Oscylacje fal mózgowych: Połączone zegary za EEG

Magnetic Field Simulation - Faraday's Law

The simulation explores how changes in magnetic fields can induce electric currents, a fundamental principle known as Faraday’s Law. This law describes the relationship between the rate of change of a magnetic field through a given area and the electromotive force (EMF) induced in that area. The simulation allows you to manipulate various parameters – such as the strength and orientation of the magnetic field, and the geometry of the conductive loop – to observe how these changes affect the generated current.

The core mechanics are based on Ampère’s Law and Lenz’s Law. Ampère's Law dictates that a magnetic field is created by electric currents. The simulation models this by generating a virtual magnetic field based on the simulated current flowing through the loop. Lenz’s Law then ensures that the induced current flows in such a direction as to oppose the change in the original magnetic field – a crucial aspect of maintaining energy conservation. You can adjust parameters like coil resistance and permeability to see how these factors influence the magnitude and direction of the induced EMF and, consequently, the generated current.

Key elements within the simulation include: a virtual conductive loop (represented by its shape and dimensions), a magnetic field source (which you can control in terms of strength and direction), and sensors that measure the induced current. By changing these parameters and observing the results, you gain an intuitive understanding of Faraday’s Law and its implications for electromagnetic induction.

d(theta_i)/dt = omega_i + (K/N) * sum_j sin(theta_j - theta_i)

theta_i   phase of oscillator i
omega_i   its natural (uncoupled) frequency
K         coupling strength
N         number of oscillators

Pole wielomiarowy: mierzenie synchronności w jednej liczbie

Trójkropek Kuramoto do ilości synchroniczności polega na traktowaniu fazy każdego oscylatora jako punktu na okręgu jednostkowym i uśrednianiu ich pozycji jako liczb zespolonych:

r * e^(i*psi) = (1/N) * suma_j e^(i*theta_j) r synchronność ('współczynnik rzędu'), 0 (nierozłączny) do 1 (idealnie w fazie) psi średnia faza populacji Jeśli każda faza jest równomiernie rozrzucona po okręgu, wektory znoszą się i r ≈ 0. Jeśli każdy oscylator dzieli tę samą fazę, wektory się nakładają i r = 1. Wraz ze wzrostem K powyżej krytycznej wartości K_c (ustalonej rozrzutem naturalnych częstotliwości), populacja przechodzi fazowy przejście: r skacze z blisko zera do rosnącej wartości dodatniej, a spójny rytm wyłania się z chaosu bez zewnętrznego przewodnika. Ta bifurkacja stanowi szkielet matematyczny, dlaczego wykresy EEG czasami pokazują silny, czysty rytm, a czasami wyglądają jak płaski szum – jest to dosłowne przejście parametru rzędu, napędzane siłą współbieżności pobliskich populacji kortikalnych w tym momencie.

r * e^(i*psi) = (1/N) * sum_j e^(i*theta_j)

r     synchrony ('order parameter'), 0 (incoherent) to 1 (perfectly in phase)
psi   mean phase of the population

Faraday's Law in Magnetic Field Simulation

Faraday’s Law describes the relationship between a changing magnetic field and an induced electric field. In our simulation, this law is fundamental to how we model the interaction of moving charges within a magnetic field, generating currents that contribute to the overall magnetic force.

The core principle involves the following: A time-varying magnetic flux through a loop of wire creates an electromotive force (EMF) in that loop. This EMF then drives a current proportional to the rate of change of the magnetic flux and the number of turns in the loop. We represent this mathematically as: EMF = -d(ΦB)/dt, where ΦB is the magnetic flux.

Within the simulation, we utilize this principle to accurately model the behavior of conductive materials within a magnetic field. The strength and direction of the induced current are directly determined by the magnitude and rate of change of the applied magnetic field, allowing us to observe and predict the resulting forces and interactions.

delta  0.5-4  Hz   deep dreamless sleep, slow-wave sleep
theta  4-8   Hz   drowsiness, meditation, memory encoding
alpha  8-13  Hz   relaxed wakefulness, eyes closed, idling visual cortex
beta   13-30 Hz   active thinking, focus, motor planning
gamma  30-100 Hz  binding of features into one percept, high-level integration

Szum, sprzężenia i dlaczego rzeczywisty EKG nigdy nie jest czystą falą sinusoidalną

Dwa pokrętła kształtują symulowany zapis: sprzężenie K określa, w jakim stopniu oscylatory przyciągają się do fazy, a niezależny szum na fazie każdego oscylatora próbuje ich rozróżnić. Rzeczywisty korteks znajduje się w podobnej walce – neuromodulatory, stan pobudzenia i wymagania zadania stale dostosowują efektywne sprzężenie między populacjami, dlatego rzeczywisty zapis EKG jest zmieniającą się mieszaniną pasm zamiast czystego tonu, a parametr r oscyluje z momentu na moment zamiast ustalać się na stałą wartość.

Zasada Faradaya i ograniczenia modelu

Model Kuramoto jest celowo uproszczeniem: prawdziwe kolumny kortikalne nie są pojedynczymi oscylatorami z pojedynczą fazą, a sprzężenia nie są w pełni połączone z jednolitymi parametrami. Nie wpływa na opóźnienia przewodzenia aksonów, które mają znaczenie dla synchronizacji o wysokiej częstotliwości na duże odległości. Jego wartość polega na tym, że jest to najprostszy model, który reprodukuje rzeczywisty fenomen – ostry przejście synchronizacyjne kontrolowane jednym parametrem sprzężenia – z równaniami, które można rozwiązać analitycznie. Bardziej szczegółowe modele neuronowe-masy i biopowietrzne (Wilson-Cowan, Jansen-Rit, sieci Hodgkin-Huxley) dodają realizmu kosztem utraty tego czystego obrazu analitycznego, w jaki sposób synchronizacja się włącza.

Frequently asked questions

Wypróbuj na żywo

Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz Brainwave Oscillations i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.