Complejidad en el filo entre orden y caos exprés

Original: "Finding the Edge of Chaos in a Ferromagnet: Quantifying the "Complexity" of 2D Ising Phase Transitions with Image Compression"
· Cooper Jacobus
arXiv:2602.15185 · 2026-02-16 · CC BY 4.0 · 2 min
Científicos miden cuán intrincado se vuelve un sistema magnético en el punto de ebullición.

📄 Mostrando la versión "Simple" — "Popular" aún no está lista. Añádelo a favoritos para ayudar a priorizarla.

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.

La complejidad no reside en los extremos mismos, sino en su mezcla: el sistema es más intrincado cuando contiene tanto gérmenes de orden como un toque de aleatoriedad.

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.

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.

\mathcal{C}_s = (1 - \frac{K_{sorted}}{K_{original}}) \times (1 - \frac{K_{original}}{K_{shuffled}})
Medida de complejidad: el primer factor indica cuán lejos está la configuración de estar perfectamente ordenada (ordenada), el segundo cuán lejos de estar aleatoria (barajada).
Científicos
Ludwig BoltzmannJames Clerk MaxwellRudolf ClausiusNiels BohrPascual JordanWerner Heisenberg
Conceptos
modelo de Ising modelo de Ising cuántico transición crítica temperatura de curie teoría del caos teoría de la información dinámica de sistemas complejos transición de fase de segundo orden sistemas complejos temperatura crítica parámetro de orden método computacional procesamiento de información compresión de datos fractura clasificación de imágenes costo computacional clasificación caos térmico termómetro