, A. Tarancon, R. Tripiccione, J.L. Velasco, D. Yllanes. Phys. Rev. Lett. 101 (2008) 157201.

14. – The spin glass transition of the three dimensional Heisenberg spin glass. I. Campos, M. Cotallo-Aban, V. Martin-Mayor, S. Perez-Gaviro, A. Tarancon. Phys. Rev. Lett. 97, 217204 (2006).

 

PRINCIPALES PROYECTOS DE INVESTIGACIÓN

1.- FIS2015-65078-C2-2-P: COMPUTACIÓN AVANZADA EN MATERIALES Y REDES COMPLEJAS. IP: David Iñiguez. Plan Nacional MINECO. 01/01/16

2.- Cloudflow / CFD DESIGN OF BIOMASS BOILERS IN THE CLOUD. IP: David Iñiguez. Proyecto Europeo H2020. 01/02/15

3.- E24/3 BIOCOMPUTACIÓN Y FÍSICA DE SISTEMAS COMPLEJOS. IP: David Iñiguez. Grupos Reconocidos DGA. 01/01/15

4.- EGI ENGAGE / Engaging the EGI Community towards an Open Science Commons. IP:David Iñiguez. Proyecto Europeo H2020. 01/03/15

5.- CONVENIO DE COLABORACIÓN ENTRE EL GOBIERNO DE ARAGÓN, Y LA UNIVERSIDAD DE ZARAGOZA (BIFI) PARA EL SOPORTE DEL NODO DE ARAGÓN DE LA RED ESPAÑOLA DE SUPERCOMPUTACIÓN (RES) PARA 2014. IP: Alfonso Tarancón. Soporte a Nodo ICTS de la RES. 01/01/14

6.- E24/3 BIOCOMPUTACION Y FISICA DE SISTEMAS COMPLEJOS. IP. David Iñiguez. Grupos Reconocidos DGA. 01/01/14

7.- FCT-14-8712. ACTIVIDADES DE DIVULGACIÓN CIENTÍFICA 2014 UCC+i (UNIVERSIDAD DE ZARAGOZA). IP: Vicerrectorado Investigacion. FECYT. 01/10/14

8.- Fortissimo / Factories of the Future Resources, Technology, Infrastructure and Services for Simulation and Modelling. IP: David Iñiguez. Proyecto Europeo H2020. 01/09/14

9 – CloudSME / Cloud based Simulation platform for Manufacturing and Engineering. IP: Alfonso Tarancón. Proyecto Europeo H2020. 01/07/13

10.- DESARROLLO Y PUESTA EN SERVICIO DEL PROYECTO ARAGÓN OPEN SOCIALDATA. IP: David Iñiguez. Proyecto de Transferencia . 13/09/13

 

Colaboradores

  • Enzo Marinari, U. La Sapienza
  • Antonio Muñoz Sudupe, U. Complutense Madrid
  • Denis Navarro, U. Zaragoza
  • Giorgio Parisi, U. La Sapienza
  • Sebastiano Fabio Schifano, U. Ferrara, INFN
  • Federico Ricci Tersenghi, U. La Sapienza, INFN
  • Raffaele Tripiccione, U. Ferrara, INFN
  • Peter Young, University of Santa Cruz, California (USA).
Redes y Sistemas Complejos
(COSNET Lab)

Responsable de la Línea de Investigación:

Professor Yamir Moreno

Investigadores::

Yamir Moreno
Sandro Meloni
Carlos Gracia-Lázaro
Emanuele Cozzo
Sergio Arregui
Alberto Aleta
Felipe M. Cardoso
Pablo Piedrahita

Miembros del BIFI vinculados a la línea de investigación que radican en el Departamento de Materia Condensada, Facultad de Ciencias, Universidad de Zaragoza:

Professor Luis Mario Floría Peralta
Jesús Gómez-Gardeñes

 

RESUMEN

El Grupo de Redes y Sistemas Complejos (COSNET) fue fundado en el año 2003 por el Profesor Yamir Moreno y tiene una amplia experiencia en Física Estadística y en la Física de Sistemas Complejos. Durante la última década, el grupo se ha consolidado como un equipo líder a nivel internacional en el estudio de diversos temas tales como: La estructura y dinámica de las Redes Complejas, Epidemiología, Biología de Sistemas, Redes Multiplex, fenómenos de sincronización, redes sociales y tecnológicas, especialmente, en el surgimiento y la evolución de los movimientos sociales online, Teoría Evolutiva de Juegos, así como en el análisis del comportamiento colectivo humano y en el desarrollo de experimentos a gran escala para el estudio de la cooperación.

Teoría de Redes complejas

Los sistemas naturales o artificiales se encuentran conectados y forman parte de nuestro entorno. La evidencia existente hasta la fecha de que es imposible comprender bien el funcionamiento de los sistemas complejos mediante el análisis de sus componentes de manera aislada, ha generado un creciente interés en el estudio de las redes complejas. La expectativa es que una mejor comprensión y modelización de la estructura de una red compleja (sea cual sea) conducirá, inexorablemente, a un mayor conocimiento de su comportamiento dinámico y funcional. Aunque la actual teoría de redes ha dado lugar a una serie de resultados relevantes y prometedores en los últimos años, todavía está en una fase prematura de su desarrollo, en particular, cuando se trata de aplicaciones a sistemas reales y de una mejor comprensión de la relación existente entre la estructura y la función. El propósito fundamental de esta línea de investigación es el estudio de las redes complejas y del comportamiento colectivo de agentes dinámicos que interactúan entre sí siguiendo las conexiones dadas por la topología de las mismas. Los objetivos específicos de esta línea incluyen:

  • La caracterización simultánea de las interacciones y de las dinámicas a escala local y el estudio de su integración en una dinámica global a nivel de todo el sistema.
  • El estudio de cómo la dinámica global afecta a las interacciones locales.
  • La caracterización estadística de redes reales.
  • El diseño de modelos más realistas.
  • El estudio de otros procesos dinámicos que tienen lugar en redes complejas y de la aparición o el surgimiento de comportamientos colectivos.
  • El desarrollo y la aplicación de herramientas analíticas para estudiar las redes complejas.
  • El fomento de la interdisciplinaridad y de una comunidad de científicos en grado de dominar esta disciplina y de obtener el máximo provecho de la misma.
  • Identificar la mejor estrategia para transferir el conocimiento adquirido a nivel de la ciencia básica a aplicaciones prácticas en aras de una caracterización y explotación más precisa de los sistemas reales.

La teoría de Redes Complejas es particularmente ventajosa para explorar diferentes aspectos de la complejidad. La idea fundamental es descubrir la estructura de las interacciones entre los componentes del sistema y el comportamiento emergente de sistemas de muchos cuerpos acoplados a la estructura subyacente. Esto mejorará significativamente nuestra capacidad de comprensión y modelización para predecir la dinámica y la función de los sistemas complejos. Además, dado que este enfoque no se sustenta en un conocimiento detallado de los componentes del sistema, sino en el análisis de sus interacciones, es posible obtener resultados universales que se pueden generalizar con relativa facilidad, por ejemplo, el estudio de los procesos de propagación de epidemias es muy similar al de difusión de virus informáticos. Por otra parte, las redes biológicas, como las redes de interacción de proteínas, comparten muchas características estructurales (libertad de escala) y dinámicas (módulos funcionales) con otros sistemas aparentemente muy diferentes como Internet o los patrones de interacción en sistemas sociales, de ahí que sistemas tan diversos como las redes peer-to-peer, los sistemas neuronales, fenómenos socio-técnicos o las redes biológicas complejas se pueden estudiar con una herramienta teórica y computacional única.

Existen todavía muchos procesos que desconocemos y que pueden beneficiarse de los hallazgos y técnicas desarrolladas, por ejemplo: ¿Por qué las redes libres de escala son tan abundantes en la naturaleza? ¿Existen principios universales que rigen el crecimiento y la evolución de estas redes? ¿Cómo la dinámica de las interacciones locales se propaga y se integra a escala global? Y, a su vez, ¿Cómo el comportamiento macroscópico del sistema modula las interacciones en escalas inferiores? Por último, ¿Existen patrones comunes que se puedan identificar no sólo estructuralmente, sino también en la organización funcional de estos sistemas? Estas y otras preguntas deberán ser estudiadas en los próximos años mediante la adopción de nuevas perspectivas basadas en una investigación multidisciplinar. Los resultados de esta investigación tienen importantes aplicaciones en problemas tales como: la modelización de procesos biológicos a nivel molecular y celular (metabolismo, la expresión génica, etc.), el estudio de la dinámica de epidemias, la caracterización de los procesos de transporte y difusión en redes y tecnologías de la comunicación, en fenómenos de sincronización y en la aparición de efectos colectivos con aplicaciones en Neurociencia y sistemas sociales. El objetivo final es comprender los principios generales que rigen estos sistemas biológicos, sociales y tecnológicos con el fin de ser capaces de predecir, diseñar y controlar el comportamiento de una amplia gama de sistemas reales.

