El comportamiento dinámico de redes de billones de neuronas en el cerebro humano aún no se entiende, así como su relación con la formación de la memoria y el aprendizaje. Los modelos que ya existen son muy limitados. La complejidad del problema en múltiples escalas requiere la combinación de paradigmas provenientes de diferentes campos de conocimiento, principalmente: sistemas dinámicos híbridos, ingeniería de control, métodos formales de computación y redes complejas. En esta charla, exploraremos cómo estas teorías se pueden combinar de una manera única para definir el nuevo campo que he denominado como la ciencia de neurosistemas híbridos (“hybrid systems neuroscience”, en inglés), que representa la reformulación de modelos de sistemas híbridos, herramientas de análisis dinámico y esquemas de control automático para sistemas neuronales. Esta nueva teoría esta basada en DYVERSE, un nuevo marco para el modelado, análisis y control de sistemas complejos, y que fue el primer proyecto en el Reino Unido dedicado al control y a la verificación formal automática de sistemas dinámicos híbridos no lineales.

El área de sistemas híbridos se ha construído usando las teorías de control y de computación. Ha heredado los paradigmas de control automático – incluyendo sistemas de control conmutados y sistemas de estructura variable – que fueron originalmente diseñados para problemas de ingeniería, principalmente para sistemas mecánicos y eléctricos. Los sistemas híbridos también han integrado paradigmas de computación teórica diseñados para sistemas de software o programas. La mezcla ha dado lugar a soluciones para problemas dinámicos complejos. Sin embargo, la aplicación de estos paradigmas a las neurociencias no puede seguir la ortodoxia de las teorías actuales de control y computación; un nuevo punto de vista es necesario para el modelado y el análisis de los comportamientos tan complejos y únicos de las redes de redes en nuestro cerebro. Bajo el paraguas de la ciencia de neurosistemas híbridos, se proponen nuevos conceptos y una nueva interpretación de autómatas híbridos. Ilustraré todas estas ideas con ejemplos y modelos que hemos desarrollado recientemente.

Eva Navarro estudió Ingeniería en Ciencias de la Computación, Ingeniería en Sistemas Físicos e Ingeniería en Sistemas y Electrónica por la Universidad de Alicante en España. Es Doctora en Automática y Electrónica Industrial por la Universitat Politècnica de Catalunya en Barcelona. También posee una especialización de doctorado en Mecánica Celeste y Dinámica Espacial y una acreditación de Especialista Ingeniera en Instrumentación y Control de la ISA a través del Instituto Mexicano del Petróleo de Ciudad de México
actualmente experta para la Unión Europea y asesora científica de la agencia AGAUR del gobierno de Cataluña. Eva es genuinamente multidisplinar y su trabajo fusiona las disciplinas de computación, control automático, matemáticas aplicadas e ingeniería eléctrica, con aplicaciones en diversas áreas de la tecnología y ciencia, más recientemente en neurociencias, biología y ecología. Su trabajo ha sido reconocido en distintas apariciones en prensa, radio y televisión en España y Reino Unido. Eva disfruta transmitiendo a sus alumnos la pasión y el entusiasmo por la buena ciencia y ahora está muy ilusionada por haber sido invitada a trabajar un año en el Instituto Cajal en Madrid, uno de los centros de neurobiología más prestigiosos del mundo, donde las neurociencias modernas nacieron.