“Los sensores del siglo XX midieron magnitudes físicas; los sensores del siglo XXI están llamados a revelar la geometría oculta de la información. Comprender esa geometría significa comprender el comportamiento mismo de los sistemas complejos.”

Preámbulo

Nos acercamos al fin de semana y, con él, al inicio de una nueva etapa de trabajo.

Mientras preparo las actividades que desarrollaré durante el próximo mes de agosto (periodo en el que disfrutaré de dos semanas de vacaciones), la rutina cotidiana dejará temporalmente la oficina para trasladarse al laboratorio, (en este caso es mi departamento, ya lo hice en el mes de diciembre).

Será allí donde dedicaré parte de ese tiempo a la realización de diversas verificaciones experimentales que respaldan algunas de las investigaciones en las que actualmente trabajo.

Entre ellas ocupa un lugar especial el estudio que hoy comparto. Mi propósito es concluirlo y someterlo a publicación a través de la Red Temática en Sistemas y Redes de Próxima Generación, de la cual tengo el honor de formar parte desde hace varios años.

Considero que esta propuesta constituye una contribución original e inédita, sustentada en un fundamento matemático sólido. A lo largo de la investigación se desarrolla una estructura formal que incluye un axioma, un teorema, su correspondiente corolario y una metodología de verificación experimental implementada mediante R Studio, elementos que buscan ofrecer una base científica rigurosa para la validación de la propuesta.

Este trabajo representa también el resultado de una etapa de aprendizaje profundamente enriquecedora junto al distinguido matemático mexicano Dr. Francisco Bulnes, cuyas enseñanzas y visión científica han quedado plasmadas en cada uno de los capítulos de esta investigación. El desarrollo del estudio ha seguido la Metodología de Investigación por Fundamentos, enfoque que ha permitido construir la propuesta desde sus principios matemáticos hasta su validación experimental, privilegiando la coherencia lógica y el rigor científico.

Ha sido una semana particularmente estimulante, llena de reflexión, análisis y construcción de nuevas ideas. Hoy deseo compartir con ustedes una pequeña parte de este trabajo, no solo como un avance académico, sino también como un precedente del camino que continúa desarrollándose y que, confío, podrá aportar nuevas perspectivas al estudio de los sistemas complejos y de las redes de sensores inteligentes.

Agradezco sinceramente el tiempo que dedica a la lectura de estas páginas y, sobre todo, el privilegio de acompañarme en este recorrido intelectual. Es un camino que vamos construyendo paso a paso, conforme avanzamos por senderos donde las preguntas suelen anteceder a las respuestas y donde la curiosidad científica nos invita a explorar territorios que se encuentran, precisamente, más allá de la frontera de la ciencia.

Muchas gracias por acompañarme en esta travesía.

Introducción:

Durante gran parte del desarrollo de las redes de sensores inalámbricas (Wireless Sensor Networks, WSN), el paradigma dominante ha consistido en considerar al sensor como un dispositivo destinado exclusivamente a la adquisición de magnitudes físicas.

En este enfoque clásico, la temperatura, la humedad, la presión atmosférica, la concentración de gases o la intensidad luminosa se interpretan como variables independientes cuya relevancia reside únicamente en sus valores numéricos.

En consecuencia, la detección de anomalías se fundamenta en métodos estadísticos, algoritmos de aprendizaje automático o modelos predictivos que analizan desviaciones respecto de patrones previamente aprendidos.

La propuesta desarrollada en esta investigación introduce un cambio conceptual de mayor alcance.

En lugar de considerar que la información sensada está constituida únicamente por mediciones aisladas, se plantea que cada conjunto de observaciones representa una estructura geométrica cuya organización refleja la dinámica interna del sistema físico observado.

Desde esta perspectiva, un sensor deja de ser simplemente un instrumento de medición para convertirse en un elemento generador de información estructural, donde el objeto de estudio ya no son exclusivamente los valores registrados, sino la forma que adopta el espacio de datos.

Este cambio de paradigma sitúa a la geometría algebraica y a la topología algebraica como el fundamento matemático del análisis de sistemas complejos, desplazando el énfasis desde la estadística descriptiva hacia la caracterización de invariantes estructurales capaces de describir la evolución del fenómeno observado.

Del sensor físico al sensor matemático

La principal innovación de esta propuesta consiste en redefinir formalmente el concepto de sensor dentro del contexto de los sistemas complejos.

Sea S = {s₁, s₂, …, sₙ},el conjunto de sensores distribuidos sobre un sistema físico.

Cada sensor genera un vector de observación xᵢ = (xᵢ₁, xᵢ₂, …, xᵢₘ) ∈ ℝᵐ,,donde cada componente representa una variable física medida.

