Gli scienziati hanno trovato un modo per prevedere grandi cambiamenti nei sistemi complessi, come gli ecosistemi, utilizzando segnali provenienti da diverse parti del sistema. Questi grandi cambiamenti, chiamati punti di non ritorno, possono alterare drasticamente il funzionamento di un sistema. Ad esempio, i punti di non ritorno possono spiegare eventi come le estinzioni di massa o l'inizio di un'epidemia. I segnali di allerta precoce possono aiutare a prevedere questi cambiamenti prima che si verifichino.

In passato non era chiaro come combinare al meglio i segnali di allerta precoce provenienti da diverse parti di un sistema. Il nuovo metodo, basato su matematica complessa, aiuta a scegliere quali parti del sistema osservare per ottenere previsioni migliori. Questo metodo considera sia la forza che l'incertezza dei segnali. Utilizzare segnali provenienti da diverse parti del sistema può essere utile, ma non sempre.

I ricercatori hanno testato il loro metodo utilizzando diverse reti e modelli. Hanno scoperto che il loro approccio funziona bene, soprattutto quando diverse parti del sistema sperimentano diversi livelli di rumore e stress. Ad esempio, in un ecosistema, alcune specie potrebbero mostrare segnali di allerta precoce prima di altre. Scegliere il giusto insieme di specie da monitorare può migliorare la qualità delle previsioni e far risparmiare tempo.

Questo nuovo metodo può essere utilizzato in molti campi, come l'ecologia, la scienza climatica e il controllo delle malattie. Non richiede informazioni dettagliate sulla rete del sistema, rendendolo più facile da utilizzare con dati del mondo reale. Concentrandosi sulle parti giuste di un sistema, gli scienziati possono prevedere e rispondere meglio a potenziali crisi, migliorando la nostra comprensione dei sistemi complessi e rendendola più utile.