“La Ciencia de la Complejidad”

La Ciencia de la Complejidad se ha convertido en una disciplina extremadamente importante en el estudio de muchos sistemas reales. La Complejidad se basa en el principio holístico anti-reduccionista que considera que el todo es mucho más que la suma de sus partes. Esta nueva perspectiva permite un análisis preciso de diferentes procesos y fenómenos con el objetivo de predecir la evolución de los mismos a lo largo del tiempo. Un comportamiento complejo se da cuando muchas interacciones a escala local conducen, de manera colectiva, a resultados impredecibles a mayor escala. Sin embargo, sólo en las últimas décadas, los científicos han comenzado a reconsiderar el punto de vista reduccionista y tradicional que ha guiado a la ciencia durante muchos años. La evidencia acumulada hasta la fecha de que el funcionamiento real de sistemas tan complejos como las células de un organismo vivo o la dinámica de grandes grupos sociales, no pueda ser comprendido mediante una simple reducción de estos sistemas a la suma de sus partes integrantes, ha generado un interés cada vez mayor en el estudio de los sistemas complejos. Dichos estudios están revelando una serie de comportamientos emergentes de diferentes sistemas y proporcionando un análisis más profundo y detallado de estos, a menudo con resultados sorprendentes e inesperados.

Redes Multiplex

Hasta hace poco tiempo, la mayor parte de los estudios sobre la estructura y la dinámica de las redes se basaban en grafos de una sola capa, en los cuales todas las interacciones, con independencia de las condiciones en las que fueron obtenidas, aparecían como agregados. Sin embargo, a medida que hemos recopilado más datos sobre sistemas reales, es evidente que muchos sistemas están formados por diferentes capas interconectadas e interdependientes entre sí. Piense, por ejemplo, en un sistema de transporte, en el cual los diferentes medios de transporte coexisten espacialmente. Una representación exacta de un sistema de este tipo consideraría cada medio de transporte como una capa y las diversas conexiones entre ellos representarían la posibilidad de cambiar de uno a otro: de una línea de autobús a una línea de metro o de tranvía, por ejemplo. Lo mismo se aplica a sistemas sociales online, en los que un individuo puede estar en varias plataformas (Twitter, Facebook, Google Plus, etc.) simultáneamente, compartiendo y recibiendo información a través de varios canales. Un último ejemplo corresponde al ámbito de la Biología y está dado por procesos celulares, en los que existen diversas vías bioquímicas que operan al unísono.

Este nuevo paradigma estructural plantea importantes retos. En primer lugar, debemos indagar cuándo la estructura multicapa es realmente importante y desarrollar entonces, nuevas métricas, algoritmos y representaciones de estos sistemas. Además, los procesos dinámicos como la difusión y las dinámicas de propagación deben ser reevaluados, pues se espera que surjan nuevas fenomenologías. En nuestro grupo COSNET, estudiamos estas redes desde hace ya algunos años y hemos realizado un número significativo de contribuciones que han tenido gran impacto en el campo de la Ciencia de Redes. Esto incluye el estudio de los procesos de difusión, la propagación e interacción de enfermedades infecciosas en las que hay involucradas múltiples cepas, nuevas métricas y formalismos para caracterizar la estructura de las redes multicapas y la dinámica de la difusión de información a través de diversos canales. Continuaremos explorando esta línea y el objetivo más próximo es estudiar diversos problemas interesantes en el campo de la Biología.

multiplexnetworks_researchline_cosnet_prueba

Epidemiología

La propagación de epidemias es un tema central en una amplia variedad de campos. En este contexto, tanto la modelización de una epidemia como la recolección de datos sobre redes de contacto están contribuyendo al desarrollo de un marco computacional y teórico preciso que permita simular cómo evolucionan y se propagan las enfermedades, así como a la búsqueda de nuevos protocolos y políticas de inmunización eficaces. Sin embargo, la falta de una descripción completa de los mapas de conectividad y las singularidades de los mecanismos de transmisión hacen que el análisis sea extremadamente difícil. Por este motivo, es necesario invertir un esfuerzo en el diseño de modelos de propagación de epidemias fiables que se beneficien de los datos de los patrones de conectividad dados por los mapas sociales de contactos (direccionalidad, edad, género, etc.) y en entender las dinámicas de interacción de diferentes enfermedades. Nuestra investigación comprende el estudio de situaciones en las que múltiples patógenos coexisten en la misma población, incluidos aquellos sistemas en que los patógenos compiten entre sí (como la gripe estacional) o los llamados sistemas sindémicos (por ejemplo, el VIH y la Tuberculosis), es decir, las interacciones sinérgicas entre dos o más enfermedades coexistentes en una población determinada y que producen una carga excesiva por enfermedad. En este contexto, el estudio de las redes multicapas es fundamental.

tb_disease_modeling

Marco Epidemiológico y Redes Multicapa

El análisis de los procesos de propagación de epidemias desde un punto de vista cuantitativo es un campo muy amplio que ha sido objeto de estudio durante casi un siglo. La modelización matemática y computacional de enfermedades infecciosas es un esfuerzo colectivo de científicos provenientes de diversas áreas entre los que se encuentran: matemáticos, epidemiólogos, informáticos, físicos, biólogos, etc. Los enfoques de la Física a problemas en Epidemiología tienen en cuenta aspectos de la Física Estadística y de la teoría de transiciones de fase y fenómenos críticos para comprender el comportamiento macroscópico de los brotes epidémicos. La Aproximación de Campo Medio es un marco exitoso que permite reducir la complejidad del sistema estudiado. Este enfoque se utiliza, principalmente, para estudiar la propagación de una enfermedad en un sistema en el que los individuos se identifican como nodos de una red compleja de contactos. Otro enfoque alternativo importante utilizado para describir matemáticamente la propagación de enfermedades infecciosas a gran escala es el llamado enfoque de meta-población. Este marco describe un conjunto de sub-poblaciones espacialmente estructuradas que interactúan como una red, cuyos enlaces representan la movilidad de los individuos entre las distintas subpoblaciones. Cada subpoblación se compone de un número de individuos que se dividen en varias categorías según su estado dinámico con respecto a la enfermedad que se está modelizando (susceptibles, infectados, recuperados). Las dinámicas internas compartimentales modelan las dinámicas de contagio al considerar que las personas en la misma subpoblación están en contacto y pueden cambiar de estado en función de sus interacciones y de la dinámica de la enfermedad. Por último, las subpoblaciones también interactúan entre sí e intercambian individuos debido a la movilidad de una subpoblación a otra.

Intentar comprender analíticamente cómo los diversos componentes del modelo influyen en la dinámica e interactúan, no siempre es posible. A menudo, esto se logra numéricamente. Por lo tanto, la idea es prestar mayor atención al desarrollo de métodos numéricos eficientes en grado de complementar, cuando sea viable, los enfoques analíticos. El hecho de tener que modelar un proceso epidémico real en el cual están involucradas múltiples variables complejas hace que la combinación de grandes bases de datos con modelos relativamente sencillos, sea el único enfoque razonable para una adecuada modelización, manejo y comprensión del proceso. Por último, vale la pena mencionar que la investigación epidemiológica se enfrenta hoy en día a muchos problemas relacionados con la falta de modelos epidemiológicos teóricos y computacionales específicos en grado de explicar los mecanismos de transmisión detrás de las principales amenazas a la salud pública mundial. Todo esto se amplifica como resultado de nuestro limitado conocimiento acerca de la interacción entre las diferentes escalas involucradas en la transmisión de enfermedades infecciosas.

