![\"Guimer\u00e0](\"http:\/\/diaridigital.urv.cat\/wp-content\/uploads\/2015\/07\/guimera.jpg\")
<\/a>\u00bfC\u00f3mo funciona?<\/h5>\n
El SEES:lab lleva 5 a\u00f1os trabajando en el desarrollo de la herramienta, en el marco del proyecto Discovery, decomposition and dynamics of complex networks<\/em> (DDDNET), financiado por la Fundaci\u00f3n James S. McDonnell de Estados Unidos, y los proyectos europeos GRODYNET -de Guimer\u00e0- y DEDINET -de Sales-Pardo-, financiados por la Comisi\u00f3n Europea. En esencia, la herramienta es capaz de dibujar una red entera si le ense\u00f1amos s\u00f3lo una parte de esta red, es decir, de predecir las conexiones que no conoce. Adem\u00e1s, lo hace de forma autom\u00e1tica y permite procesar un volumen muy elevado de informaci\u00f3n en muy poco tiempo. De hecho, cuantos m\u00e1s nodos hay y m\u00e1s informaci\u00f3n se introduce en la herramienta, m\u00e1s fiable ser\u00e1 el resultado.<\/p>\n Por poner un ejemplo, imaginemos que tenemos un juicio con nueve jueces, y conocemos el veredicto de ocho de ellos; queremos predecir el del \u00faltimo juez. Adem\u00e1s, conocemos lo que todos ellos han votado en casos anteriores. Si somos capaces de encontrar las afiliaciones (conexiones) entre los diferentes jueces, analizarlas y seleccionar aquellas que son relevantes, podremos encontrar, para este juicio concreto, si el \u00faltimo juez tiene m\u00e1s conexi\u00f3n con aquellos que han votado \u00abculpable\u00bb o con aquellos que han votado \u00abinocente\u00bb y, por tanto, podremos predecir su voto. Esto es, a grandes rasgos, lo que la herramienta que han desarrollado en el SEES:lab hace: analiza un volumen muy elevado de informaci\u00f3n, busca las conexiones entre los nodos y les da m\u00e1s o menos relevancia, y genera grupos de nodos seg\u00fan sus conexiones.<\/p>\n Ahora, las investigaciones del equipo se centran en extender su funcionamiento en dos \u00e1mbitos: en primer lugar, a sistemas que no son una sola red sino que est\u00e1n formados por varias capas, es decir, que son redes de redes. Por ejemplo, las relaciones (y, por tanto, los patrones que la herramienta identifica) no son los mismos entre familiares, compa\u00f1eros de trabajo o amigos de la escuela. En segundo lugar, se quiere extender su aplicaci\u00f3n a los problemas din\u00e1micos, como por ejemplo entender por d\u00f3nde se ha propagado una perturbaci\u00f3n causada por factores externos en una red.<\/p>\n Roger Guimer\u00e0 recibe hoy el premio Young Scientist Award for Socio- and Econophysics<\/em>, que entrega la Sociedad Alemana de F\u00edsica, por sus trabajos en el \u00e1rea de la econof\u00edsica y la sociof\u00edsica. Este premio, dotado con 5.000 euros, reconoce contribuciones excepcionales realizadas por un cient\u00edfico menor de 40 a\u00f1os, utilizando m\u00e9todos f\u00edsicos para mejorar la comprensi\u00f3n de los problemas socioecon\u00f3micos. Se trata de uno de los premios m\u00e1s prestigiosos del mundo en este campo. El jurado ha destacado, del trabajo de Guimer\u00e0, que \u00absus contribuciones metodol\u00f3gicas incluyen tanto la identificaci\u00f3n como la predicci\u00f3n de los enlaces que faltan, lo cual es cada vez m\u00e1s importante en el an\u00e1lisis de grandes cantidades de informaci\u00f3n\u00bb. El galard\u00f3n se entrega hoy en Dresde, durante la reuni\u00f3n de la Sociedad Alemana de F\u00edsica.<\/p>\n Roger Guimer\u00e0 naci\u00f3 en Barcelona en 1976, se gradu\u00f3 en F\u00edsica por la Universitat de Barcelona en 1998, y obtuvo un doctorado en Ingenier\u00eda Qu\u00edmica por la Universitat Rovira i Virgili en 2003. Desde 2010 es investigador y profesor ICREA en el Departamento de Ingenier\u00eda Qu\u00edmica de la Universitat Rovira i Virgili, donde codirige el grupo de investigaci\u00f3n SEES:lab junto a Marta Sales-Pardo. Antes que este premio, ha recibido el Premi Nacional de Recerca al Talent Jove<\/em> de la Generalitat de Catalunya (2010), y el Premio Erdos-R\u00e9nyi de la Network Science Society (2012).<\/p>\nPremio por este trabajo<\/h5>\n