El conjunto de todas las observaciones define X = {x₁, x₂, …, xₙ} ⊂ ℝᵐ, que constituye una representación discreta del fenómeno físico continuo.

Hasta este punto, el modelo coincide con la formulación tradicional utilizada en redes de sensores.

Sin embargo, la diferencia fundamental aparece cuando el conjunto X deja de interpretarse como una simple colección de datos y pasa a concebirse como un objeto geométrico sobre el cual pueden construirse espacios métricos, complejos simpliciales, variedades discretas y estructuras topológicas.

En consecuencia, el sensor deja de ser únicamente un transductor físico para transformarse en un sensor algebraico-topológico, cuya finalidad consiste en capturar la geometría emergente del sistema monitoreado.

Este concepto representa una nueva generación de sensores inteligentes, donde la adquisición de datos constituye únicamente la primera etapa de un proceso matemático de representación estructural.

La geometría como lenguaje de los sistemas complejos

El principio fundamental de la propuesta establece que los sistemas complejos no deben describirse únicamente mediante variables individuales, sino mediante las relaciones estructurales existentes entre dichas variables.

Esta idea conduce a una formulación que puede expresarse mediante la siguiente premisa:

Todo sistema físico complejo genera datos cuya organización espacial, temporal y funcional conserva parcialmente la estructura del fenómeno original y puede representarse mediante objetos geométricos y topológicos.

Esta premisa constituye el punto de partida para desarrollar un marco axiomático donde las propiedades relevantes del sistema quedan descritas mediante invariantes algebraicos en lugar de depender exclusivamente de valores numéricos.

Desde esta perspectiva, la nube de puntos generada por los sensores no representa simplemente un conjunto de observaciones experimentales, sino una aproximación discreta de una estructura continua cuya evolución puede estudiarse utilizando herramientas provenientes de la geometría algebraica, la topología algebraica y el análisis topológico de datos (Topological Data Analysis, TDA).

El objeto matemático del sensor de sistemas complejos

Una de las aportaciones más importantes de esta investigación consiste en proponer un objeto matemático que represente formalmente un sensor destinado al monitoreo de sistemas complejos.

Sea 𝕊 = (X, G, T, I), el sensor algebraico-topológico, donde:

X representa el espacio de datos generado por la red de sensores.

G = (V, E) representa el grafo dinámico de comunicación entre los nodos sensores.

T corresponde a la familia de complejos simpliciales construidos sobre el espacio de datos.

I representa el conjunto de invariantes algebraico-topológicos que caracterizan el estado estructural del sistema.

De forma equivalente, I = (β₀, β₁, β₂, …, P, Dₜ), donde:

β₀ representa el número de componentes conexas.

β₁ representa el número de ciclos independientes.

β₂ representa cavidades de dimensión superior.

P corresponde a la homología persistente.

Dₜ representa una distancia topológica entre estados consecutivos del sistema.

Esta formulación convierte al sensor en un observador matemático capaz de describir el comportamiento global del sistema mediante propiedades invariantes frente a perturbaciones locales y ruido experimental.

El Índice de Estabilidad Topológica como nueva contribución matemática

El documento propone además el desarrollo de un nuevo descriptor algebraico-topológico específico para redes de sensores inalámbricas: el Índice de Estabilidad Topológica del Sensado (IETS).

Este índice puede definirse de manera general como IETS = Φ(β₀, β₁, β₂, P, Dₜ), donde Φ representa una función que sintetiza el comportamiento geométrico del sistema.

Bajo condiciones normales de operación, IETS(t) ≈ constante.

Mientras que, ante la aparición de una anomalía, |IETS(t) − IETS(t − Δt)| > λ, siendo λ un umbral obtenido experimentalmente.

La introducción del IETS constituye una aportación matemática original, ya que proporciona un descriptor cuantitativo capaz de resumir la estabilidad estructural del sistema monitoreado.

A diferencia de los indicadores clásicos basados exclusivamente en valores medios o desviaciones estadísticas, el IETS caracteriza directamente la geometría del espacio de datos.

Este índice posee además el potencial de convertirse en un nuevo invariante algebraico-topológico aplicable a sistemas distribuidos, redes de sensores inteligentes, sistemas ciberfísicos y plataformas de Internet de las Cosas.

El sensor como observador geométrico

La propuesta conduce a una redefinición profunda del concepto de sensor.

Tradicionalmente, Sensor → Dato.

En el paradigma propuesto, Sensor → Espacio de datos → Objeto geométrico → Invariantes algebraicos → Estado estructural del sistema.

En consecuencia, el sensor deja de limitarse a medir variables físicas y pasa a describir la geometría de la información generada por el fenómeno observado.

