processi di contagio, come la formazione di opinioni o la diffusione di malattie, può raggiungere un punto di svolta, dove il contagio si diffonde rapidamente o si estingue. Quando si modellano questi processi, è difficile catturare questa complessa transizione, rendendo le condizioni che influenzano il punto di non ritorno una sfida da scoprire.

Nel diario Caos , Nicholas Landry e Juan G. Restrepo, dell'Università del Colorado Boulder, ha studiato i parametri di queste transizioni includendo interazioni di gruppo di tre persone in un modello di contagio chiamato modello suscettibile-infetto-suscettibile.

In questo modello, una persona infetta che si riprende da un'infezione può essere reinfettata. È spesso usato per comprendere la propagazione di cose come l'influenza, ma in genere non considera le interazioni tra più di due persone.

"Con un modello SIS di rete tradizionale, quando aumenti l'infettività di un'idea o di una malattia, non vedi le transizioni esplosive che spesso vedi nel mondo reale, " Landry ha detto. "Includere interazioni di gruppo oltre alle interazioni individuali ha un profondo effetto sul sistema o sulle dinamiche della popolazione" e può portare a comportamenti da punto di non ritorno.

Una volta che il tasso di infezione o il trasferimento di informazioni tra individui supera un punto critico, la frazione di persone infette salta in modo esplosivo a un'epidemia per un'infettività di gruppo sufficientemente alta. Più sorprendentemente, se il tasso di infezione diminuisce dopo questo salto, la frazione infetta non diminuisce immediatamente. Rimane un'epidemia che ha superato lo stesso punto critico prima di tornare a un sano equilibrio.

Ciò si traduce in una regione ad anello in cui possono esserci o meno alti livelli di infezione, a seconda di quante persone sono inizialmente infette. Il modo in cui queste interazioni di gruppo sono distribuite influisce sul punto critico in cui si verifica una transizione esplosiva.

Gli autori hanno anche studiato come la variabilità nelle connessioni di gruppo, ad esempio, se le persone con più amici partecipano anche a più interazioni di gruppo, cambia la probabilità di un comportamento del punto critico. Spiegano l'emergere di questo comportamento esplosivo come l'interazione tra le interazioni individuali e le interazioni di gruppo. A seconda del meccanismo dominante, il sistema può presentare una transizione esplosiva.

È possibile aggiungere ulteriori parametri al modello per ottimizzarlo per diversi processi e comprendere meglio quanto del social network di un individuo deve essere infettato affinché un virus o le informazioni si diffondano.

Il lavoro è attualmente teorico, ma i ricercatori hanno in programma di applicare il modello ai dati effettivi delle reti fisiche e considerare altre caratteristiche strutturali che mostrano le reti del mondo reale.