Elétrons zunindo em torno uns dos outros e humanos amontoados em um comício político não parecem ter muito em comum, mas os pesquisadores da Cornell estão conectando os pontos.

Eles desenvolveram uma abordagem matemática altamente precisa para prever o comportamento de multidões de criaturas vivas, usando métodos vencedores do Prêmio Nobel originalmente desenvolvidos para estudar grandes coleções de elétrons que interagem mecanicamente com a mecânica quântica. As implicações para o estudo do comportamento humano são profundas, de acordo com os pesquisadores.

Por exemplo, usando dados de vídeo publicamente disponíveis de multidões em espaços públicos, sua abordagem poderia prever como as pessoas se distribuiriam sob aglomeração extrema. Ao medir as flutuações de densidade usando um aplicativo de smartphone, a abordagem pode descrever o estado atual de comportamento ou humor de uma multidão, fornecendo um sistema de alerta precoce para as multidões que estão mudando para um comportamento perigoso.

Tomas Arias, professor de física, é o autor principal de "Teoria de Flutuação Densidade-Funcional de Multidões, "que foi publicado em 30 de agosto em Nature Communications . Os co-autores incluem Itai Cohen, professor de física; e Yunus A. Kinkhabwala, doutoranda na área de engenharia.

As interações entre os indivíduos em uma multidão podem ser complexas e difíceis de quantificar matematicamente; o grande número de atores em uma multidão resulta em um problema matemático complexo. Os pesquisadores procuraram prever o comportamento das multidões usando medições simples de densidade para inferir interações subjacentes e usar essas interações para prever novos comportamentos.

Para alcançar isto, eles aplicaram conceitos matemáticos e abordagens da teoria do funcional da densidade (DFT), um ramo da física de muitos corpos desenvolvido para sistemas de mecânica quântica, ao comportamento das multidões.

"Este é um dos casos raros - particularmente quando sistemas vivos estão envolvidos - em que a teoria precedeu os experimentos, e os experimentos, em detalhes matemáticos precisos, confirmou completamente a teoria, "disse Arias.

Para testar sua teoria, os pesquisadores criaram um sistema modelo usando moscas ambulantes (Drosophila melanogaster). Eles primeiro demonstraram uma maneira matemática de extrair funções que quantificam o quanto as moscas gostam de locais diferentes em seu ambiente - a função de "irritação" - e o quanto elas se importam em aglomerar-se - a função de "frustração" com base nos detalhes de como as densidades populacionais mudar à medida que voa mais ao redor.

Eles então mostraram que, misturando e combinando essas informações com as observações de uma única mosca em um ambiente totalmente novo, eles poderiam prever com precisão, antes de qualquer observação, como uma grande multidão de moscas se distribuiria naquele novo ambiente. Eles também rastrearam mudanças no comportamento geral da multidão - ou seja, seu "humor" - acompanhando a evolução da função de "frustração" da preferência social.

Embora as moscas-das-frutas fossem "uma opção conveniente, e ético, primeiro sistema de teste, "Arias disse, o comportamento de uma multidão em um comício político forneceria um exemplo humano de teoria DFT. Os indivíduos tentarão encontrar o melhor local para se levantar - normalmente o mais próximo do palco - evitando áreas superlotadas. Quando novos e melhores locais estiverem disponíveis, os indivíduos tendem a se mover em direção a eles.

Para desenvolver uma teoria preditiva matemática, os pesquisadores associaram um número - a função de vexação - com a desejabilidade intrínseca de cada local; o valor mais baixo estaria no local ideal, mais perto do palco. A função de frustração é responsável pela indesejabilidade dos efeitos de aglomeração, e uma regra de comportamento é responsável pela tendência dos indivíduos de procurar locais melhores.

"A notável descoberta matemática, "Arias disse, "é que valores precisos para irritação e frustração podem ser obtidos instantânea e automaticamente, simplesmente observando as mudanças na aglomeração à medida que a multidão circula, sem a necessidade de qualquer tipo de pesquisa para perguntar às pessoas na multidão como elas se sentem sobre diferentes locais ou aglomerações. "

Ao variar as circunstâncias sociais em seus experimentos com mosca - como alterar a proporção de macho e fêmea, ou induzindo fome e sede - e monitorando os valores de frustração da multidão, os pesquisadores mostraram que podem detectar mudanças no "humor" da multidão. A abordagem DFT, Portanto, não apenas prevê o comportamento da multidão em novas circunstâncias, mas também pode ser usado para detectar rápida e automaticamente mudanças nos comportamentos sociais.

Outro aplicativo, usando telefone celular e dados do censo, poderia analisar motivadores políticos ou econômicos e pressões populacionais para descrever e prever fluxos populacionais em grande escala, como as migrações em massa. "As previsões de migração resultantes durante eventos agudos permitiriam um melhor planejamento por todos os níveis de funcionários do governo, de municipalidades locais a organismos internacionais, com potencial para salvar milhões de vidas humanas, "observam os pesquisadores.

Outros colaboradores incluíram J. Felipe Méndez-Valderrama, professor de física, Universidade de Los Andes, Bogotá, Colômbia; e Jeffrey Silver, analista sênior da Metron Inc.