Modéliser les mystères de l’univers, de la matière noire au COVID-19

Modéliser les mystères de l'univers, plus près de chez soi

Une projection de la mortalité possible due au COVID-19 à Toronto, si la mobilité sociale revient aux niveaux d’avant la pandémie en octobre 2021. Crédit : Université de Waterloo

À première vue, l’astrophysique peut ne pas sembler avoir grand-chose en commun avec le suivi et la prédiction de la propagation d’un virus mondial. Mais pour le professeur Niayesh Afshordi, le lien était clair, même au début de l’année dernière, alors que notre réaction collective au COVID-19 se déroulait en temps réel.

Comme pour la modélisation du comportement de la matière noire dans l’Univers, la modélisation de la propagation de COVID-19 nécessite d’identifier les moteurs invisibles et d’interpréter les variables changeantes que notre univers nous lance, face à l’incertitude.

Avant la pandémie, Afshordi, professeur de physique et d’astronomie à l’Université de Waterloo avait prévu de démarrer un projet avec un collègue, le professeur Ben Holder de la Grand Valley State University, qui venait de venir à Waterloo pour passer un congé sabbatique avec Afshordi.

Holder, un expert en modélisation de la dynamique des virus au sein de l’hôte, avait prévu de faire évoluer son travail vers les trous noirs. Au lieu de s’attaquer aux mystères de l’espace-temps, cependant, le couple a fini par s’attaquer aux mystères de COVID-19.

« Nous attendions avec impatience les données issues des collisions de trous noirs, et pourtant ce que nous continuions de voir était le déluge de données sur la croissance exponentielle de l’épidémie à travers le monde », a déclaré Afshordi. « Il y avait clairement des modèles, mais la dynamique géographique et démographique qui a conduit ces modèles était un mystère qui était tout simplement trop difficile à ignorer. »

Dans un effort pour comprendre les changements qui se produisent autour d’eux, Afshordi et Holder ont commencé à étudier comment la répartition de la population a contribué au taux de croissance au début de l’épidémie. Ce projet s’est rapidement développé en un projet multidisciplinaire car il a attiré l’attention d’autres collaborateurs, dont deux experts en données du Wolfram Research Institute, le professeur de philosophie de Waterloo Steve Weinstein et un ancien Ph.D. étudiante à Afshordi, Elizabeth Gould (MSc ’11, Ph.D. ’18).

L’équipe interdisciplinaire a ensuite développé un modèle COVID-19 sophistiqué qui utilise non seulement la répartition de la population, mais aussi l’âge, la densité moyenne des ménages, l’historique de l’épidémie régionale, la météo, la mobilité sociale sur les lieux de travail, l’utilisation du masque et le niveau de vaccination dans une zone. .

En recrutant les étudiants coop Shafika Olalekan Koiki, étudiante en 2e année de physique et d’astronomie, et Jolene Zheng, étudiante en 3e année informatique, l’équipe a pu créer un portail en ligne pour interagir avec les données et le modèle.

Le portail MyLocalCovid permet à quiconque de sélectionner une région spécifique au Canada ou un comté aux États-Unis, puis de voir comment les changements dans les activités des personnes affectent les projections du modèle local. Les utilisateurs peuvent spécifier différents pourcentages d’utilisation des masques faciaux (tels que mesurés par les recherches Google pour les masques faciaux), le degré de mobilité sociale dans la région (à quel point il se rapproche d’un verrouillage total ou d’une activité normale), ainsi que le pourcentage de personnes recevant un vaccin chacun semaine, pour voir comment ces facteurs influencent tous la future mortalité par COVID dans la région.

« Je n’avais pas prévu un poste coop comme celui-ci pour mon premier stage, mais c’était définitivement une expérience intrigante. Cela m’a ouvert les yeux et m’a montré les similitudes entre la résolution des mystères de l’univers et la modélisation pandémique », a déclaré Olalekan Koiki . « Travailler sur ce tableau de bord a été une expérience d’apprentissage, mais cela a également été très gratifiant de savoir que vous travaillez sur un problème important qui, espérons-le, profitera à de nombreuses personnes. »

Les résultats préliminaires de cette recherche (à partir de l’été 2020) sont disponibles sous forme de prépublication et sont publiés dans les actes du « Fields Institute Seminar on Mathematical Modeling of COVID-19 », tandis qu’une publication plus complète est à venir. Le portail MyLocalCOVID est tenu à jour au fur et à mesure de l’adoption de nouvelles stratégies de prévention et de l’identification de nouveaux moteurs d’infection.


Un taux de vaccination élevé est la clé de l’évolution de la pandémie de COVID-19, selon la modélisation


Plus d’information:
Niayesh Afshordi et al, Diverses épidémies locales révèlent les effets distincts de la densité de population, de la démographie, du climat, de l’épuisement des susceptibles et de l’intervention dans la première vague de COVID-19 aux États-Unis, medRxiv (2020). DOI : 10.1101/2020.06.30.20143636

Fourni par l’Université de Waterloo

Citation: Modélisation des mystères de l’univers, de la matière noire au COVID-19 (2021, 10 juin) récupéré le 10 juin 2021 sur https://techxplore.com/news/2021-06-mysteries-universe-dark-covid-.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.