MASFENON: a multi-agent HPC framework for dynamic simulations of interconnected complex systems [MASFENON: un framework HPC multi-agente per simulazioni dinamiche di sistemi complessi interconnessi]

Understanding and simulating complex dynamic systems requires computational frameworks capable of capturing their temporal, hierarchical, and nonlinear behaviors. Traditional static or compartmental models fail to represent the fine-grained, evolving nature of these systems, particularly in biological contexts where cell-to-cell communication involves intricate signaling and adaptive responses. This Ph.D. research introduces the Multi-Agent Adaptive Simulation Framework for Evolution in Networks of Networks (MASFENON), a high-performance, multi-layered simulation framework designed to model and analyze dynamic processes within interconnected systems. MASFENON integrates principles from multi-agent systems, complex network theory, and chaos theory, enabling detailed modeling of intra- and inter-layer interactions. Leveraging distributed and parallel computing paradigms, including MPI, OpenMP, and Armadillo, the framework achieves scalability and efficiency on HPC architectures. Its flexibility allows application across multiple domains, from single-cell biology and epidemiology to social and economic systems, providing unprecedented temporal and structural resolution. The thesis aims to create a digital twin of cell-to-cell communication by integrating high-resolution single-cell RNA sequencing data and advanced network modeling strategies. Methodologically, it emphasizes modular architecture, reproducibility, and computational rigor, ensuring robustness and adaptability for diverse scientific contexts. Through comprehensive validation, benchmarking, and real-world case studies, this work establishes MASFENON as a versatile and scalable tool that advances the state of complex system simulation and lays the groundwork for future developments in high-performance computational modeling.

La comprensione e la simulazione di sistemi dinamici complessi richiedono framework computazionali in grado di catturarne i comportamenti temporali, gerarchici e non lineari. I tradizionali modelli statici o compartimentali non riescono a rappresentare la natura fine e in evoluzione di questi sistemi, in particolare in contesti biologici in cui la comunicazione cellula-cellula implica una segnalazione complessa e risposte adattive. Questa ricerca di dottorato introduce il Multi-Agent Adaptive Simulation Framework for Evolution in Networks of Networks (MASFENON), un framework di simulazione multilivello ad alte prestazioni progettato per modellare e analizzare processi dinamici all'interno di sistemi interconnessi. MASFENON integra i principi dei sistemi multiagente, della teoria delle reti complesse e della teoria del caos, consentendo una modellazione dettagliata delle interazioni intra- e inter-strato. Sfruttando paradigmi di calcolo distribuito e parallelo, tra cui MPI, OpenMP e Armadillo, il framework garantisce scalabilità ed efficienza sulle architetture HPC. La sua flessibilità ne consente l'applicazione in molteplici ambiti, dalla biologia unicellulare all'epidemiologia, fino ai sistemi sociali ed economici, offrendo una risoluzione temporale e strutturale senza precedenti. La tesi mira a creare un gemello digitale della comunicazione cellula-cellula integrando dati di sequenziamento dell'RNA monocellulare ad alta risoluzione e strategie avanzate di modellazione di rete. Dal punto di vista metodologico, pone l'accento su architettura modulare, riproducibilità e rigore computazionale, garantendo robustezza e adattabilità a diversi contesti scientifici. Attraverso una validazione completa, benchmarking e casi di studio reali, questo lavoro afferma MASFENON come uno strumento versatile e scalabile che fa progredire lo stato della simulazione di sistemi complessi e getta le basi per futuri sviluppi nella modellazione computazionale ad alte prestazioni.