Nauka #40: Samoorganizująca się krytyczność

W 1987 roku Per Bak, Chao Tang i Kurt Wiesenfeld opublikowali zwodniczo prosty model, który przeformułował sposób, w jaki fizycy myślą o złożoności. Ich praca wprowadziła termin samoorganizująca się krytyczność (SOC) i zaproponowała, że wiele naturalnych układów — geologicznych, biologicznych, ekonomicznych — spontanicznie ewoluuje do stanu krytycznego bez żadnego zewnętrznego dostrajania. Kupka piasku BTW jest kanonicznym przykładem, a jej zachowanie odblokowuje zaskakująco szeroki zakres zjawisk.

Kupka piasku BTW: jedna reguła, niekończąca się złożoność

Model jest zdefiniowany na dwuwymiarowej siatce. Każda komórka i zawiera całkowitą liczbę ziaren piasku, z(i). Dynamika jest rządzona pojedynczą regułą przewracania: jeśli nachylenie (lub liczba ziaren) w dowolnej komórce przekracza próg z_c, ta komórka "przewraca się" — traci cztery ziarna, a każdy z jej czterech sąsiadów zyskuje jedno. Ziarna, które wypadają poza granicę siatki, są po prostu tracone.

if z(i,j) >= z_c:
    z(i,j)    -= 4
    z(i+1,j) += 1
    z(i-1,j) += 1
    z(i,j+1) += 1
    z(i,j-1) += 1

Piasek jest dodawany do siatki po jednym ziarnie w losowej pozycji. Kupka stopniowo się stromieje. Początkowo większość dodań nie powoduje żadnego przewracania. Gdy średnie nachylenie zbliża się do progu krytycznego na całej siatce, pojawia się bogata struktura lawinowa. Mówi się wtedy, że układ jest w punkcie krytycznym.

Tym, co czyni SOC naprawdę zaskakującym, jest to, że krytyczność jest samoorganizująca się. W zwykłych zjawiskach krytycznych — wrzenie wody, ferromagnetyki tracące namagnesowanie w temperaturze Curie — krytyczność jest izolowanym punktem w przestrzeni parametrów, wymagającym starannego zewnętrznego dostrojenia temperatury, ciśnienia lub natężenia pola. Kupka piasku BTW dostraja się sama. Nie trzeba wybierać specjalnego tempa dodawania ziaren ani specjalnego progu. Każde wystarczająco długie uruchomienie kończy się w stanie krytycznym.

Prawa potęgowe: odcisk palca krytyczności

Gdy kupka piasku osiągnie swój stan krytyczny, rozkład rozmiarów lawin s podąża za prawem potęgowym:

P(s) ~ s^(-tau)

gdzie wykładnik τ ≈ 1,0–1,5 w zależności od wymiarowości modelu. Na wykresie log–log wygląda to jak prosta linia o ujemnym nachyleniu. Prawo potęgowe nie ma charakterystycznej skali — nie istnieje "typowy" rozmiar lawiny. Małe lawiny są bardzo częste; duże są rzadkie; ale zdarzenia każdego rozmiaru występują, a stosunek prawdopodobieństw zależy wyłącznie od stosunku rozmiarów, nie od samych rozmiarów.

Kluczowy wgląd: rozkład potęgowy jest bezskalowy. Jeśli podwoisz minimalny obserwowany rozmiar lawiny, kształt pozostałego rozkładu wygląda identycznie. Ta samopodobieństwo jest tą samą właściwością, która leży u podstaw fraktali.

Przestrzenny profil lawiny jest również fraktalny. W punkcie krytycznym klastry przewracania mają wymiar fraktalny D_f ≈ 2,75 w dwóch wymiarach, co oznacza, że nie są ani zwartymi bryłami, ani prostymi liniami, lecz postrzępionymi, rozgałęziającymi się strukturami wypełniającymi przestrzeń w sposób niecałkowity.

