PL 
EnglishDomyślny
Українська⏳ Model stosu piasku
Samoorganizująca się krytyczność Baka–Tanga–Wiesenfelda. Sypaj ziarna piasku na siatkę; komórki o wysokości ≥ K obsuwają się i rozdają ziarna czterem sąsiadom. Lawiny wszystkich rozmiarów mają rozkład potęgowy.
Podobne symulacje
O stosie piasku (samoorganizująca się krytyczność)
Model stosu piasku Baka-Tanga-Wiesenfelda (BTW), wprowadzony w 1987 roku, jest kanonicznym przykładem samoorganizującej się krytyczności (SOC): układu napędzająco-dyssypacyjnego, który samoistnie dostraja się do stanu krytycznego bez żadnego zewnętrznego dostrajania parametrów. Ziarna są dodawane pojedynczo do losowych komórek na siatce; gdy tylko komórka zgromadzi cztery lub więcej ziaren, przewraca się, rozdzielając po jednym ziarnie do każdego ze swoich czterech sąsiadów (ziarna na brzegu są tracone). Pojedyncze dodane ziarno może wywołać lawinę, która dotyczy tylko jednej komórki lub rozprzestrzenia się po całej siatce — a rozkład wielkości lawin podlega prawu potęgowemu P(s) ∝ s−3/2, bez żadnej charakterystycznej skali.
Dodawaj ziarna ręcznie lub w sposób ciągły i obserwuj kaskady przewracania oznaczone kolorami, rozprzestrzeniające się po siatce. Wykres log-log wielkości lawin gromadzi dane w czasie rzeczywistym, ujawniając potęgową sygnaturę krytyczności. Porównaj fraktalopodobne wzorce aktywności z utratami brzegowymi i bez nich.
Najczęściej zadawane pytania
Czym jest samoorganizująca się krytyczność (SOC)?
SOC opisuje klasę układów dynamicznych, które w naturalny sposób ewoluują w kierunku stanu krytycznego — granicy między porządkiem a chaosem — bez żadnego dostrajania parametrów zewnętrznych. W stanie krytycznym fluktuacje wszystkich rozmiarów występują z częstością opisaną prawem potęgowym: żadna pojedyncza skala nie dominuje. SOC zaproponowali Per Bak, Chao Tang i Kurt Wiesenfeld w 1987 roku jako ujednolicone wyjaśnienie rozkładów potęgowych obserwowanych w przyrodzie, od magnitud trzęsień ziemi (prawo Gutenberga-Richtera) po rozbłyski słoneczne i lawiny neuronowe w mózgu.
Jakie są reguły przewracania w modelu BTW?
Każda komórka (i, j) na siatce przechowuje całkowitą liczbę ziaren piasku z(i,j). Gdy tylko z(i,j) ≥ 4, komórka się przewraca: z(i,j) → z(i,j) − 4, a każdy z jej czterech najbliższych sąsiadów zyskuje 1 ziarno. Komórki brzegowe tracą ziarna, które spadłyby poza krawędź (ta dyssypacja jest niezbędna, aby układ osiągnął stan stacjonarny). Przewracanie powtarza się iteracyjnie — jedno przewrócenie może wywołać kaskadę u sąsiadów — aż wszystkie komórki będą miały mniej niż 4 ziarna. Cała kaskada liczy się jako jedna lawina.
Dlaczego rozkład wielkości lawin jest opisany prawem potęgowym?
W stanie samoorganizującej się krytyczności układ jest niezmienniczy względem skali: nie istnieje charakterystyczny rozmiar lawiny. Małe zaburzenia mogą być wzmacniane bez ograniczeń, ponieważ stos znajduje się na granicy stabilności jednocześnie wszędzie. Ta niezmienniczość skali jest cechą charakterystyczną przejścia fazowego drugiego rodzaju — z tą różnicą, że tutaj układ osiąga krytyczność automatycznie, bez dostrajania parametru kontrolnego. Wykładnik τ ≈ 1,5 (P(s) ∝ s−τ) jest uniwersalny dla modelu BTW w 2D.
Czy model BTW jest dokładnie rozwiązywalny?
Stos piasku BTW na skończonej siatce z otwartymi brzegami można analizować za pomocą teorii grup abelowych (reguły przewracania modelu przemiennie się komutują, co czyni go „abelowym stosem piasku”). Algorytm spalania Dhara (1990) skutecznie określa, czy konfiguracja jest rekurencyjna. W granicy termodynamicznej wykładniki krytyczne i funkcje korelacji modelu zostały wyprowadzone za pomocą konforemnej teorii pola, identyfikując go z logarytmiczną CFT o c=−2 — jednym z najbogatszych matematycznie aspektów SOC.
Jakie zjawiska w świecie rzeczywistym wykazują SOC?
