¿Cómo evitar que los virus se vuelvan virales?

Un informático quiere utilizar métodos del marketing online contra el coronavirus

14.12.2021 - Austria

El informático Markus Sinnl quiere utilizar métodos del marketing online contra el coronavirus. A diferencia de los modelos virológicos anteriores, su enfoque promete resultados exactos y nuevas perspectivas.

pixabay.com

Los informáticos descubrieron una similitud: el modo de propagación de los virus es parecido al de las noticias en las redes sociales. Los investigadores quieren ahora perfeccionar sus modelos de cálculo sobre cómo se hacen virales las publicaciones y aplicarlos a la propagación del SARS-CoV-2 (imagen simbólica).

En su trabajo anterior, Markus Sinnl se ocupaba en realidad de los medios sociales como Twitter. En los últimos años, ha desarrollado métodos para entender cómo se vuelven virales ciertos posts. Cuando estalló la pandemia de coronavirus, se dio cuenta de que la propagación de la información en los medios sociales mostraba grandes similitudes con la propagación del coronavirus en la población. En un proyecto financiado por el Fondo Científico Austriaco FWF, ahora quiere emplear sus herramientas en la lucha contra el coronavirus.

Búsqueda de soluciones exactas

Para ello, el investigador principal, Sinnl, planea ampliar los métodos desarrollados para las redes sociales. En su modelo, el virus se equipara a un agente en una red que quiere conseguir la máxima propagación. "Lo modelaríamos exactamente igual que la propagación de un mensaje en una red social, pero queremos añadir una capa adicional consistente en medidas tomadas desde fuera de la red para evitar la propagación", explica Sinnl.

Sinnl utiliza un método denominado programación entera, que consiste en resolver ecuaciones que no contienen números con componentes fraccionarios, sino sólo números enteros. El método es muy adecuado para tratar muchos problemas prácticos en la industria o, por ejemplo, los horarios del transporte público, hecho que corrobora Sinnl al realizar su investigación en el Instituto de Gestión de la Producción y la Logística de la Universidad Johannes Kepler de Linz. La ventaja de la programación entera: las ecuaciones proporcionan algo más que probabilidades. "Nuestros métodos ofrecen lo que se puede demostrar que es la solución óptima del problema", señala Sinnl con rotundidad.

Métodos de la publicidad

"En los últimos años he aplicado la programación entera para resolver la maximización de la influencia, entre otras cosas", dice. "La pregunta era: ¿cómo se puede influir en la gente en las redes sociales?". Aunque, según Sinnl, este tipo de problemas tiene tradición en la informática, la mayoría de la gente intenta resolverlos de forma "heurística", es decir, encontrando soluciones aproximadas.

A la hora de describir la dinámica de propagación del coronavirus, las soluciones exactas serían una novedad; ahí también se han utilizado hasta ahora métodos heurísticos y soluciones aproximadas. Aunque los modelos se utilizan para comprobar la eficacia de ciertas medidas para evitar la propagación del virus, el Sinnl explica que es casi imposible determinar si son realmente la solución óptima. Sinnl adopta otro enfoque al considerar la situación como un problema de optimización. En sus métodos, establece varias medidas para reducir la propagación y luego busca directamente la combinación óptima.

Gran esfuerzo computacional

Sinnl subraya que su enfoque requiere mucha potencia de cálculo, y que su equipo no le permite simular más de 30.000 nodos de red - un nodo corresponde a una persona. Pero en este momento, el uso práctico en respuesta a la pandemia no es el objetivo principal, como dice. "Se trata de investigación básica. Intentamos demostrar que es factible", señala Sinnl. El proyecto, que fue aprobado por la FWF a finales de 2020, comenzará en diciembre y está previsto que dure dos años.

Problema multinivel

Cuando un problema implica varios niveles, se vuelve significativamente más complejo y se convierte en un problema denominado "jerárquico". "En principio, se trata de problemas de optimización muy difíciles", explica Sinnl. "La investigación al respecto procede de los últimos 10 o 15 años. Antes de eso, simplemente no había suficiente potencia de cálculo". Para sus cálculos, Sinnl planea utilizar ordenadores paralelos, que son superordenadores que suelen tener muchos cientos de procesadores individuales trabajando en un problema en paralelo. Sinnl contará con el apoyo de su colega de investigación Kübra Taninmiş, con quien ya ha colaborado en sus investigaciones sobre problemas jerárquicos, y que está contratado con fondos del proyecto.

Encontrar nuevas soluciones

"Obviamente, las simulaciones pueden manejar conjuntos de datos mucho más grandes, y al utilizar nuestros métodos exactos sólo podremos examinar problemas más pequeños y con modelos más abstractos", afirma Sinnl. "Pero se ha trabajado muy poco en la dirección a la que nos dirigimos. Así que es posible que podamos encontrar nuevas soluciones para controlar la pandemia que puedan servir como enfoques alternativos a los modelos heurísticos anteriores."

Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.

Publicación original

Kübra Tanınmış, Necati Aras, İ. Kuban Altınel; "Improved x-space algorithm for min-max bilevel problems with an application to misinformation spread in social networks"; European Journal of Operational Research; Vol. 297, Issue 1, 2022.

Evren Güney, Markus Leitner, Mario Ruthmair, Markus Sinnl; "Large-scale influence maximization via maximal covering location"; European Journal of Operational Research; Vol. 289, Issue 1, 2021.

Michael Kahr, Markus Leitner, Mario Ruthmair, Markus Sinnl; "Benders decomposition for competitive influence maximization in (social) networks"; Omega; Vol. 100, 2021.

Más noticias del departamento ciencias

Noticias más leídas

Más noticias de nuestros otros portales

¿Está revolucionando la inteligencia artificial las ciencias de la vida?