Ponente
Descripción
El control distribuido es fundamental al proponer estrategias de contención epidemiológicas. Distintas regiones presentan interacciones debido a la movilidad humana que a su vez presentan ciclos de retroalimentación. Es por esto que metodologías que incorporen la dinámica global y la movilidad en las estrategias de control son de alta relevancia actualmente.
En este trabajo, a partir de un modelo epidemiológico metapoblacional, se generan datos sintéticos que capturan la dinámica del sistema. Sobre estos datos se emplea una red neuronal artificial con arquitectura de autocodificador (autoencoder) para identificar las observables de Koopman que permiten aproximar la dinámica de manera lineal. En el espacio latente del autocodificador se impone la restricción de que la evolución temporal pueda ser descrita por un operador lineal, lo que garantiza que la representación aprendida sea consistente con el marco koopmaniano.
Una vez identificada la dinámica lineal en el espacio latente, se extraen los modos de Koopman, los cuales codifican distribuciones espaciales relevantes del sistema junto con sus tiempos característicos de evolución. Para jerarquizar la contribución de cada modo a la dinámica global, se define un score que permite ordenarlos por rango de importancia, facilitando así la identificación de los patrones espaciotemporales dominantes.
Finalmente, los modos de Koopman de mayor relevancia se emplean como guía para proponer estrategias de control distribuido. Al asociar cada modo con una distribución espacial y una escala temporal específica, es posible diseñar intervenciones localizadas que actúen sobre las subpoblaciones más relevantes en los momentos críticos, optimizando la asignación de recursos de control en el sistema metapoblacional.