SOC zaproponowano dla: trzęsień ziemi (prawo Gutenberga-Richtera: log N ∝ −bM przy b ≈ 1); rozbłysków słonecznych (rozkład potęgowy energii obejmujący 8 rzędów wielkości); lawin neuronowych w korze mózgowej (kaskady wyładowań neuronów podlegają P(s) ∝ s−3/2); pożarów lasów (rozkład wielkości pożarów); zmienności rynku giełdowego; oraz zdarzeń wymierania w paleontologii (krzywa wymierania Raupa). W każdym przypadku prawo potęgowe obejmuje kilka rzędów wielkości, co sugeruje wspólny mechanizm leżący u podstaw — choć to, czy SOC jest właściwym wyjaśnieniem, pozostaje dyskusyjne w niektórych przypadkach.
Czym model BTW różni się od rzeczywistych stosów piasku?
Prawdziwe stosy piasku mają okresowe lawiny o charakterystycznym rozmiarze, zależnym od kształtu ziaren, tarcia i geometrii stosu — w prostych eksperymentach nie wykazują szerokich rozkładów potęgowych. Fizycy czasem mówią, że nazwa „stos piasku” BTW jest myląca. Jednak eksperyment ze stosem ryżu przeprowadzony przez Frette i współpracowników (1996), wykorzystujący wydłużone ziarna ryżu — o większej złożoności geometrycznej — rzeczywiście wykazał lawiny potęgowe, dostarczając najbliższej rzeczywistej realizacji SOC modelu BTW.
Jaki jest związek między SOC a szumem 1/f?
SOC zaproponowano częściowo, aby wyjaśnić szum 1/f (różowy) — widma mocy, w których gęstość mocy skaluje się jako 1/f^α (α ≈ 1) w wielu rzędach wielkości częstotliwości. Szum 1/f pojawia się w fluktuacjach napięcia w rezystorach, odstępach między uderzeniami serca, muzyce i poziomach przepływu rzek. Model BTW generuje fluktuacje czasowe podobne do szumu 1/f jako emergentną konsekwencję swojej bezskalowej dynamiki lawin, łącząc przestrzenne prawo potęgowe (rozmiar lawiny) z czasowym (widmo częstotliwości).
Czym jest „element neutralny” w abelowym stosie piasku?
Grupa abelowego stosu piasku ma niezwykły element neutralny: unikalną konfigurację zid taką, że dodanie zid do dowolnego stanu rekurencyjnego, a następnie stabilizacja, zwraca ten sam stan. W 2D konfiguracja neutralna wyświetla zawiłe, fraktalopodobne wzory o dokładnej symetrii trójkątnej, które wyłaniają się czysto ze struktury algebraicznej — nie są wprowadzone ręcznie. Generowanie i wizualizacja elementu neutralnego na dużych siatkach to poważne wyzwanie obliczeniowe, dające jedne z najbardziej estetycznie uderzających obrazów w fizyce matematycznej.
Czy model stosu piasku może symulować aktywność neuronową?
Lawiny neuronowe — kaskady lokalnych potencjałów polowych w hodowlach skrawków kory mózgowej — podlegają prawom potęgowym niezwykle zgodnym z SOC (P(s) ∝ s−3/2), po raz pierwszy opisanym przez Beggsa i Plenza w 2003 roku. Kora mózgowa może samoorganizować się do krytyczności, ponieważ stan krytyczny maksymalizuje transmisję informacji, zakres dynamiczny i wrażliwość na bodźce. Zakłócenie prawa potęgowego wiązano z napadami padaczkowymi (stan nadkrytyczny) i znieczuleniem (stan podkrytyczny), co czyni SOC potencjalnym biomarkerem neuronowym.
Jaka jest różnica między SOC a zwykłymi zjawiskami krytycznymi?
W zwykłych równowagowych przejściach fazowych (np. ferromagnetyk Isinga) krytyczność występuje przy jednej, precyzyjnie dostrojonej temperaturze Tc. Odchylenie T od Tc niszczy krytyczność. Układy SOC mają natomiast powolny napęd (dodawanie ziaren) zrównoważony dyssypacją (straty brzegowe), co działa jak automatyczna pętla sprzężenia zwrotnego: jeśli układ jest podkrytyczny, ziarna gromadzą się i zwiększają łączność, aż osiągnie punkt krytyczny; jeśli nadkrytyczny, duże lawiny szybko rozpraszają ziarna z powrotem do krytyczności.
Czy istnieją inne modele SOC poza stosem piasku BTW?
Tak — bogata rodzina: model Manny (losowy kierunek przewracania) ma inne wykładniki krytyczne i uważa się, że należy do innej klasy uniwersalności; modele pożarów lasu (Drossel-Schwabl) wykazują SOC poprzez wzrost drzew i zapłon od pioruna; model Olami-Federa-Christensena (OFC) wykorzystuje ciągłe wartości rzeczywiste naprężeń i jest standardowym modelem SOC dla trzęsień ziemi. Każdy wykazuje dynamikę bezskalową w szerokim zakresie, ale z odrębnymi wykładnikami, geometrią i klasami uniwersalności.