La mayoría de los modelos epidémicos asumen que los procesos de propagación de epidemias tienen lugar en un único nivel (ya sea una única población, un sistema de meta-población o una red de contactos). Por lo tanto, los problemas mas acuciantes vinculados a la interdependencia entre múltiples escalas, demandan el desarrollo de un nuevo conjunto de enfoques teóricos y de simulaciones. Nuestra investigación estudia el surgimiento y la evolución de enfermedades infecciosas desde un nuevo paradigma de sistemas complejos multi-escala. En este contexto, el hecho de considerar no sólo un único nivel de interacción, sino también la interdependencia existente entre distintos niveles, supone un cambio radical que permite hacer frente a problemas como la comorbilidad y la propagación de enfermedades infecciosas persistentes con múltiples cepas del mismo patógeno. Los resultados en este sentido son prometedores, pues ofrecen un marco de un valor incalculable para comprender mejor las principales amenazas a la salud pública mundial.

Por lo tanto, nuestro objetivo es desarrollar un marco epidemiológico que integre los distintos aspectos a considerar en la propagación de enfermedades a nivel mundial: desde las redes individuales de contactos a los sistemas de meta-población, la interacción entre diferentes enfermedades y cepas, y la influencia de los cambios de comportamiento humano y de los patrones de movilidad en la incidencia de estas enfermedades.

En este contexto, nuestros principales objetivos son:

  • Integrar los enfoques a nivel individual en esquemas de meta-población con el objetivo de dar mayor realismo a la estructura de las subpoblaciones.
  • Generar nuevos esquemas de modelización matemática y computacional para describir con precisión el impacto de los cambios de comportamiento humano en el curso de una epidemia.
  • Desarrollar modelos que permitan evaluar los efectos de la interacción entre infecciones persistentes (en concreto, entre la Tuberculosis y el SIDA) en poblaciones estructuradas.
  • Avanzar significativamente en el desarrollo de un nuevo marco teórico y de modelización para comprender mejor el papel de la reacción cruzada entre cepas en enfermedades multi-escala.
  • Comparar las propiedades estructurales y dinámicas de los modelos epidemiológicos multi-escala con otros sistemas complejos multi-escala e interdependientes en busca de similitudes, principios organizativos y patrones dinámicos universales.

disease_reserach_image

Estructura y Dinámica de Sistemas Sociales Online

La recolección de una gran cantidad de datos digitales nos proporciona una visión profunda de la estructura y la dinámica de los sistemas socio-técnicos a gran escala. Con el propósito de avanzar aún más en el conocimiento de este tipo de sistemas, es imprescindible desarrollar un mecanismo eficiente para el adecuado manejo de los datos, así como implementar nuevos algoritmos y herramientas de modelización que nos permitan extraer nuevas conclusiones acerca de los mismos. Es evidente que los sistemas sociales online juegan un papel fundamental en el desarrollo de diferentes fenómenos colectivos que se manifiestan en el mundo real. Por lo tanto, el análisis del surgimiento y la evolución de movimientos sociales influyentes en plataformas sociales como Twitter es extremadamente útil si queremos hacer proyecciones fiables sobre el comportamiento colectivo humano.

Como todos conocemos, los sistemas socio-tecnológicos son una parte importante de la sociedad actual. Dichos sistemas están dando lugar a transformaciones profundas en la forma en que nuestra sociedad se auto-organiza, genera y utiliza la información, y nos permiten explorar en profundidad los verdaderos mecanismos que rigen el comportamiento y la relación entre individuos. Sin embargo, estas transformaciones no conducen necesariamente a mejoras sustanciales, sino que pueden generar inestabilidades y hacer que los sistemas sociales y económicos se vuelvan más frágiles. La revolución tecnológica avanza a un ritmo vertiginoso y cada vez tenemos acceso a una mayor cantidad de datos. Todo esto hace evidente la necesidad de desarrollar nuevos modelos y algoritmos para una mejor comprensión de las propiedades emergentes de los sistemas sociales y tecnológicos y para anticipar las consecuencias de las nuevas regulaciones, acciones o fallos del sistema.

Aunque se han obtenido resultados prometedores en la modelización del comportamiento colectivo en los sistemas socio-tecnológicos, todavía queda mucho por hacer para lograr una comprensión y caracterización más precisa de los fenómenos sociales. Para entender los fenómenos sociales, necesitamos generar primero modelos teóricos que incorporen patrones derivados del análisis de datos reales y validarlos a través de simulaciones basadas en el manejo de datos a gran escala. Con la inmensa cantidad de datos disponibles en la actualidad surgen nuevos e importantes retos.

Las herramientas con las que contamos carecen de solidez ante los nuevos desafíos que suponen las nuevas formas de interacción entre individuos. Si pensamos, por ejemplo, en un sistema socio-técnico como las redes sociales online en el que infinidad de individuos se agrupan en múltiples capas en función de determinadas categorías: política, ciencia, tecnología, etc., y le asignamos a cada una de estas capas un peso específico en la red: ¿Seríamos capaces de predecir con qué probabilidad un rumor o una creencia determinada alcanza proporciones que se extienden a todo el sistema? ¿Existe un mecanismo general detrás de este tipo de fenómeno social, o simplemente, diferentes mecanismos únicos para cada estrato o nicho social? ¿Son los individuos influyentes dependientes del sistema? ¿Estamos en grado de entender las causas que han promovido el auge de las distintas movilizaciones políticas en diferentes partes del mundo? ¿Estamos realmente en condiciones de responder a todas estas preguntas que tantas dudas e inquietudes nos generan y que tanto nos gustaría saber?

onlinesocialsystems_cosnet_line

 

Teoría Evolutiva de Juegos y El Hombre Socio-Técnico:

La Teoría Evolutiva de Juegos se basa en una rama de las matemáticas que permite analizar la interacción estratégica entre agentes racionales o irracionales que pueden ser individuos, grupos, empresas, grandes corporaciones, etc. El juego consiste en un conjunto de jugadores y estrategias. Cada jugador gana una recompensa que depende no sólo de su propia estrategia, sino también de la estrategia llevada a cabo por sus competidores. Esta teoría es muy útil para intentar desvelar y predecir el comportamiento humano y proporciona un marco y herramientas analíticas indispensables para la comprensión de una amplia gama de fenómenos que ocurren en la vida real y que están vinculados a la toma de decisiones por parte de individuos o de grupos de individuos que interactúan entre sí (ver contribuciones de John von Neumann, Oskar Morgenstern y John Nash). El Dilema del Prisionero es el modelo más estudiado en la Teoría Evolutiva de Juegos y consiste en un juego simétrico, bipersonal, finito, estático y de suma no nula en la que los jugadores deben elegir entre dos estrategias: Cooperar o traicionar. El dilema parte de la base de que desde un punto de vista meramente individual, traicionar (es decir, no cooperar) sería siempre la mejor estrategia. Ahora, la cooperación mutua es mucho mejor que no cooperar unilateralmente. Ese es el dilema.

Si queremos describir con éxito al hombre socio-técnico, tenemos que comprender primero algunos aspectos esenciales entre los que destacan: cómo los humanos interactúan con el medio y con otros individuos, cómo surge y prevalece la cooperación, cómo las redes sociales evolucionan y determinan la manera de comunicarnos entre sí, etc. Para lograr este objetivo, debemos desarrollar nuevas formas de analizar los datos existentes, realizar experimentos controlados con grupos de individuos y evaluar la respuesta de éstos ante ciertos dilemas sociales y escenarios hipotéticos. Todo ello favorecerá el desarrollo de nuevos métodos teóricos, computacionales y de algoritmos; y estaremos en condiciones de comprender mejor los verdaderos factores y mecanismos que determinan el comportamiento humano en una amplia variedad de situaciones. Además, se pueden encontrar nuevos patrones que permitan perfeccionar las políticas actuales con el objetivo de crear una sociedad futura mejor y más sostenible.

Finalmente, la Teoría Evolutiva de Juegos también es de gran utilidad para estudiar diferentes fenómenos y procesos biológicos tales como la ecología de poblaciones de bacterias, y la evolución de virus y especies, en general.

game_theory_research_image

El Laboratorio de Economía Experimental “NECTUNT” se dedica  a estudiar la cooperación en humanos, así como las distintas aplicaciones de la Teoría Evolutiva de Juegos en diversos campos de la ciencia. Metodológicamente, hacemos uso de esta teoría y de las simulaciones por ordenador para construir modelos basados en nuestros hallazgos en experimentos controlados, tanto presenciales como online. En la actualidad, estamos inmersos en un Proyecto Europeo (IBSEN), cuyo objetivo es crear el mayor simulador global existente hasta la fecha para el estudio del comportamiento humano ante una serie de dilemas y situaciones estratégicas. De esta forma, estaríamos en condiciones de dar respuesta a preguntas tales como: ¿Qué mecanismos y motivaciones promueven el surgimiento y la evolución de la cooperación en humanos? ¿Cómo se comportan los individuos en determinados contextos? ¿Cómo se forman las burbujas financieras?

