Samoorganizująca się krytyczność

Z Wikipedii, wolnej encyklopedii
Obraz 2d – usyp piasku BTW, oryginalnego modelu samoorganizującej się krytyczności.

Samoorganizująca się krytyczność (ang. self-organized criticality (SOC)) – właściwość układów dynamicznych, których atraktorem jest punkt krytyczny. Ich zachowanie makroskopowe wykazuje przestrzenną lub czasową niezmienność skali charakterystyczną dla punktu krytycznego przejścia fazowego, ale bez potrzeby dostrajania parametrów kontrolnych do dokładnej wartości, ponieważ system samodzielnie dostraja się, gdy ewoluuje w kierunku krytyczności.

Pomysł został przedstawiony przez Pera Baka, Chao Tanga i Kurta Wiesenfelda („BTW”) w artykule[1] opublikowanym w 1987 roku w „Physical Review Letters” i został uznany za jeden z mechanizmów powstawania złożoności[2] w naturze. Jego założenia zostały zastosowane w tak różnych dziedzinach, jak geofizyka[3][4], kosmologia fizyczna, biologia ewolucyjna i ekologia, obliczenia inspirowane biologią i optymalizacja (matematyka), ekonomia, grawitacja kwantowa, socjologia, fizyka Słońca, fizyka plazmy, neurobiologia[5][6][7][8] i inne.

SOC jest zwykle obserwowana w układach nierównowagowych, będących modelami powolnie przeprowadzanych procesów, z wieloma stopniami swobody i silnie nieliniową dynamiką. Od czasu opublikowania oryginalnego artykułu BTW zaobserwowano wiele innych przykładów, ale do tej pory nie jest znany zestaw ogólnych cech, które gwarantowałyby, że system będzie wykazywał SOC.

Przegląd[edytuj | edytuj kod]

Samoorganizująca się krytyczność jest jednym z licznych ważnych odkryć dokonanych w fizyce statystycznej i dziedzinach pokrewnych w drugiej połowie XX wieku. Odnoszą się one w szczególności do badania złożoności przyrody. Przykładem jest badanie automatów komórkowych, począwszy od wczesnych odkryć Stanisława Ulama i Johna von Neumanna, aż po Grę w życie Johna Conwaya i obszerne prace Stephena Wolframa. Ich publikacje jasno pokazały, że złożoność może być generowana jako emergentna cecha rozbudowanych systemów z prostymi interakcjami lokalnymi. W podobnym okresie obszerna praca Benoîta Mandelbrota na temat fraktali wykazała, że znaczna złożoność natury może być opisana przez pewne wszechobecne prawa matematyczne, podczas gdy szeroko zakrojone badania przejść fazowych przeprowadzone w latach 60. zjawiska samopodobne lub niezależne od skali takie jak fraktale i zależności wykładnicze pojawiły się w punkcie krytycznym między fazami.

Termin samoorganizująca się krytyczność został po raz pierwszy wprowadzony w artykule Baka, Tanga i Wiesenfelda w 1987 roku, który połączył jednoznacznie ze sobą pewne czynniki. Wykazano, że prosty automat komórkowy wytwarza kilka charakterystycznych cech obserwowanych w naturalnej złożoności (geometria fraktalna, różowy szum (1/f)[9] i zależność wykładnicza) w sposób, który można powiązać ze zjawiskami punktu krytycznego. Jednak co najważniejsze, w artykule podkreślono, że obserwowana wyraźna złożoność nie zależała od precyzyjnie dostrojonych szczegółów systemu: zmienne parametry w modelu można było szeroko zmieniać bez wpływu na pojawienie się zachowań krytycznych: stąd samoorganizująca się krytyczność. Zatem kluczowym rezultatem artykułu BTW było odkrycie mechanizmu, dzięki któremu pojawienie się złożoności wynikających z prostych lokalnych interakcji może być spontaniczne – a zatem prawdopodobnego jako źródło naturalnej złożoności – a nie takie, które możliwe by było tylko w sztucznych sytuacjach, w których parametry kontrolne są dostrojone do precyzyjnych wartości krytycznych. Wedle alternatywnego poglądu SOC pojawia się, gdy krytyczność jest powiązana z wartością zerową parametrów kontrolnych[10].

Pomimo dużego zainteresowania i wyników badań wynikających z hipotezy SOC, nie ma ogólnej zgody co do jej mechanizmów w abstrakcyjnej matematycznej formie. Bak Tang i Wiesenfeld oparli swoją hipotezę na zachowaniu ich modelu piaskownicy[1].

