Principios de física teórica sirven para mejorar el baloncesto

Investigadores de Cornell han aplicado al baloncesto una variación de una teoría empleada inicialmente para predecir las acciones colectivas de los electrones en sistemas mecánicos cuánticos.

Un grupo dirigido por el profesor de Física Tomás Arias ha adaptado la teoría de fluctuación funcional de la densidad (DFFT) para predecir las posiciones de los jugadores y clasificarlos según sus contribuciones defensivas. También han intentado cuantificar la "gravedad del jugador": la fuerza con la que un jugador atrae a los defensores, lo que indica que representa una amenaza anotadora.

"La gravedad es un término frecuente en el baloncesto, pero cuantificarla ha sido un poco complicado", afirmó en un comunicado Boris Barron, actualmente investigador postdoctoral en el Instituto Max Planck de Investigación Demográfica en Rostock, Alemania, y autor correspondiente del nuevo estudio, publicado en Scientific Reports.

La DFFT, una formulación relativamente nueva, busca inferir interacciones y preferencias espaciales directamente a partir de las fluctuaciones en los datos posicionales. La teoría ya se ha aplicado a sistemas tan diversos como la organización de grupos de insectos, la segregación racial en zonas urbanas y las simulaciones de la dinámica de multitudes.

Este estudio es una continuación del trabajo que el grupo presentó en 2023 en una conferencia de la American Physical Society. En la investigación anterior, el modelo del grupo, basado en la teoría funcional de la densidad (DFT), sugería la mejor posición para cada jugador en una cancha de baloncesto en un escenario dado si se busca aumentar la probabilidad de anotar o defender con éxito.

Arias comentó que primero pensó en la DFT en términos del comportamiento del público -en un concierto, por ejemplo-, luego escribió algunas ecuaciones y se dio cuenta de que "estas eran exactamente las ecuaciones que usamos en nuestras teorías de física de muchos cuerpos y mecánica cuántica".

El investigador postdoctoral y coautor Nathan Sitaraman, quien en ese momento trabajaba como consultor para un equipo de la NBA y tenía acceso a análisis de jugadores, ayudó a orientar al grupo hacia el baloncesto como banco de pruebas para su modelado de DFFT. Ni Arias ni Barron estaban particularmente interesados en la NBA en ese momento.

El reto de los investigadores: Dado un momento en la cancha -la ubicación de los 10 jugadores y el balón-, ¿cuál es la probabilidad de que el ataque anote 0, 2 o 3 puntos?

Para su estudio, el grupo utilizó datos de seguimiento de jugadores de la primera mitad de la temporada 2022-23 de la NBA y analizó las posiciones de los jugadores y del balón durante posesiones de media cancha (excluyendo contraataques), no más de tres segundos antes de un tiro. Al entrenar el modelo DFFT con subconjuntos relevantes del enorme conjunto de datos, los investigadores pudieron predecir la posición probable de un jugador y evaluar las probabilidades de varios resultados de anotación.

Los investigadores demostraron que es posible mejorar el posicionamiento defensivo e identificar tendencias específicas de cada jugador, como la consistencia con la que se posiciona para ayudar a su equipo a defender colectivamente contra tiros de 2 o 3 puntos.

Para medir la gravedad de los jugadores, el equipo analizó a los 50 jugadores que estuvieron más tiempo en la cancha durante los cuatro meses del conjunto de datos, junto con un caso especial: el base de los Golden State Warriors, Stephen Curry, quien ostenta el récord de la NBA en canastas de 3 puntos y es ampliamente considerado como el jugador con mayor gravedad de la liga.

De hecho, Curry se añadió al conjunto de datos solo después de la presentación de una versión anterior de este trabajo en la Conferencia de Análisis Deportivo MIT Sloan de 2024. "Curry no estaba incluido en ese momento", comentó Barron, "y parecía que todos los que asistían a nuestra presentación nos preguntaban: '¿Y dónde está Steph Curry?'".

Curry es único, afirmó Barron. "En toda la línea de 3 puntos, atraía casi tanta defensa hacia su posición -sin el balón- como un jugador típico con el balón, e incluso la superaba en algunas posiciones", añadió, señalando que cuando Curry está en la zona, más cerca de la canasta, su gravedad es ligeramente menor que la de un jugador típico.

Los investigadores también descubrieron que Nikola Jokic, pívot de los Denver Nuggets, produce una fuerte "gravedad no local", lo que significa que, debido a su propensión a pasar el balón, la densidad defensiva tiende a aumentar en el lado débil de la cancha (opuesto al balón).

Las futuras investigaciones en esta área explorarán el concepto de "coeficiente intelectual defensivo": los instintos de un jugador y la capacidad de "ver" una jugada antes de que se desarrolle.

"En cuanto a lo que podría interesar a los entrenadores", dijo Arias, "podríamos analizar a fondo estos datos para ver qué es lo que no están captando del todo".