El mayor experimento en tiempo real desarrollado hasta la fecha con software, plataforma de visualización, diseño y ejecución propios (por parte de investigadores del Instituto BIFI) tuvo lugar en Zaragoza en el año 2011 y participaron cerca de 1300 voluntarios de distintas escuelas e institutos de Aragón.

 

PUBLICACIONES RELEVANTES

1.- Complex Networks: Structure and Dynamics. S. Boccaletti, V. Latora, Y. Moreno, M. Chávez and D.-U. Hwang. Physics Reports 424, 175-308 (2006).

2.- Heterogeneous networks do not promote cooperation when humans play a Prisoner’s Dilemma. C. Gracia-Lázaro, A. Ferrer, G. Ruíz, A. Tarancón, J. A. Cuesta, A. Sánchez, and Y. Moreno. Proceedings of the National Academy of Sciences USA 109, 12922-12926 (2012).

3.- Evolutionary dynamics of group interactions on structured populations – A review. M. Perc, J. Gómez-Gardeñes, A. Szolnoki, L. M. Floría and Y. Moreno. Journal of the Royal Society Interface 10, 20120997 (2013).

4.- Host mobility drives pathogen competition in spatially structured populations. C. Poletto, S. Meloni, V. Colizza, Y. Moreno and A. Vespignani. PLoS Computational Biology 9 (8): e1003169 (2013).

5.- The role of hidden influentials in the diffusion of online information cascades. R. A Baños, J. Borge-Holthoefer and Y. Moreno. EPJ Data Science 2:6 (2013).

6.- Multilayer Networks. M. Kivela, A. Arenas, M. Barthelemy, J. P. Gleeson, Y. Moreno, and M. A. Porter. Journal of Complex Networks 2, 203-271 (2014).

7.- Behavioral transition with age in social dilemmas: From reciprocal youth to persistent response in adulthood. M. Gutiérrez-Roig, C. Gracia-Lázaro, J. Perelló, Y. Moreno, and A. Sánchez. Nature Communications 5:4362, doi: 10.1038/ncomms5362 (2014).

8.- Dynamics of interacting diseases. J. Sanz, C. -Y. Xia, S. Meloni and Y. Moreno. Physical Review X 4, 041005 (2014).

9.- Reputation drives cooperative behavior and network formation in human groups. J. A. Cuesta, C. Gracia-Lázaro, A. Ferrer, Y. Moreno, and A. Sánchez. Scientific Reports 5:7843 (2015).

10.- Characterizing two-pathogen competition in spatially structured environments. C. Poletto, S. Meloni, A. Van Metre, V. Colizza, Y. Moreno and A. Vespignani. Scientific Reports 5:7895 (2015).

11.- Dynamic instability of cooperation due to diverse activity patterns in evolutionary social dilemmas. C. -Y. Xia, S. Meloni, M. Perc and Y. Moreno, “”, Europhysics Letters 109, 58002 (2015).

12.- Spatiotemporal characterization of information-driven collective phenomena through transfer entropy. J. Borge-Holthoefer, N. Perra, B. Gonçalves, S. Gonzalez-Bailón, A. Arenas, Y. Moreno, and A. Vespignani. Science Advances 2, e1501158 (2016).

13.- Modeling the effects of network structure, competition and memory time on social spreading phenomena. J. P. Gleeson, K. P. O’Sullivan, R. A. Baños, Y. Moreno. Physical Review X 6, 021019 (2016).

14.- Humans conform to a reduced set of behavioral phenotypes when facing social dilemmas. J. Poncela-Casasnovas, M. Gutiérrez-Roig, C. Gracia-Lázaro, J. Vicens, J. Gomez-Gardeñes, J. Perelló, Y. Moreno, J. Duch, and A. Sánchez. Science Advances 2, e1600451 (2016).

 

PRINCIPALES PROYECTOS DE INVESTIGACIÓN

1.- BRIDGING THE GAP: FROM INDIVIDUAL BEHAVIOR TO THE SOCIO-TECHNICAL MAN (IBSEN), European Commission. H2020 FET Open, Project number 662725, 2015-2018.

2.- DISTRIBUTED GLOBAL FINANCIAL SYSTEMS FOR SOCIETY (DOLFINS), European Commission. H2020 FET Proactive GSS, Project number 640772, 2015-2017.

3.- FOUNDATIONAL RESEARCH ON MULTILEVEL COMPLEX NETWORKS AND SYSTEMS (MULTIPLEX), European Commission. FET Proactive IP Project number 317532, 2012-2016.

4.- MATHEMATICAL FRAMEWORK FOR MULTIPLEX NETWORKS (PLEXMATH), European Commission. FET Proactive STREP Project number 317614, 2012-2015.

 

Colaboradores

  • Alessandro Vespignani (Sternberg Distinguished University Professor College of Computer and Information Science, College of Science, Bouvé College of Health Sciences, Northeastern University, Boston, US)
  • Vittoria Colizza (Inserm and UPMC Université Paris 06, Faculté de Médecine, Paris & ISI Foundation, Turin, Italy)
  • Chiara Poletto (Researcher (Chargé de Recherche 2ème classe) EPICX-Lab, iPLESP, INSERM & UPMC UMR-S 1136)
  • Carlos Martín (Group of Mycobacterial Genetics, Faculty of Medicine, University of Zaragoza, Spain)
  • James Gleeson (Department of Mathematics and Statistics, University of Limerick, Ireland)
  • Javier Borge-Holthoefer (Internet Interdisciplinary Institute, IN3, Group: CoSIN3, Barcelona, Catalunya)-External BIFI Member.
  • Sandra González-Bailón (University of Pennsylvania’s Annenberg School for Communication, US)
  • Francisco Rodriguez (Department of Applied Mathematics and Statistics, Institute of Mathematics and Computer Science, University of São Paulo, Brazil)
  • Angel Sánchez (Universidad Carlos III, Madrid, Spain. External BIFI Member)
  • José Cuesta (Universidad Carlos III, Madrid, Spain. External BIFI Member)
  • Josep Perelló (OpenSystems-UB, Departament de Física Fonamental, Universitat de Barcelona)
  • Matjaz Perc (Faculty of Natural Sciences and Mathematics, University of Maribor, Slovenia)
  • Zhen Wang (Research Associate, School of Computer Science and Engineering, Nanyang Technological University)

 

El contenido de esta Web está protegido por la ley de copyright ©
* Queda prohibida la reproducción de estos textos, los cuales pueden ser utilizados únicamente con fines de divulgación científica y citando la fuente original.

Modelización Física de Biomoléculas

Responsable de la Línea de Investigación:

Pierpaolo Bruscolini

Investigadores:

Pierpaolo Bruscolini, Profesor Contratado Doctor Investigador UZ
Antonio Rey Gayo, Catedrático
Ana Ma Rubio Caparrós, Profesora Titular UCM
Fernando Falo Forniés, Profesor Titular UZ

 

RESUMEN

La línea de investigación de “Modelización Física de biomoléculas” está articulada en tres grupos de investigación que comparten la misma aproximación a la física de las moléculas biológicas así como last écnicas de análisis basatas en la simulación numérica y la mecánica estadística.

Grupo de Pierpaolo Bruscolini

Aplicamos modelos de grano grueso y métodos de mecánica estadística al estudio del plegamiento, de la función, al diseño y a la secuenciación de proteínas, buscando el mejor equilibrio entre la precisión cuantitativa de las predicciones (que aumenta con la complejidad del modelo) y la viabilidad en términos de costes computacionales (que mejoran con la simplicidad del enfoque). También estamos interesados en la inferencia estadística y sus aplicaciones, y la estamos utilizando para investigar señalización y rediseño de proteínas. Nuestra opinión es que la explosión de la cantidad de datos biológicos que estamos viviendo precisa, para su tratamiento, modelos y enfoques sencillos, que ayuden en la racionalización y comprensión de los procesos biológicos.