O tej symulacji
Ten symulator odtwarza model stosu piasku Baka-Tanga-Wiesenfelda, standardowy przykład samoorganizującej się krytyczności. Ziarna gromadzą się na siatce, a każda komórka, która osiąga krytyczną wysokość K, przewraca się, rozsypując po jednym ziarnie do każdego ze swoich czterech sąsiadów — zdarzenie, które może przerodzić się w lawinę dowolnego rozmiaru, od pojedynczego przewrócenia po takie, które ogarnia całą siatkę. Rozkład wielkości lawin ustala się w prawo potęgowe bez naturalnej skali, cechę charakterystyczną układu, który samoorganizował się do granicy stabilności.
🔬 Co przedstawia
Każda komórka jest kolorowana według liczby ziaren, od niemal czarnego (pusta) przez zielony, bursztynowy i czerwony w miarę zbliżania się do wysokości krytycznej. Kaskady przewracania rozchodzą się falami koloru, a żywy wykres log-log pod siatką rejestruje rozmiar każdej lawiny — jego niemal prosta linia jest wizualną sygnaturą prawa potęgowego.
🎮 Jak korzystać
Wybierz tryb upuszczania — Centrum, Losowo lub Kliknięcie — aby ustalić, gdzie lądują ziarna. Suwak wysokości krytycznej K (2–8) ustala próg przewracania, Tempo upuszczania (1–50 ziaren/klatkę) ustala szybkość dodawania piasku, a Siatka (30×30 do 120×120) zmienia rozmiar sieci. Użyj Uruchom/Pauza i Reset poniżej, lub kliknij płótno w trybie Kliknięcie, aby upuścić mały stosik dokładnie tam, gdzie wskażesz.
💡 Czy wiesz, że?
Gdy Per Bak, Chao Tang i Kurt Wiesenfeld wprowadzili ten model w 1987 roku, zaproponowali samoorganizującą się krytyczność, aby wyjaśnić prawa potęgowe obserwowane w całej przyrodzie — od magnitud trzęsień ziemi po rozbłyski słoneczne — powstające bez dostrajania jakiegokolwiek parametru przez kogokolwiek.
Najczęściej zadawane pytania
Co właściwie kontroluje suwak wysokości krytycznej K?
K określa, ile ziaren może pomieścić komórka, zanim się przewróci. Zwiększenie K opóźnia przewracanie, pozwalając ziarnom gromadzić się lokalnie, zanim rozpocznie się lawina, a jego zmniejszenie (do 2) sprawia, że przewracanie — i kaskady — zaczynają się znacznie szybciej.
Dlaczego ziarna znikają na krawędzi siatki?
Symulacja wykorzystuje otwarty brzeg: gdy przewrócenie wysyła ziarno poza krawędź, to ziarno po prostu opuszcza układ, zamiast zawijać się wokół. Ta dyssypacja pozwala stosowi osiągnąć stały stan krytyczny zamiast rosnąć bez ograniczeń.
Jaka jest różnica między trzema trybami upuszczania?
Centrum zawsze dodaje ziarna do pojedynczej komórki na środku siatki, klasyczny sposób wyrastania stosu piasku ze źródła punktowego. Losowo rozprasza ziarna po całej siatce w każdej klatce, a Kliknięcie pozwala upuścić mały stosik dwudziestu ziaren tam, gdzie wskażesz, dzięki czemu możesz wywoływać lawiny na żądanie.
Dlaczego wykres log-log wygląda mniej więcej jak linia prosta?
Wykres śledzi, jak często występują lawiny każdego rozmiaru, przy obu osiach w skali logarytmicznej. Ponieważ rozmiary lawin podlegają prawu potęgowemu, wykreślenie liczby względem rozmiaru na osiach log-log daje coś zbliżonego do linii prostej — dowód, że lawiny o bardzo różnych rozmiarach podlegają tej samej prostej regule przewracania.
Czy rozmiar siatki wpływa na zachowanie lawin?
Większa siatka daje lawinom więcej miejsca na rozprzestrzenianie się, więc największe kaskady zarejestrowane na siatce 120×120 mogą znacznie przewyższać te na siatce 30×30, choć leżący u podstaw wykładnik potęgowy pozostaje taki sam. Zmiana rozmiaru siatki resetuje symulację, ponieważ konfiguracja ziaren ma sens tylko przy jej pierwotnym rozmiarze.
Samoorganizująca się krytyczność Baka-Tanga-Wiesenfelda. Upuszczaj ziarna piasku na siatkę; komórki o wysokości ≥ K przewracają się i rozdzielają ziarna do czterech sąsiadów. Lawiny wszystkich rozmiarów pojawiają się zgodnie z rozkładem potęgowym.
3D · Renderer Three.js / WebGL · docelowo 60 FPS · działa w całości po stronie klienta, bez instalacji