Dlaczego rozkłady wykładnicze nie wystarczają

Wiele znanych procesów stochastycznych wytwarza ogony wykładnicze: czas oczekiwania między zdarzeniami Poissona, rozpad jądra promieniotwórczego. Ogony wykładnicze mają charakterystyczną skalę (średnią), więc duże odchylenia są tłumione wykładniczo. Układy potęgowe są zasadniczo inne: dopuszczają zdarzenia "czarnego łabędzia", które są jedynie mało prawdopodobne, a nie pomijalnie mało prawdopodobne. Trzęsienie ziemi o magnitudzie 8 nie jest ogromnie rzadsze niż o magnitudzie 7; jest około dziesięć razy rzadsze, zgodnie z prawem Gutenberga–Richtera:

log N(M) = a - b*M     (b ~ 1)

gdzie N(M) to liczba trzęsień ziemi o magnitudzie co najmniej M. To prawo potęgowe obowiązuje w zakresie sześciu rzędów wielkości i jest jednym z najbardziej solidnych praw empirycznych w geofizyce.

SOC w naturze: trzęsienia ziemi, neurony i lasy

Prawo Gutenberga–Richtera było znane dekady przed modelem BTW, ale SOC nadało mu mechanistyczną interpretację. Skorupa ziemska, obciążana powoli naprężeniami tektonicznymi i uwalniana nagłymi poślizgami, zachowuje się bardzo podobnie do ciągle napędzanej kupki piasku. Skorupa samoczynnie dostraja się do stanu, w którym systemy uskoków są wszędzie bliskie zniszczenia, a wynikający z tego rozkład rozmiarów poślizgu jest potęgowy.

Lawiny neuronowe

Być może najbardziej uderzającym zastosowaniem SOC jest neuronauka. Beggs i Plenz (2003) rejestrowali lokalne potencjały polowe z hodowli skrawków korowych i odkryli, że spontaniczne wybuchy aktywności neuronalnej — nazywane obecnie lawinami neuronalnymi — podążają za potęgowym rozkładem rozmiarów z τ ≈ 1,5, dokładnie jak przewidywały modele SOC. Ten sam wykładnik obserwowano od tego czasu u obudzonych naczelnych, znieczulonych szczurów oraz w zapisach EEG u ludzi w stanie spoczynku.

Dlaczego mózg miałby działać blisko punktu krytycznego? Prace teoretyczne sugerują, że w krytyczności sieci maksymalizują swój zakres dynamiczny (stosunek największego do najmniejszego wykrywalnego sygnału), swoją zdolność przesyłania informacji oraz wrażliwość na słabe bodźce. Mózg, który jest albo zbyt bierny (podkrytyczny), albo zbyt podatny na napady (nadkrytyczny), radzi sobie gorzej we wszystkich tych miarach. SOC może być funkcjonalnym optimum.

Pożary lasów i model Drossela–Schwabla

Model pożarów lasów Drossela–Schwabla rozszerza idee BTW: drzewa rosną losowo na siatce; pioruny uderzają okazjonalnie; pożary rozprzestrzeniają się na sąsiednie płonące drzewa, a następnie gasną. Przy odpowiednim stosunku tempa wzrostu do tempa zapłonu model wytwarza bezskalowe rozkłady rozmiarów pożarów. Rzeczywiste dane satelitarne o pożarach lasów pokazują podobną statystykę potęgową, choć debata na temat dokładnych wykładników i mechanizmów napędowych w różnych biomach wciąż trwa.

Wspólny wątek: we wszystkich tych układach powolne zewnętrzne napędzanie (dodawanie ziaren, naprężenia tektoniczne, wzrost drzew) ładuje energię do medium dyssypatywnego, które odpowiada lawinami. Rozdzielenie skal czasowych — powolne napędzanie, szybkie rozładowanie — wydaje się niezbędne, by SOC mogła się wyłonić.

Poza kupką piasku: SOC i renormalizacja

Matematyczny język leżący u podstaw SOC łączy ją z grupą renormalizacji (RG), ramami, których fizycy używają do zrozumienia przejść fazowych. W punkcie krytycznym układ wygląda tak samo na każdej skali obserwacji. RG opisuje to, pokazując, że parametry układu płyną pod przeskalowaniem do punktu stałego. W SOC ten punkt stały jest osiągany dynamicznie, a nie przez dostrajanie parametrów zewnętrznych — cecha, którą Bak i współpracownicy nazwali "równowagą przerywaną" na granicy chaosu.