En más detalle, nuestra actividad reciente abarca estudios en diferentes direcciones:

a) Plegamiento de proteínas: utilizamos modelos simples, y en especial el modelo Wako-Saito-Muñoz-Eaton, para el cual se puede dar una solución exacta (PRL 88, 258101, 2002). En particular, hemos desarrollado este último modelo para proporcionar una descripción cuantitativa de los datos procedentes de diferentes técnicas experimentales.

b) Diseño de proteínas: hemos tratado el diseño de proteínas como un proceso de optimización, con la cadena principal fija, sobre la la secuencia de aminoácidos y de sus rotámeros. Nuestros resultados sugieren que es importante tener en cuenta la entropía para diseñar secuencias óptimas. Estamos interesados en desarrollar el método, utilizando diferentes campos de fuerza para los rotámeros.

c) Secuenciación de proteínas: estudiamos la secuenciación de novo por Espectrometría de Masas en Tandem, y hemos propuesto un nuevo algoritmo, T-NovoMS, que se basa en el mapeo de la secuencia del péptido precursor en la termodinámica de un sistema unidimensional , donde el espectro MSMS experimental actua como un campo externo. Hemos desarrollado un servidor web que implementa el método: http://webapps.bifi.es/tnovoms/

d) Función de proteínas: hemos aplicado un modelo sencillo (worm-like-chain) para estudiar el papel de la interacción entre el dominio catalítico y la lectina de la GalNAC transferasa 2, en la determinación de la estructura y función de dicho enzima.

1
Grupo de Antonio Rey

Utilizamos métodos de simulación molecular y modelos de grano grueso (coarse- grained) para explorar la estabilidad de la estructura nativa y el proceso de plegamiento de proteínas.

Diseñamos estos modelos para analizar los aspectos estructurales, termodinámicos y cinéticos del proceso. La parte más importante de este diseño es el potencial de interacción que permite alcanzar la estructura nativa. En los últimos años, hemos estado utilizando principalmente potenciales basados en la estructura nativa. Se consideran los contactos presentes en la estructura nativa para definir interacciones atractivas a lo largo de la simulación. Hemos estudiado diferentes modelos que combinan los potenciales nativos con potenciales de campo medio para tener en cuenta la secuencia química de la proteína. Asimismo hemos introducido potenciales para describir los enlaces de puente de hidrógeno, particularmente interesantes en el estudio de procesos de agregación de proteínas a concentraciones moderadas o altas.

La técnica que más utilizamos para estudiar la transición térmica entre los estados nativo y desnaturalizado es la simulación de Monte Carlo mediante el método denominado de intercambio de réplicas (“parallel tempering”). Nuestro trabajo involucra un importante componente metodológico, mediante la disección de los diferentes aspectos físicos y matemáticos que intervienen en los modelos de simulación. Al hacer esto, hemos sido capaces de crear modelos que pueden ser usados para aprender acerca de los procesos de plegamiento de proteínas en diferentes sistemas interesantes: sistemas de dos estados frente a proteínas con plegamiento sin barreras, proteínas con intermedios termodinámicos, proteínas anudadas, proteínas bajo presión, proteínas en sistemas altamente confinados, o la competencia entre el plegamiento de proteínas y la agregación.

     2       3

 

Grupo de Fernando Falo

Utilizamos modelos mesoscópicos a diferentes escalas para tratar diversos problemas biológicos:

a) Transporte por motores moleculares: Investigamos el transporte de cargos en el interior de las células por motores direccionales y procesivos (kinesinas y dineinas). Nuetro trabajo está enfocado en la actualidad al studio de la influencia de la estructura de la red de microtúbulos en el transporte de los cargos and como medio de interacciones entre motores.

b) Traslocación de polímeros. El paso de polímeros a través de membranas es un fenómeno importante tanto desde el punto de vista de procesos biológicos como tecnológicos. Estamos desarrollando modelos de traslocación impulsada por fuerzas dependientes del tiempo (deterministas o estocásticas).

c) Paisajes de energía libre de biomoléculas: aplicamos “Markov Network Models” a procesos de desplegamiento mecánico y térmico de proteínas. Además, estamos estudiando el modelado de la ruptura de enlaces en complejos moleculares para entender el perfil de energía libre subyacente a dicho proceso.

d) Modelos de estructuras de DNA no canónicas: nos centramos en el compotamiento de G- quadruplex de DNA sometidos a fuerza externas como las generadas por AFM o pinzas ópticas. Estamos desarrollando modelos mesoscópicos de tales moléculas así como realizando simulaciones a nivel atómico. Nuestro objetivo es acercar el regimen de la teoría y la simulación a las condiciones experimentales realistas.

e) Otros campos de estudio comprenden el comportamiento del agua biológica, biología de sistemas de la diferenciación celular y modelos de desnaturalización del DNA.

4

PUBLICACIONES RELEVANTES

1.- Steric confinement and enhanced local flexibility assist knotting in simple models of protein folding. Miguel Soler, Antonio Rey, and Patrícia FN Faísca. Phys. Chem. Chem. Phys. DOI: 10.1039/c6cp05086g (2016).

2.- Dynamic interplay between catalytic and lectin domains of GalNAc-transferases modulates protein O-glycosylation. Lira-Navarrete, E.; De Las Rivas; Compañón, I.; Pallarés, M. C.; Kong, Y.; Iglesias-Fernández, J.; Bernardes, G. J. L.; Peregrina, J. M.; Rovira, C.; Bernadó, P.; Bruscolini, P.; Clausen, H.; Lostao, A.; Corzana, F.; Hurtado-Guerrero, R. Nature Communications 6: 6937, 2015.

3.- Mapping the Topography of a Protein Energy Landscape. Hutton, R. D.; Wilkinson, J.; Faccin, M.; Sivertsson, E. M.; Pelizzola, A.; Lowe, A. R.; Bruscolini, P.; Itzhaki, L. S. J. Am. Chem Soc. 137 – 46, pp. 14610 – 14625. 2015.

4.- Active polymer translocation in the 3d domain. A. Fiasconaro, J. J. Mazo, F. Falo. Physical Review E 91, 022113 (2015).

5.- An integrative approach for modeling and simulation of Heterocyst pattern formation in Cyanobacteria filaments. A. Torres-Sánchez, J. Gómez-Gardeñes, F. Falo. PLoS Comput Biol 11(3) e1004129. (2015).

6.- Role of the central cations in the mechanical unfolding of DNA and RNA G-quadruplexes. A. E. Bergues-Pupo, J. R. Arias-Gonzalez, M. C. Morón, A. Fiasconaro and F. Falo. Nucleic Acids Research 43(15) 7638-7647 (2015).

7.- How determinant is N-terminal to C-terminal coupling for protein folding?. Heinrich Krobath, Antonio Rey, and Patrícia FN Faísca. Phys. Chem. Chem. Phys. 17, 3512 – 3524 (2015).

8.- Intermediates in the folding equilibrium of repeat proteins from the TPR family. Vicente González and Antonio Rey. Eur. Biophys. J. 43, 433 – 443 (2014).

9.- Design of a rotamer library for coarse-grained models in protein folding simulations. María Larriva and Antonio Rey. J. Chem. Inform. Model. 54, 302 – 313 (2014).

10.- Binary interactions between dendrimer molecules. A simulation study. Ana M. Rubio, Carl C. McBride and Juan J. Freire. Macromolecules, 47, 5379 – 5387 (2014).

11.- MS/MS spectra interpretation as a statistical-mechanics problem. Faccin, M.; Bruscolini, P. Analytical Chemistry. 85 – 10, pp. 4884 – 4892. 2013.

12.- Quantitative prediction of protein folding behaviors from a simple statistical model. Bruscolini, P.; Naganathan, A. N. J. Am. Chem. Soc. 133 – 14, pp. 5372 – 5379. 2011.

13.- Influence of direct motor-motor interaction in models for cargo transport by a single team of motors. S. Bouzat, F. Falo. Physical Biology 7, 046009 (2010).

14.- Computational Protein Design with Side-Chain Conformational Entropy. Sciretti, D.; Bruscolini,P.; Pelizzola,A.; Pretti,M.; Jaramillo,A. Proteins. Structure Function and Bioinformatics 74 – 1, pp. 176 – 191. 2009.

15.- Exploring the free energy landscape: From dynamics to networks and back.
D. Prada-Gracia, J. Gómez-Gardeñes, P. Echenique, F. Falo. PLoS Computational Biology 5(6): e1000415. (2009) 9 pages.