Modele krytyczności samoorganizującej się[edytuj | edytuj kod]

W porządku chronologicznym powstania:

Samoorganizująca się krytyczność w przyrodzie[edytuj | edytuj kod]

Znaczenie SOC dla dynamiki prawdziwego piasku zostało zakwestionowane.

SOC stała się silną kandydatką do wyjaśnienia wielu zjawisk naturalnych, w tym:

Pomimo licznych zastosowań SOC w wyjaśnianiu zjawisk naturalnych, uniwersalność teorii została zakwestionowana. Eksperymenty z prawdziwymi usypami ryżu wykazały, że ich dynamika jest znacznie bardziej wrażliwa na parametry, niż pierwotnie przewidywano[21][1]. Wykazano również, że skalowanie przez 1/f w zapisach EEG jest niezgodne ze stanami krytycznymi[22]. Zatem to, czy SOC jest podstawową właściwością systemów neuronowych, pozostaje tematem otwartym i kontrowersyjnym[23].

Samoorganizująca się krytyczność i optymalizacja[edytuj | edytuj kod]

Odkryto, że lawiny z procesu SOC znajdują zastosowanie jako wzorce w losowym poszukiwaniu optymalnych rozwiązań na grafach[24]. Przykładem takiego problemu optymalizacyjnego jest kolorowanie grafu. Jak się okazuje, proces SOC pomaga procesowi optymalizacji uniknąć utknięcia w lokalnym optimum bez użycia jakiegokolwiek schematu wyżarzania, jak sugerowano we wcześniejszych pracach na temat optymalizacji ekstremalnej.

Zobacz też[edytuj | edytuj kod]

Przypisy[edytuj | edytuj kod]

