1 Análisis experimental de los estados dinámicos emergentes en una red aleatoria de osciladores no lineales. V.P. Vera-Ávila 1 , J.R. Sevilla-Escoboza 1 , J.M. Buldu 2,3 1 Centro Universitario de los Lagos, Universidad de Guadalajara, Enrique Díaz de León, Paseos de la Montana, Lagos de Moreno, Jalisco 47460, México. 2 Laboratorio de Redes Biológicas, Centro de Tecnología Biomédica, Universidad Politécnica de Madrid, Pozuelo de Alarcon, 28223 Madrid, España. 3 Complex Systems Group, Universidad Rey Juan Carlos, 28933 Mostoles, Madrid, España. viktorvera.182@gmail.com RESUMEN En este trabajo de investigación se diseñó y construyó un arreglo electrónico reconfigurable basado en osciladores no lineales para el estudio de sincronización y fenómenos emergentes en redes complejas. La investigación se centró en el estudio detallado de la dependencia del estado dinámico de cada uno de los nodos a la topología y ganancia de acoplamiento. En función del acoplamiento se calculó la entropía de permutación para cada uno de los nodos y se caracterizó la ruta hacia el estado de consenso que permite la red. PALABRAS CLAVE: Sincronización, red aleatoria, estados emergentes, osciladores, entropía de permutación. 1 INTRODUCCIÓN Los embotellamientos de tráfico vehicular, las dunas en el desierto, las variaciones en la bolsa de valores, el sistema metabólico de la célula, los ecosistemas, la calidad energética en líneas de transmisión; son fenómenos, por mencionar algunos, que tienen algo en común: emergen como resultado del ĐoŵpoƌtaŵieŶto ĐoleĐtivo de uŶ gƌaŶ Ŷúŵeƌo de eleŵeŶtos Ƌue iŶteƌaĐĐioŶaŶ uŶos ĐoŶ otƌos. EŶ estos casos en concreto debemos entender que estos elementos pueden ser: automóviles, granos de arena, agentes de bolsa, proteínas, especies y generadores, respectivamente. Es un comportamiento colectivo que no es predecible a partir de los componentes individuales del sistema, el resultado no es simplemente la suma de cada uno de los componentes. Entender y predecir el comportamiento de los sistemas complejos es de gran importancia, por ejemplo para la sociedad, ya que muchos de estos sistemas poseen un fuerte impacto socio-económico (como es el caso de los embotellamientos o de las variaciones de la bolsa). Otros tienen aplicaciones tecnológicas de gran importancia como lo son; la ciencia de materiales, la tecnología de láseres, la cogeneración eléctrica, las comunicaciones, la biotecnología, por mencionar algunos. Si nos centramos en la manera en la que los sistemas complejos están conectados entre si, la Ciencia de las Redes (Network Science) nos permitirá de aplicar una serie de metodologías para comprender los efectos de la estructura de las conexiones sobre los procesos dinámicos que ocurren dentro de la red. Siguiendo la cronología en el desarrollo de esta disciplina, inicialmente los estudios se centraron en las características topológicas y estructurales de las redes consideradas como un grafo [1], independientemente de la naturaleza de las unidades que la forman. Posteriormente, el foco de atención se desplazó hacia la dinámica en redes, donde cada nodo representa una unidad dinámica que interacciona con el resto de la red según una distribución de conexiones de topología compleja, la cual determina la dinámica colectiva ƌesultaŶte LJ la apaƌiĐióŶ de pƌopiedades eŵeƌgeŶtes ;siŶĐƌoŶizaĐióŶ, aĐtivaĐióŶ, difusióŶ, pƌopagaĐióŶ,…Ϳ [2,3,4]. En particular, de entre todos los procesos que pueden emerger en una red, la sincronización es uno de los más estudiados [5,6,7], ya que se trata del mecanismo fundamental para transmitir y codificar información en redes biológicas [2,4].