 

PRINCIPALES PROYECTOS DE INVESTIGACIÓN

1.- FIS2014-55867-P: SocioBioTec: “FÍSICA ESTADÍSTICA Y NO LINEAL APLICADA A SISTEMAS SOCIALES, BIOLÓGICOS Y TECNOLÓGICOS.”
National Project. PI: Juan José Mazo Torres. Funding agency: MINECO. MINISTERIO DE ECONOMIA Y COMPETITIVIDAD. Start-end date: 01/01/2015 – 31/12/2017.

2.- FIS2011-25167: Redes, Biofísica y Ciencia No Lineal. National Project. PI: Juan José Mazo Torres. Funding agency: Ministerio de Ciencia e Innovación. Start-end date: 1-1-2012 / 31-7-2015.

3.- FIS2009-13364-C02-01. “ACERCAMIENTO COMPUTACIONAL A LA COMPLEJIDAD EN REDES,PROTEINAS, Y SISTEMAS DE MUCHOS AGENTES”. Ámbito geográfico: Nacional. PI: Pierpaolo Bruscolini. Funding agency: MINISTERIO DE CIENCIA E INNOVACION. Start-end date: 01/01/2010 – 31/12/2012.

4.- (FIS2008-01240).Dinámica y Estructura de Sistemas Complejos. Ámbito geográfico: Nacional. PI: Juan José Mazo Torres. Funding agency: MINISTERIO DE CIENCIA E INNOVACION. Start-end date: 2009-2011.

5.- FIS2006-12781-C02-01 “COMPLEJIDAD EN PROTEÍNAS, REDES Y SISTEMAS DE MUCHOS AGENTES”. Ámbito geográfico: Nacional. PI: Pierpaolo Bruscolini. Funding agency: MINISTERIO DE EDUCACION Y CIENCIA. Start-end date: 01/10/2006 – 30/09/2009.

6.- FIS2009-13364-C02-02 “Modelos físicos para la simulación de tránsitos conformacionales en proteínas”. National Project. PI: Antonio Rey Gayo. Funding agency:Ministerio de Ciencia e Innovación. Proyecto Start-end date: 2010- 2013.

7.- S2009/PPQ-1551: “Química a alta presión, QUIMAPRES”. Regional Project. PI: Antonio Rey Gayo (at the UCM-SIMPOL group). Valentín García Baonza (coordinator). Funding agency: Comunidad de Madrid. Start-end date: 2010 – 2013.

 

Colaboradores

Grupo Bruscolini:

  • Alessandro Pelizzola, Dept of Physics, Politecnico di Torino (Italy).
  • Antonio Rey, Dept. of Chemistry, UCM, Madrid (Spain).
  • Laura Itzhaki, Dept. of Pharmacy, Cambridge University (UK).
  • Javier Sancho Sanz, BIFI, Universidad de Zaragoza (Spain).
  • Ramón Hurtado, BIFI, Universidad de Zaragoza (Spain).
  • Milagros Medina, BIFI, Universidad de Zaragoza (Spain).
  • Fernando Falo Fornies, BIFI, Universidad de Zaragoza (Spain).
  • Sergio Perez Gaviro, BIFI, Centro Universitario de la Defensa, Zaragoza, Spain.

Grupo Rey:

  • Patrícia F.N. Faísca (University of Lisbon, Portugal).
  • Valentín García Baonza (UCM, Dept. Química Física I).
  • Pierpaolo Bruscolini (UZ y BIFI).
  • Manuel Ángel Ramos (UCM, Dept. Matemática Aplicada).

Grupo Falo:

  • Sebastián Bouzat, CEA Bariloche, Argentina).
  • Juan José Mazo (ICMA and Universidad de Zaragoza).
  • Jesús Gómez-Gardeñes (BIFI and University of Zaragoza).
  • Alessandro Fiasconaro (ICMA and University of Zaragoza).
  • María del Carmen Morón (ICMA and University of Zaragoza).
  • Jesús Bergues (Universidad San Jorge, Zaragoza).
  • Pierpaolo Bruscolini (UZ y BIFI).
  • Ricardo Arías González. Instituto de Nanociencia de Madrid (IMDEA).
  • Anabel Lostao. Instituto de Nanociencia de Aragón.
Dinámica Molecular
y Estructura Electrónica

Responsable de la Línea de Investigación:

Jesús Clemente-Gallardo

Investigadores: Miembros permanentes

José Luis Alonso Buj (Departamento de Física Teórica, Facultad de Ciencias)
Alberto Castro Barrigón (ARAID, Edificio I+D)
Jesús Clemente Gallardo (Departamento de Física Teórica, Edificio I+D)
Fernando Falceto Blecua (Departamento de Física Teórica, Facultad de Ciencias)
Víctor Gopar (Departamento de Física Teórica, Facultad de Ciencias)
Víctor Polo Ortiz (Departamento de Química Física, Facultad de Ciencias)

Investigadores: PhD students

Adrián Gómez Pueyo (Departamento de Física Teórica, Edificio I+D)
Jorge Alberto Jover Galtier (Departamento de Física Teórica, Facultad de Ciencias)

 

RESUMEN

Nuestro grupo se ocupa de la aplicación de métodos teóricos y computacionales para el estudio del comporatamiento de sistemas biológicos y de materia condensada. La mayor parte de nuestros métodos se basan en la mecánica cuántica y en el desarrollo de mecanismos para combinarlos, de forma eficiente, con métodos clásicos. Trabajamos en un amplio rango de aspectos, desde los más teóricos a los más aplicados. Pasamos ahora a comentar nuestras principales líneas:

A.- Modelos híbridos clásico-cuánticos: dinámica no adiabática de sistemas moleculares

La Mecánica Cuántica admite una descripción en términos tensoriales con objetos definidos sobre el espacio de estados físicos. Esta se ha demostrado de gran utilidad en la descripción de magnitudes de gran relevancia física como el entrelazamiento o la pureza de un sistema siendo, al mismo tiempo, formalmente análoga a la descripción de sistemas clásicos. En ambos casos se dispondrá de una formulación hamiltoniana de la dinámica para las situaciones físicas más comunes y esta propiedad va a permitir una generalización inmediata a sistemas estadísiticos que estén descritos por estas dinámicas a nivel de microestados.

Cuando se describen sistemas moleculares, es frecuente aproximar algunos grados de libertad (habitualmente los que corresponden a los núcleos) y describirlos como sistemas clásicos; pero hay algunos otros grados de libertad (normalmente una parte del sistema electrónico) que es necesario modelar como un sistema cuántico para tener una buena modelización de la mayoría de los fenómenos. La formulación tensorial permite combinar ambos sistemas en un modelo híbrido clásico-cuántico que mantiene gran parte de las propiedades matemáticas de ambos y esto va a permitir una descripción rigurosa del correspondiente sistema estadísitico. Con estas herramientas hemos sido capaces de crear un marco teórico firme que nos ha permitido generalizar algunos métodos adiabáticos tradicionales, como los basados en el formalismo de Ehrenfest, para incorporar propiedades muy útiles como la decoherencia de la dinámica electrónica.

Sin embargo, hay varias propiedades de los modelos resultantes que no comprendemos todavía completamente. Así, estamos estudiando las propiedades fundamentales de las distribuciones de equilibrio de los sistemas híbridos, en particular en el límite termodinámico. Estudiamos también en detalle los mecanismos asociados a la decoherencia de los estados electrónicos. Y, finalmente, estamos intentando entender, desde primeros principios, como modelar la interacción de un sistema híbrido con un entorno, incorporando efectos estocásticos en la dinámica híbrida.

B.- Fundamentos de la teoría del funcional de la densidad dependiente del tiempo y aplicaciones

Los métodos del funcional de la densidad se han convertido en las técnicas más eficaces para los cálculos de estructura electrónica, siendo la versión dependiente del timpo, aquella que hace intervenir estados excitados del sistema electrónico. En nuestro grupo desarrollamos código y algoritmos para la aplicación de estas propiedades teóricas, y formamos parte del equipo de de desarrolladores del código Octopus (http://www.tddft.org/programs/octopus/)

A partir del código, consideramos también aplicaciones relevantes en Física, sobre todo con sistemas moleculares y nanoestructuras, y nos centramos en interacciones con láseres de gran intensidad y los fenómenos no lineales que pueden producir estos pulsos ultra-cortos.

