La diffusione massima del Covid-19 si verifica quando «il sistema manifesta comportamenti caotici».

È il risultato di uno studio pubblicato su “Nonlinear Dynamics” – edizioni Springer, condotto da un gruppo di ricerca internazionale coordinato dal professor Giuseppe Grassi, docente di Elettrotecnica presso il Dipartimento di Ingegneria dell’innovazione dell’Università del Salento. Del team di ricerca hanno fatto parte anche Nadjette Debbouche e Adel Ouannas, docenti presso il Department of Mathematics and Computer Science della University of Larbi Ben M’hidi (Algeria), oltre a Iqbal Batiha, ricercatore presso il Nonlinear Dynamics Research Center della Ajman University (Emirati Arabi Uniti).

Lo studio, dal titolo “Chaotic dynamics in a novel COVID-19 pandemic model described by commensurate and incommensurate fractional-order derivatives”, è disponibile online (clicca qui).

«Per mantenere sotto controllo gli sviluppi epidemiologici del Covid-19 è di cruciale importanza avere a disposizione modelli matematici innovativi, in grado di descrivere la diffusione del virus e di predirne con accuratezza l’evoluzione futura», spiega il professor Giuseppe Grassi, «il modello matematico proposto nel nostro studio si basa sul calcolo frazionario, ovvero utilizza le derivate non intere per descrivere l’evoluzione nel tempo della diffusione del virus. I dati utilizzati, relativi all’evoluzione epidemiologica del Covid-19 in Cina e Italia nella prima metà del 2020, hanno confermato l’esistenza di fenomeni caotici nello studio della dinamica del modello proposto. I risultati ottenuti suggeriscono anche alcuni interventi per controllare il caos nel sistema dinamico, limitando in tal modo la velocità di diffusione del Covid-19. In particolare, si suggerisce la riduzione dei “casi severi”, poiché questi sembrano influire in modo significativo sull’insorgere della dinamica caotica nel modello proposto».

Nell’immagine in alto: un esempio di caos, ovvero un attrattore caotico generato dal sistema a derivate non intere, utilizzato per modellare la diffusione del Covid-19.