Onderzoekers van de Queen Mary University of London hebben een wiskundig model ontwikkeld voor het ontstaan ​​van innovaties.

Het bestuderen van creatieve processen en begrijpen hoe innovaties ontstaan ​​en hoe nieuwigheden kunnen leiden tot verdere ontdekkingen, zou kunnen leiden tot effectieve interventies om het succes en de duurzame groei van de samenleving te koesteren.

Empirische bevindingen hebben aangetoond dat de manier waarop nieuwigheden worden ontdekt, vergelijkbare patronen volgt in verschillende contexten, waaronder wetenschap, kunst, en technologie.

De studie, gepubliceerd in Fysieke beoordelingsbrieven , introduceert een nieuw wiskundig raamwerk dat de snelheid waarmee nieuwigheden in echte systemen verschijnen correct weergeeft, bekend als de wet van Heaps, en kan verklaren waarom ontdekkingen sterk gecorreleerd zijn en vaak in clusters voorkomen.

Het doet dit door de theorie van het 'aangrenzende mogelijke' te vertalen, aanvankelijk geformuleerd door Stuart Kauffman in de context van biologische systemen, in de taal van complexe netwerken. Het aangrenzende mogelijke is de verzameling van alle nieuwe kansen die zich voordoen wanneer een nieuwe ontdekking wordt gedaan. Netwerken zijn naar voren gekomen als een krachtige manier om zowel systemen in de echte wereld te onderzoeken, door de essentiële relaties tussen de componenten vast te leggen, en om de verborgen structuur achter veel complexe sociale fenomenen te modelleren.

In dit werk, netwerken worden gebruikt om de onderliggende ruimte van relaties tussen concepten te modelleren.

Hoofdauteur professor Vito Latora, van de Queen Mary's School of Mathematical Sciences, zei:"Dit onderzoek opent nieuwe richtingen voor het modelleren van innovatie, samen met een nieuw kader dat belangrijk zou kunnen worden bij het onderzoek naar technologische, biologisch, artistiek, en commerciële systemen."

Hij voegde eraan toe:"Het bestuderen van de processen waardoor innovaties ontstaan, kan helpen om de belangrijkste ingrediënten achter een winnend idee te begrijpen, een baanbrekende technologie of een succesvolle commerciële activiteit, en is van fundamenteel belang om effectieve, op gegevens gebaseerde beslissingen te nemen, strategieën, en interventies om het succes en de duurzame groei van onze samenleving te koesteren."

In de studie, het ontdekkingsproces wordt gemodelleerd als een bepaalde klasse van willekeurige wandelingen, genaamd 'versterkte' wandelingen, op een onderliggend netwerk van relaties tussen concepten en ideeën. Een innovatie komt overeen met het eerste bezoek van een site van het netwerk, en elke keer dat een wandelaar van het ene concept naar het andere gaat, een dergelijke associatie (een rand in het netwerk) wordt versterkt zodat deze in de toekomst vaker gebruikt zal worden. De onderzoekers noemden dit het 'edge-reinforced random walk'-model.

Om te laten zien hoe het model in een echt geval werkt, ze bouwden ook een dataset van 20 jaar wetenschappelijke publicaties in verschillende disciplines, zoals astronomie, ecologie, economie en wiskunde om het verschijnen van nieuwe concepten te analyseren. Dit toonde aan dat, ondanks zijn eenvoud, het randversterkte random walk-model kan reproduceren hoe kennis groeit in de moderne wetenschap.

Professor Vito Latora voegde toe:"Het raamwerk dat we presenteren vormt een nieuwe benadering voor de studie van ontdekkingsprocessen, in het bijzonder die waarvoor het onderliggende netwerk direct kan worden gereconstrueerd uit empirische gegevens, bijvoorbeeld gebruikers die naar muziek luisteren via een netwerk van overeenkomsten tussen nummers. We werken al aan dit idee, samen met een uitgebreide versie van ons model, waar we de collectieve verkenning van deze genetwerkte ruimtes bestuderen door meerdere wandelaars tegelijkertijd te beschouwen."