C.-Análisis de procesos químicos usando DFT

En esta línea realizamos estudios teóricos a nivel de DFT para sistemas moleculares de interés en ciencia de materiales o procesos catalíticos. Colaboramos con grupos experimentales de química inorgánica y química física, donde los cálculos teóricos se han convertido en una herramienta fundamental para la comprensión de los procesos químicos. De esta forma podemos estudiar y explicar, desde primeros principios, propiedades importantes de los mecanismos de reacción, propiedades espectroscópicas o propiedades de los orbitales moleculares. Los resultados teóricos proporcionan no sólo una explicación de los resultados experimentales sino que sirven también de guía para el diseño de nuevas moléculas con unas propiedades dadas.

D.- Control óptimo de sistemas cuánticos

Las propiedades y la estructura microscópica de la materia pueden ser modificadas a nivel electrónico con acciones externas, como pulsos laser ultra-rápidos de perfil controlable, pero también modificando variables como la temperatura, presión, dopaje, campos eléctricos o magnéticos externos, etc. En esta línea consideramos técnicas basadas en propiedades electrónicas fundamentales (como por ejemplo funcional de la densidad dependiente del tiempo, TDDFT) combinadas con teoría de control para diseñar materiales o preparar estados de la materia optmizando los valores de algunas magnitudes físicamente interesantes. La rápida evolución de las fuentes láser (duración de pulsos, intensidades, libertad en el perfil de la onda) ha despertado gran interés por el control óptimo de sistemas cuánticos, pero todavía hay pocos estudios de primeros principios sobre el movimiento electrónico a nivel del attosegundo. TDDFT ofrece la posibilidad de tratar estos procesos atómicos y moleculares de respuesta altamente no lineal, pero es necesario perfeccionar el marco teórico y metodológico para asegurar que la eficiencia y exactitud son los adecuados.

E.- Fenomenos del transporte de ondas en medios complejos

El transporte de ondas clásicas y cuánticas a través de medios complejos ha sido de gran interés desde un punto de vista fundamental y práctico. Por ejemplo, el transporte de ondas cuánticas tales como electrones y photones están en la vanguardia de la investigación en la física de la materia condensada. Esto ha sido motivado en gran parte por la creación de nuevos materiales tales como el grafeno y los llamados aislantes topolo’gicos.

En esta línea de investigación investigamos los efectos de la presencia de desorden, tales como impurezas, en diferentes cantidades del transporte de electrones a través de pequeñas muestras hechas de grafeno, aislantes topológicos, o bien muestras de metales normales. La presencia de desorden da un caracter aleatorio a las propiedades electrónicas de los distintos materiales. Así, en esta línea de investigación estamos particularmente interesados en estudiar las propiedades estadísticas de esas cantidades, tales como la conductancia, “shot noise”, concurrencia, etc.

En cuanto a ondas clásicas, sucede que varios fenómenos que ocurren in ondas cuánticas (electrones) pueden observarse in sistemas clásicos (sistemas macroscópicos), tales como guías de microondas. Esto refleja el caracter universal de los feno’menos de onda que estudiamos. Por lo tanto, nuestro marco teórico has sido aplicado al estudio de la transmisión de ondas electromagnéticas, y otras cantidades, en arreglos experimentales de microondas.

 

PUBLICACIONES RELEVANTES

1. Conductance of 1D quantum wires with anomalous electron-wavefunction localization. Ilias Amanatidis, Ioannis Kleftogiannis, Fernando Falceto, Victor A. Gopar. Phys. Rev. B 85, 235450 (2012).

2. Ehrenfest dynamics is purity non-preserving: A necessary ingredient for decoherence. J. L. Alonso, J. Clemente-Gallardo,J. C. Cuchí, P. Echenique, F. Falceto. Journal of Chemical Physics 137, 054106, 2012.

3. Non-adiabatic effects within a single thermally averaged potential energy surface: Thermal expansion and reaction rates of small molecules. J. L. Alonso, A. Castro, J. Clemente-Gallardo, P. Echenique, J. J. Mazo, V. Polo, A. Rubio and D. Zueco. Journal of Chemical Physics 137, 22A533, 2012.

4. Conductance through disordered graphene nanoribbons: Standard and anomalous electron localization. Ioannis Kleftogiannis, Ilias Amanatidis, Victor A. Gopar. Phys. Rev. B 88, 205414 (2013).

5. Comment on “Correlated electron-nuclear dynamics: Exact factorization of the molecular wavefunction” [J. Chem. Phys. 137, 22A530 (2012)]. J. L. Alonso J. Clemente-Gallardo P. Echenique-Robba and J. A. Jover-Galtier. J. Chem. Phys. 139, 087101, 2013.

6. Beyond Anderson Localization in 1D: Anomalous Localization of Microwaves in Random Waveguides. A. A. Fernandez-Marin, J. A. Mendez-Bermudez, J. Carbonell, F. Cervera, J. Sanchez-Dehesa, and Victor A. Gopar. Phys. Rev. Lett., 113, 233901 (2014).

7. Optimal control of high-harmonic generation by intense few-cycle pulses. Solanpaa, J.; Budagosky, J. A.; Shvetsov-Shilovski, N. I.; et al. Physical Review A 90, 053402. 2014.

8. Nonextensive thermodynamic functions in the Schrödinger-Gibbs ensemble. J. L. Alonso, A. Castro, J. Clemente-Gallardo, J. C. Cuchí, P. Echenique-Robba, J. G. Esteve and F. Falceto. Phys. Rev. E 91 022137, 2015 .

9. NH Activation of Ammonia by [{M(-OMe)(cod)}2] (M = Ir, Rh) Complexes: A DFT Study. Vélez, E.; Betoré M. P.; Casado, M. A.; Polo, V. Organometallics, 2015, 34, 3959–3966.

10. Solvent-Free Iridium-Catalyzed Reactivity of CO2 with Secondary Amines and Hydrosilanes. Julian, A.; Polo, V.; Jaseer, E. A.; Fernandez-Alvarez, F. J.; Oro, L. A. ChemCatChem 2015, 7, 3895–3902.

11. Enhancing and controlling single-atom high-harmonic generation spectra: a time-dependent density-functional scheme. A. Castro, A. Rubio, and E. K. U. Gross. Eur. Phys. J. B 88, 191 (2015).

12. Oxidative Addition of the N–H Bond of Ammonia to Iridium Bis(phosphane) Complexes: A Combined Experimental and Theoretical Study. Betoré, M. P.; Casado, M. A.; García-Orduña, P.; Lahoz, F. J.; Polo, V.; Oro, L. A. Organometallic, 2016, 35, 720-731.

13. Alkoxycarbonylation of α,β-Unsaturated Amides Catalyzed by Palladium (II) Complexes: A DFT Study of the Mechanism. Suleiman, R. K..; Polo, V.; El Ali, B. RSC Advances, 2016, 6, 8440-8448.

14. Theoretical shaping of femtosecond laser pulses for molecular photo-dissociation with control techniques based on Ehrenfest’s dynamics and time-dependent density-functional theory. Alberto Castro. ChemPhysChem 17, 1439 (2016).

15. Tailored pump-probe transient spectroscopy with time-dependent density-functional theory: controlling absorption spectra. Jessica Walkenhorst, Umberto De Giovannini,1, Alberto Castro, and Angel Rubio. Eur. Phys. J. B 89, 128 (2016).

 

PRINCIPALES PROYECTOS DE INVESTIGACIÓN

1.- FP7-NMP-2011-SMALL-5: Dynamics and control in nanostructures for magnetic recording and energy applications, 7th framework programme, EU

2.- FIS2013-46159-C3-2-P. TEORÍA DE SISTEMAS HÍBRIDOS CLÁSICO-CUÁNTICOS: EQUILIBRIO, DINÁMICA Y CONTROL., 01/07/2014-31/12/2017, 45980€, IP: Alberto Castro

3.- FIS2014-61301-EXP: “Una ruta nueva en la bsqueda del funcional exacto de la teorı́a de funcionales de la densidad” (. Entidad financiadora: Ministerio de Economiı́a y Competitividad. Investigador principal: Alberto Castro. Financiación: 35000€ Duración del proyecto: 09/2015 – 08/2017

4.- CTQ2012-35665 DISEÑO DE CATALIZADORES ORGANOMETÁLICOS PARA LA ACTIVACIÓN Y FUNCIONALIZACIÓN DE AMONIACO: ESTUDIOS COMPUTACIONALES Y EXPERIMENTALES., IP. Víctor Polo, (2013-2015), 80730€

5.- CTQ2015-67366-P: ACTIVACIÓN DE NH3 Y CO2 POR COMPLEJOS DE RODIO E IRIDIO Y SU APLICACIÓN EN EL DESARROLLO DE PROCESOS CATALÍTICOS PARA LA SÍNTESIS DE COMPUESTOS DE ALTO VALOR AÑADIDO, IP Víctor Polo – Miguel Angel Casado (2016-2018), 112651€

 

Colaboradores

  • Juan Carlos Cuchí, Universidad de Lérida, Spain
  • Ángel Rubio, Universidad del Pais Vasco, Spain
Modelos No lineales y Complejidad

Responsable de la Línea de Investigación:

Ricardo López-Ruiz

Investigadores:

López-Ruiz, Ricardo (Universidad de Zaragoza)
López, José Luis (Public Universidad de Navarra)
Pellicer-Lostao, Carmen (Universidad de Zaragoza)
Sañudo, Jaime (Universidad de Extremadura)

 

RESUMEN

La ciencia de los sistemas complejos se desarrolla a partir de cuestiones teóricas que involucran a la mayoría de las disciplinas científicas. También responde a una necesidad de la ciencia moderna: El número cada vez mayor de diversos agentes y sofisticados datos que interactúan a diferentes escalas, demandan nuevos modelos y estrategias para hacer frente a la complejidad del mundo real.