Dokładne wykładniki przewidywane przez model BTW w dwóch wymiarach zostały obliczone analitycznie przy użyciu matematyki abelowych kupek piasku. Model jest abelowy, ponieważ kolejność, w jakiej przewracasz komórki, nie wpływa na końcową stabilną konfigurację, tylko na ścieżkę do niej. Ta przemienność pozwala na dokładne rozwiązania poprzez drzewa rozpinające na siatce — wynik, który łączy SOC z mechaniką statystyczną i kombinatoryką w nieoczekiwany sposób.

Otwarte pytania

Mimo trzydziestu lat badań SOC nie jest zamkniętą teorią. Kluczowe otwarte pytania obejmują:

Które układy naprawdę wykazują SOC, a które mają prawa potęgowe z innych powodów (np. szum multiplikatywny lub preferencyjne dołączanie)?
Czy lawiny neuronalne utrzymują się w znieczuleniu, czy mechanizmy biologiczne, takie jak depresja synaptyczna i plastyczność krótkoterminowa, są niezbędne?
Czy wykładniki SOC można zmierzyć w naturze wystarczająco precyzyjnie, by odróżnić konkurujące modele?
Czy mózg aktywnie reguluje swoją odległość od punktu krytycznego, wykorzystując neuromodulatory, takie jak dopamina i acetylocholina, jako pokrętła kontrolne?

Wypróbuj sam

Najlepszym sposobem na zbudowanie intuicji dotyczącej SOC jest obserwowanie lawin rozgrywających się w czasie rzeczywistym. Poniższe symulacje na mysimulator.uk pozwalają interaktywnie eksplorować opisane wyżej zjawiska w przeglądarce.

Kupka piasku BTW Upuszczaj ziarna na siatkę 2D i obserwuj rosnące kaskady lawin. Przełącz wykres log–log, by zobaczyć potęgowy rozkład rozmiarów w czasie rzeczywistym. Otwórz symulację → Dynamika lawiny Model oparty na nachyleniu, bliższy fizycznemu medium ziarnistemu. Zmieniaj tempo dodawania ziaren i próg, by obserwować przejście między reżimem podkrytycznym a krytycznym. Otwórz symulację → Uskok trzęsienia ziemi Model uskoku typu spring-block (styl Burridge–Knopoff). Obserwuj, jak buduje się prawo potęgowe Gutenberga–Richtera, gdy narasta syntetyczna sejsmiczność na wykresie magnitudy log–log. Otwórz symulację →

W symulatorze kupki piasku ustaw siatkę na co najmniej 128×128 komórek i pozwól jej działać przez kilka tysięcy upuszczeń ziaren, zanim odczytasz histogram rozmiarów. Rozkład potrzebuje dużej próbki, by wyraźnie ujawnić swój potęgowy ogon. Możesz też spróbować podwoić próg przewracania i zaobserwować, że wykładnik jest odporny — zmienia się tylko odcięcie długości (maksymalny rozmiar lawiny dopuszczalny przez siatkę).

Myśl na zakończenie

Samoorganizująca się krytyczność oferuje niezwykłą odpowiedź na pytanie, dlaczego tak wiele naturalnych układów wykazuje zachowanie bezskalowe. Zamiast wymagać starannej zewnętrznej ręki dostrajającej je do punktu krytycznego, ewoluują tam samodzielnie, napędzane niczym więcej niż powolnym ładowaniem i dyssypacją opartą na progu. Wynikające z tego prawa potęgowe nie są przypadkami statystycznymi; są sygnaturą dynamicznego punktu stałego, ku któremu układ jest nieustannie przyciągany.

Kupka piasku BTW jest, w pewnym sensie, jednym z najprostszych układów, które mogą być naprawdę zaskakujące na każdej skali. Pojedyncze ziarno upuszczone na krytyczną kupkę może nie zrobić nic albo może wywołać kaskadę, która przekształci połowę siatki. Ta niepewność nie jest szumem do uśrednienia — to fizyka.

nauka fizyka złożoność