Un nuevo marco teórico permite modelar hipergrafos temporales cuya actividad no sigue una estadística poissoniana, un caso que los enfoques clásicos de redes no capturan bien. La propuesta describe la evolución de los nodos mediante dinámicas markovianas, de modo que las interacciones grupales —los hiperaristas— emergen como consecuencia de estados internos que cambian en el tiempo.

Los hipergrafos temporales extienden las redes tradicionales al permitir que un mismo evento involucre a más de dos nodos a la vez y que la estructura de conexiones cambie con el tiempo. Modelarlos con precisión es útil para describir sistemas reales como interacciones sociales, procesos biológicos o dinámicas de contagio, donde los eventos no son independientes entre sí y la distribución de tiempos entre ellos se aparta de la forma exponencial característica del proceso de Poisson.

El enfoque se basa en asociar a cada nodo un proceso markoviano cuyas transiciones gobiernan cuándo y con quién entra en interacción. Al ajustar las tasas de estos procesos, el modelo reproduce distribuciones de tiempos de espera con colas pesadas y correlaciones temporales observadas empíricamente, sin necesidad de introducir reglas ad hoc para cada sistema.

La relevancia del trabajo radica en ofrecer un marco unificado y tratable analíticamente para una clase amplia de fenómenos de red que hasta ahora requerían descripciones ad hoc. Al conectar la dinámica microscópica de los nodos con las propiedades estadísticas globales del hipergrafo, la propuesta abre la puerta a predicciones cuantitativas sobre cómo evolucionan sistemas colectivos complejos.