Complejidad en el filo entre orden y caos exprés
Una película magnética dividida en diminutas celdas con flechas se comporta como una multitud en una plaza. Mientras hace frío, todas las flechas apuntan en la misma dirección: orden perfecto. Calienta la película y las flechas empiezan a agitarse como transeúntes que han perdido su rumbo. En algún punto entre estos extremos hay un momento en que el sistema deja de ser homogéneo, pero aún no se desmorona en ruido aleatorio.
Los físicos tomaron ese modelo — la red de Ising bidimensional, famosa por su cambio abrupto a una temperatura crítica. Hicieron instantáneas de los estados de la red a distintas temperaturas y las comprimieron como si fueran imágenes comunes en el teléfono. La compresión revela cuánta regularidad hay en la imagen: un patrón perfectamente uniforme se empaqueta en un archivo diminuto, mientras que el ruido blanco apenas se comprime. Para tener en cuenta tanto el orden como el caos, los investigadores compararon cada estado con sus versiones barajadas: una ordenada por colores y otra completamente mezclada.
Construyeron una medida de complejidad como el producto de dos números: cuán lejos está el sistema del orden perfecto y cuán lejos del desorden total. La gráfica de esta medida frente a la temperatura mostró un pico nítido justo en el punto de transición de fase. Esto significa que la complejidad estructural es un faro confiable del estado crítico, que se puede localizar sin fórmulas complicadas, simplemente comprimiendo los datos.
Este enfoque resulta útil donde las soluciones analíticas no están disponibles: en biología, clima y redes sociales. En cualquier lugar donde el sistema burbujee en el borde entre orden y caos, la compresión de datos puede indicar cuándo esperar cambios bruscos.
Resumen original
tal como lo escribieron los autores, en inglés arXiv:2602.15185
The data-driven characterization of the ``complexity'' present in dynamical systems remains an open problem with broad applications across the physical sciences. We investigate the ``structural complexity'' of the 2D ferromagnetic Ising model, a paradigmatic system exhibiting a second-order phase transition at a certain critical temperature which is often cited as a canonical example of complex morphology. We define a quantitative metric for this structural complexity, $$\mathcal C_s$$, through the lens of algorithmic information theory by approximating the Kolmogorov complexity of lattice configurations via standard lossless image compression algorithms. We regularize our proposed metric, $$\mathcal C_s$$, by comparing the compressibility of a configuration to that of its pixel-wise sorted and randomly shuffled counterparts. We arrive at a definition of $$\mathcal C_s$$ as a product of two components representing the systems departure from perfect order and disorder respectively which we then plot as a function of temperature. Our numerical simulations reveal a distinct peak in $$\mathcal C_s$$ at the known critical temperature $$T_c$$. This result demonstrates that such information-theoretic measures can act as sensitive, model-agnostic indicators of criticality, directly quantifying the emergence of complex structure at the boundary between order and chaos, opening the door to data-driven applications in domains where analytic solutions are unavailable.
Los algoritmos de compresión usados para almacenar fotografías resultaron capaces de detectar cambios sutiles en un sistema físico, como si la cámara del teléfono reconociera una transición de fase.