El Operador de Refuerzo Topológico (ORT): Un Principio de Parsimonia para la Consolidación de Memoria

---

Este repositorio contiene la investigación y el código del Operador de Refuerzo Topológico (ORT), un principio computacional que emula la consolidación de engramas de memoria en redes complejas.

El proyecto valida que la memoria funcional y resiliente puede emerger directamente de la organización topológica de una red, revelando un principio de parsimonia computacional con plausibilidad biológica.

Visualización de una muestra del engrama P95 en el conectoma humano, revelando una estructura "core-periphery" y una organización "rich-club".

---

🎯 Hallazgos Principales

• 🧠 Principio Dual (Masa Crítica vs. Élite): Las redes biológicas optimizan la memoria con núcleos de "élite" (P95), mientras que las redes de información requieren una "masa crítica" (P90) para ser resilientes.
• 🔗 Especificidad Topológica: La función de la memoria colapsa (F1-score ≈ 0) si se altera la configuración precisa de la red cerebral, probando que no solo importan los hubs, sino cómo están conectados.
• ⚡ Parsimonia Computacional: El ORT basado en Grado es ~96x más rápido y consume ~19x menos RAM que PageRank, logrando un rendimiento funcional comparable.
• ✅ Plausibilidad Biológica: El ORT alcanza un rendimiento excepcional (F1-score ~87%) en la recuperación de memoria en el conectoma humano.

---

🔬 Experimentos Interactivos

Requisitos de Datos

Para ejecutar los experimentos con conectomas biológicos:

1. Descarga el archivo .edges desde la fuente original
2. Súbelo al almacenamiento de Google Colab antes de ejecutar

• Conectoma de Macaco: Network Repository
• Conectoma Humano: Network Repository

1. Experimento Fundamental: ORT en Redes y Conectomas

Pipeline completo desde GNN hasta validación en múltiples datasets.

2. Viaje al Cerebro: ORT en Conectoma Humano

Aplicación directa a un cerebro humano digitalizado.

3. Reparación Cerebral Mínima: ORT-THERAPY-F

Framework estratégico para restaurar conectomas dañados mediante intervención mínima, aplicando el principio de "Absorción del Componente Gigante" en neurodegeneración.

4. Fusión de Componentes: Reparación Óptima de Redes

Algoritmo fundamental que establece el límite teórico mínimo para restaurar la integridad estructural de redes neuronales fragmentadas.

🆕EXTRA: Clasificador ORT-F (Pipeline de Diagnóstico y Pronóstico)🩺**

Prueba de concepto. Este notebook implementará el Clasificador ORT-F como un prototipo de herramienta clínica para el diagnóstico precoz de la degradación de la red y el pronóstico de su resiliencia futura (reserva cerebral).

---

📂 Estructura del Repositorio

• /Notebooks: Todos los cuadernos de experimentos (español e inglés)
• /Reports: Artículos de investigación completos (español e inglés)
• /outputs: Resultados generados por los experimentos
  • /csv: Datos cuantitativos en formato CSV
  • /img: Visualizaciones y gráficos
• LICENSE: Licencia MIT del proyecto

---

🔬 Ciencia Independiente y Abierta

Este trabajo se realizó de manera completamente independiente, sin financiación institucional ni corporativa, demostrando que la investigación de frontera puede surgir también desde entornos abiertos y accesibles.

---

🚀 Apoya y Difunde esta Investigación

Como investigador independiente, la visibilidad de este trabajo depende en gran medida del apoyo de la comunidad científica y de entusiastas como tú. Si este proyecto te ha resultado interesante o útil, aquí tienes algunas formas muy concretas en las que puedes ayudar a darle visibilidad:

• ⭐️ Dale una Estrella en GitHub: Si te gusta el repositorio, haz clic en el botón "Star" en la parte superior de la página. Es un indicador de calidad clave que ayuda a que otros descubran el proyecto.

• 🔄 Comparte en Redes Sociales: Publica el enlace al preprint de Research Square o a este repositorio en Twitter (X), LinkedIn o tu red académica preferida. Un simple post puede tener un impacto enorme. No dudes en mencionarme @todos_lumpen.

• ✍️ Cita el Trabajo: La forma más importante y duradera de apoyo en la ciencia es la citación. Si mi artículo, código o metodología inspira o es útil para tu propia investigación, por favor, considera citarlo.

• 💬 Inicia una Discusión: Si tienes preguntas, ideas para futuras investigaciones o críticas constructivas, no dudes en abrir un "Issue" aquí en el repositorio. ¡Me encantaría conocer tu opinión y debatir sobre los resultados!

¡Gracias por tu apoyo para hacer visible la ciencia independiente!

---

✍️ Citación

José Ignacio Peinador Sala. The Topological Reinforcement Operator (TRO): A Parsimony Principle for Memory Consolidation in Complex Networks, 09 October 2025, PREPRINT (Version 1) available at Research Square [https://doi.org/10.21203/rs.3.rs-7808963/v1]