Esta reinterpretación modifica también el concepto de anomalía. Mientras que los métodos tradicionales consideran una anomalía como un valor atípico, la presente propuesta sostiene que una anomalía corresponde a una transformación en la estructura geométrica del espacio de datos.

En otras palabras, las anomalías dejan de entenderse como desviaciones numéricas para convertirse en deformaciones estructurales detectables mediante invariantes topológicos.

Integración con la Inteligencia Artificial Explicable

Otra de las aportaciones relevantes consiste en modificar la forma en que la inteligencia artificial recibe la información.

En los modelos tradicionales, los algoritmos aprenden directamente a partir de variables físicas como temperatura, humedad, presión o concentración de gases.

En el enfoque propuesto, los modelos de aprendizaje automático reciben como entrada invariantes algebraico-topológicos del sistema, tales como los números de Betti, la homología persistente, la distancia topológica y el Índice de Estabilidad Topológica.

Este cambio favorece el desarrollo de modelos de Inteligencia Artificial Explicable (Explainable Artificial Intelligence, XAI), ya que las decisiones del algoritmo pueden interpretarse mediante propiedades geométricas claramente definidas, reduciendo la dependencia de modelos de caja negra.

Aportaciones científicas para la ciencia del siglo XXI

Las implicaciones científicas de esta propuesta trascienden el ámbito de las redes de sensores inalámbricas.

En primer lugar, establece un puente entre la geometría algebraica, la topología algebraica, el análisis topológico de datos, la inteligencia artificial explicable, la teoría de grafos dinámicos y los sistemas ciberfísicos, disciplinas que tradicionalmente han evolucionado de forma independiente.

En segundo lugar, propone un nuevo paradigma para el análisis de sistemas complejos, donde la información deja de interpretarse como una colección de mediciones independientes y pasa a entenderse como una estructura geométrica cuya evolución refleja el comportamiento global del sistema físico.

En tercer lugar, introduce un nuevo objeto matemático, el sensor algebraico-topológico, cuya formalización abre la posibilidad de desarrollar una teoría general para el monitoreo inteligente basada en invariantes geométricos.

En cuarto lugar, incorpora un nuevo descriptor cuantitativo, el Índice de Estabilidad Topológica del Sensado, con potencial para convertirse en un estándar matemático para la detección de anomalías en redes de sensores distribuidos.

Finalmente, la propuesta establece las bases para el desarrollo de sensores inteligentes de nueva generación, capaces de integrarse con arquitecturas Edge Computing, gemelos digitales, ciudades inteligentes, Industria 4.0, Agricultura 4.0, monitoreo ambiental, infraestructura crítica y sistemas de salud digital.

Conclusiones

La principal aportación de esta investigación consiste en redefinir el concepto clásico de sensor mediante un fundamento matemático basado en la geometría algebraica y la topología algebraica.

Bajo este nuevo paradigma, el sensor deja de ser únicamente un dispositivo de adquisición de datos para convertirse en un observador geométrico capaz de representar la estructura interna de sistemas complejos mediante invariantes algebraico-topológicos.

Esta reinterpretación proporciona un lenguaje matemático unificado para describir fenómenos distribuidos, integrando teoría de grafos, geometría algebraica, topología algebraica, análisis topológico de datos e inteligencia artificial explicable en un único marco conceptual.

Desde la perspectiva de la ciencia del siglo XXI, esta propuesta representa un cambio de paradigma en el diseño de sistemas de monitoreo inteligente. La información deja de concebirse como una colección de mediciones independientes y pasa a interpretarse como una estructura geométrica cuya evolución contiene la información esencial sobre el estado del sistema físico.

En consecuencia, el sensor algebraico-topológico se perfila como un nuevo objeto matemático con potencial para fundamentar futuras investigaciones en matemáticas aplicadas, Internet de las Cosas, sistemas ciberfísicos, inteligencia artificial explicable y ciencia de sistemas complejos.

“La ciencia avanza cuando una nueva idea logra transformar aquello que creemos observar. Durante siglos aprendimos a medir magnitudes; en este siglo comenzamos a preguntarnos si lo verdaderamente esencial no son las magnitudes, sino las relaciones que las hacen posibles. Quizá el conocimiento del futuro no emerja de acumular más datos, sino de descubrir la geometría que los une, la topología que les da permanencia y los invariantes que revelan el orden oculto de los sistemas complejos. Si esta propuesta logra sembrar esa duda en la comunidad científica, entonces habrá cumplido su propósito más profundo: recordar que toda frontera del conocimiento existe únicamente hasta que una nueva idea encuentra el rigor matemático para atravesarla.”