  1. a b c Per Bak, Chao Tang, Kurt Wiesenfeld, Self-organized criticality: An explanation of the 1/ f noise, „Physical Review Letters”, 59 (4), 1987, s. 381–384, DOI10.1103/PhysRevLett.59.381, ISSN 0031-9007 [dostęp 2023-02-14] (ang.).
  2. Bak P, Paczuski M. Complexity, contingency, and criticality. „Proceedings of the National Academy of Sciences of the United States of America”. 92 (15), s. 6689–6696, July 1995. DOI: 10.1073/pnas.92.15.6689. PMID: 11607561. PMCID: PMC41396. Bibcode1995PNAS...92.6689B. 
  3. a b c Smalley Jr RF, Turcotte DL, Solla SA. A renormalization group approach to the stick-slip behavior of faults. „Journal of Geophysical Research”. 90 (B2), s. 1894, 1985. DOI: 10.1029/JB090iB02p01894. Bibcode1985JGR....90.1894S. 
  4. Smyth WD, Nash JD, Moum JN. Self-organized criticality in geophysical turbulence. „Scientific Reports”. 9 (1), s. 3747, March 2019. DOI: 10.1038/s41598-019-39869-w. PMID: 30842462. PMCID: PMC6403305. Bibcode2019NatSR...9.3747S. 
  5. Dmitriev A, Dmitriev V. Identification of Self-Organized Critical State on Twitter Based on the Retweets’ Time Series Analysis. „Complexity”. 2021, s. e6612785, 2021-01-20. DOI: 10.1155/2021/6612785. ISSN 1076-2787. (ang.). 
  6. Linkenkaer-Hansen K, Nikouline VV, Palva JM, Ilmoniemi RJ. Long-range temporal correlations and scaling behavior in human brain oscillations. „The Journal of Neuroscience”. 21 (4), s. 1370–1377, February 2001. DOI: 10.1523/JNEUROSCI.21-04-01370.2001. PMID: 11160408. PMCID: PMC6762238. 
  7. a b Beggs JM, Plenz D. Neuronal avalanches in neocortical circuits. „The Journal of Neuroscience”. 23 (35), s. 11167–11177, December 2003. DOI: 10.1523/JNEUROSCI.23-35-11167.2003. PMID: 14657176. PMCID: PMC6741045. 
  8. Chialvo DR. Critical brain networks. „Physica A”. 340 (4), s. 756–765, 2004. DOI: 10.1016/j.physa.2004.05.064. arXiv:cond-mat/0402538. Bibcode2004PhyA..340..756R. 
  9. Alexander Shapoval, Boris Shapoval, Mikhail Shnirman, 1∕x Power-Law in a Close Proximity of the Bak–Tang–Wiesenfeld Sandpile, „Scientific Reports”, 11, s. 18151, DOI10.1038/s41598-021-97592-x, ISSN 2045-2322 [dostęp 2021-09-13] (ang.).
  10. Gabrielli A, Caldarelli G, Pietronero L. Invasion percolation with temperature and the nature of self-organized criticality in real systems. „Physical Review E”. 62 (6 Pt A), s. 7638–7641, December 2000. DOI: 10.1103/PhysRevE.62.7638. arXiv:cond-mat/9910425. PMID: 11138032. Bibcode2000PhRvE..62.7638G. 
  11. a b Turcotte DL, Smalley Jr RF, Solla SA. Collapse of loaded fractal trees. „Nature”. 313 (6004), s. 671–672, 1985. DOI: 10.1038/313671a0. Bibcode1985Natur.313..671T. 
  12. Bak P, Paczuski M, Shubik M. Price variations in a stock market with many agents. „Physica A: Statistical Mechanics and Its Applications”. 246 (3), s. 430–453, 1997-12-01. DOI: 10.1016/S0378-4371(97)00401-9. arXiv:cond-mat/9609144. ISSN 0378-4371. Bibcode1997PhyA..246..430B. (ang.). 
  13. Sornette D, Johansen A, Bouchaud JP. Stock Market Crashes, Precursors and Replicas. „Journal de Physique I”. 6 (1), s. 167–175, January 1996. DOI: 10.1051/jp1:1996135. arXiv:cond-mat/9510036. ISSN 1155-4304. Bibcode1996JPhy1...6..167S. 
  14. Phillips JC. Fractals and self-organized criticality in proteins. „Physica A”. 415, s. 440–448, 2014. DOI: 10.1016/j.physa.2014.08.034. Bibcode2014PhyA..415..440P. 
  15. Phillips JC. Synchronized attachment and the Darwinian evolution of coronaviruses CoV-1 and CoV-2. „Physica A”. 581, s. 126202, November 2021. DOI: 10.1016/j.physa.2021.126202. arXiv:2008.12168. PMID: 34177077. PMCID: PMC8216869. Bibcode2021PhyA..58126202P. 
  16. Malamud BD, Morein G, Turcotte DL. Forest fires: An example of self-organized critical behavior. „Science”. 281 (5384), s. 1840–1842, September 1998. DOI: 10.1126/science.281.5384.1840. PMID: 9743494. Bibcode1998Sci...281.1840M. 
  17. Poil SS, Hardstone R, Mansvelder HD, Linkenkaer-Hansen K. Critical-state dynamics of avalanches and oscillations jointly emerge from balanced excitation/inhibition in neuronal networks. „The Journal of Neuroscience”. 32 (29), s. 9817–9823, July 2012. DOI: 10.1523/JNEUROSCI.5990-11.2012. PMID: 22815496. PMCID: PMC3553543. 
  18. Chialvo DR. Emergent complex neural dynamics. „Nature Physics”. 6 (10), s. 744–750, 2010. DOI: 10.1038/nphys1803. arXiv:1010.2530. ISSN 1745-2481. Bibcode2010NatPh...6..744C. (ang.). 
  19. Tagliazucchi E, Balenzuela P, Fraiman D, Chialvo DR. Criticality in large-scale brain FMRI dynamics unveiled by a novel point process analysis. „Frontiers in Physiology”. 3, s. 15, 2012. DOI: 10.3389/fphys.2012.00015. PMID: 22347863. PMCID: PMC3274757. 
  20. Caldarelli G, Petri A. Self-Organization and Annealed Disorder in Fracturing Process. „Physical Review Letters”. 77 (12), s. 2503–2506, September 1996. DOI: 10.1103/PhysRevLett.77.2503. PMID: 10061970. Bibcode1996PhRvL..77.2503C. 
  21. Frette V, Christensen K, Malthe-Sørenssen A, Feder J, Jøssang T, Meakin P. Avalanche dynamics in a pile of rice. „Nature”. 379 (6560), s. 49–52, 1996. DOI: 10.1038/379049a0. Bibcode1996Natur.379...49F. 
  22. Bédard C, Kröger H, Destexhe A. Does the 1/f frequency scaling of brain signals reflect self-organized critical states?. „Physical Review Letters”. 97 (11), s. 118102, September 2006. DOI: 10.1103/PhysRevLett.97.118102. arXiv:q-bio/0608026. PMID: 17025932. Bibcode2006PhRvL..97k8102B. 
  23. Hesse J, Gross T. Self-organized criticality as a fundamental property of neural systems. „Frontiers in Systems Neuroscience”. 8, s. 166, 2014. DOI: 10.3389/fnsys.2014.00166. PMID: 25294989. PMCID: PMC4171833. 
  24. Hoffmann H, Payton DW. Optimization by Self-Organized Criticality. „Scientific Reports”. 8 (1), s. 2358, February 2018. DOI: 10.1038/s41598-018-20275-7. PMID: 29402956. PMCID: PMC5799203. Bibcode2018NatSR...8.2358H.