Los sistemas naturales constituidos por muchas unidades que interactúan, desde una célula hasta sistemas ecológicos, sociales y económicos, así como los sistemas artificiales que nos rodean y que forman parte de nuestra vida cotidiana; son motivo de inspiración de nuevos modelos y de nuevas formas de pensamiento e interpretación que merecen ser exploradas e investigadas. Las propiedades emergentes que se observan a nivel macroscópico no se pueden inferir a partir de las propiedades intrínsecas de los componentes microscópicos, y en general, estas son a menudo, el resultado de procesos de desarrollo y adaptación en los que las interacciones locales y globales determinan la evolución de la dinámica.

La ciencia de los sistemas complejos propone la necesidad de comprender y controlar la creciente complejidad que vemos en los sistemas naturales y sociales. La comprensión de los sistemas complejos a través de la modelización está doblemente limitada por las reglas tradicionales de la ciencia: los modelos deben proporcionar una reconstrucción de los datos observados lo más simple posible. Las explicaciones se pueden sustentar sobre la base de los avances teóricos del siglo pasado, pero la reconstrucción debe involucrar a más de un nivel de emergencia, lo cual implica pensar en el sistema como un conjunto de entidades complejas en sí mismas. Esta nueva ciencia trata de sistemas biológicos y humanos, y contribuye a la reconciliación de la ciencia con las necesidades sociales. Como consecuencia, tiene un gran potencial para generar cambios importantes en muchos aspectos de la vida humana, de la salud a los negocios, y de la administración pública estructurada a las organizaciones privadas.

Nuestro equipo reúne a investigadores de diferentes disciplinas que trabajan en diversos aspectos y problemas relacionados con los sistemas complejos. En concreto, estamos interesados en el cálculo de los indicadores de complejidad en los sistemas clásicos y cuánticos. Nuestro interés también se extiende al estudio de los diferentes modelos no lineales con aplicaciones en sistemas ecológicos, económicos y de comunicación, siempre en busca de precisas (es decir, simples y pertinentes) explicaciones y respuestas.

 

PUBLICACIONES RELEVANTES

CÁLCULO DE INDICADORES DE COMPLEJIDAD

1.- A Statistical Measure of Complexity, Chapter in the book CONCEPTS AND RECENT ADVANCES IN GENERALIZED INFORMATION MEASURES AND STATISTICS, Kowalski, Rossignoli & Curado (Eds.), Ch. 7, Bentham Science Books, pp. 147-168, 1st Edition in 2013.

2.- Special Issue on Statistical Chaos and Complexity, Collection of 14 articles by 36 researchers published in the International Journal of Applied Mathematics and Statistics (IJAMAS), vol. 26, num. 2, pp. 1-179, 2012.

3.- Statistical Complexity and Fisher-Shannon Information: Applications, Chapter in the book STATISTICAL COMPLEXITY, K.D. Sen (Ed.), Ch. 4, pp. 65-127, Springer Books, 1st Edition in September 2011.

4.- Complexity and Stochastic Synchronization in Coupled Map Lattices and Cellular Automata, Chapter in the open access book STOCHASTIC CONTROL, C. Myers (Ed.), Ch. 4, pp. 59-79, InTech Books, 1st Edition in September 2010.

MODELOS ECONÓMICOS, ECOLÓGICOS Y DE COMUNICACIÓN

5.- Complex Systems with Trivial Dynamics, Contributed Talk to ECCS’12, European Conference on Complex Systems 2012, Proceedings of the ECCS’12, Gilbert, Kirkilionis & Nicolis Eds., Part I, pp. 57-65, Springer Proceedings in Complexity, XVII, 2013.

6.- Geometrical Derivation of Equilibrium Distributions in some Stochastic Systems, Chapter in the open access book STOCHASTIC MODELING AND CONTROL, I.G. Ivanov (Ed.), Ch. 4, pp. 63-80, InTech Books, 1st Edition in November 2012.

7.- Notions of Chaotic Cryptography: Sketch of a Chaos based Cryptosystem, Chapter in the open access book APPLIED CRYPTOGRAPHY AND NETWORK SECURITY J. Sen (Ed.), Ch. 12, pp. 267-294, InTech Books, 1st Edition in Mars 2012.

8.- Logistic Models for Symbiosis, Predator-Prey and Competition, Chapter in the ENCYCLOPEDIA OF NETWORKED AND VIRTUAL ORGANIZATION, vol. II, pp. 838-847, 1st Edition in Mars 2008.

OSCILADORES NO LINEALES Y APLICACIONES

9.- The Bistable Brain: A Neuronal Model with Symbiotic Interactions, Chapter in the book SYMBIOSIS: EVOLUTION, BIOLOGY AND ECOLOGICAL EFFECTS, A.F. Camisao & C.C. Pedroso (Ed.), Ch.10, Nova (Biology) Books, pp. 235-254, 1st Edition in December 2012.

10.- The Limit Cycles of Liénard Equations in the Weakly Nonlinear Regime, Far East Journal of Dynamical Systems, vol. 11, pp. 277-296 (2009).

11.- Complex Patterns on the Plane: Different Types of Basin Fractalization in a Two-Dimensional Mapping, International Journal of Bifurcation and Chaos, TUTORIAL, vol. 13, pp. 287-310, 2003.

12.- The Limit Cycles of Liénard Equations in the Strongly Nonlinear Regime, Chaos, Solitons and Fractals, vol. 11, pp. 747-756 (2000).

 

PRINCIPALES PROYECTOS DE INVESTIGACIÓN

1.- Proyecto Teórico MCYT-FIS2009-13364-C02-01: “Acercamiento computacional a la complejidad en redes, proteínas y sistemas de muchos agentes”.

2.- Proyecto Teórico MCYT-FIS2006-12781-C02-01: “Complejidad en proteínas, redes y sistemas de muchos agentes”.

3.- Proyecto Teórico MCYT- FIS2004-05073-C04-01:”Caracterización-análisis de fenómenos cooperativos en sistemas complejos ideales y reales”.

 

Colaboradores

  • Danièle Fournier-Prunaret (INSA, Toulouse, France) visited us in December 2003 and 2004.
  • Stefano Boccaletti (INOA, Florence, Italy) visited us in December 2003 and November 2004.
  • Mario Chávez (Hôpital Salpêtrière, Paris, France) visited us in November 2004.
  • Juan R. Sánchez (UNMdP, Mar del Plata, Argentina) visited us in September 2005.
  • Javier González-Estévez (UNET, San Cristóbal, Venezuela) visited us in June 2006, September 2007 and 2010.
  • Alberto Robledo (UNAM, Mexico DF, Mexico) visited us in May 2008 and October 2009.
  • Osvaldo Rosso (UBA, Buenos Aires, Argentina) visited us in June 2008.
  • Xavier Calbet (EUMETSAT, Darmstadt, Germany) visited us in July 2009.
  • Elyas Shivanian (IKIU, Qazvin, Iran) visited us in July-December 2010.
  • Mario Natiello (LU, Lund, Sweden) visited us in September 2011.
Contact Us

We're not around right now. But you can send us an email and we'll get back to you, asap.

¿No se puede leer? Cambiar texto. captcha txt

Start typing and press Enter to search