La fisica, con la teoria dei sistemi complessi e la fisica statistica, ha fornito strumenti quantitativi essenziali per affrontare sfide socio-economiche che le discipline classiche spesso non riescono ad interpretare. Non è possibile condurre esperimenti diretti, ma è possibile analizzare serie temporali e proprietà statistiche per prevedere il comportamento collettivo dei sistemi. Con questa visione in mente, il progetto di Complessità Sociale ed Economica si articola nelle tre seguenti aree di indagine.

1. Economic Fitness and Complexity (EFC): metodo sviluppato a Roma dal gruppo del prof. Luciano Pietronero per costruire modelli economici data-driven, basati su Complex Networks e Machine Learning. Ha dimostrato di superare le previsioni del FMI sulla crescita dei paesi, ed è usato da istituzioni internazionali come la World Bank e il Joint Research Center (JRC).
2. Computational Social Science: utilizza dati di mobilità, reti sociali e tracciamenti digitali per studiare fenomeni come la diffusione di epidemie, la (dis)informazione politica e le dinamiche di gruppo, integrando fisica, matematica, informatica e scienze sociali.
3. Metodi di analisi di Network Theory: analizzano la struttura delle reti complesse per comprendere processi fondamentali (shock finanziari, cambiamento climatico, propagazione di malattie e informazione). Qui si sviluppano modelli nulli, ispirati alla fisica statistica e alla teoria dell’informazione, per distinguere i segnali genuini dalle fluttuazioni casuali.