1 / 64

Criticalidad auto-organizada

Criticalidad auto-organizada. Carlos Reynoso UNIVERSIDAD DE BUENOS AIRES billyreyno@hotmail.com. Objetivos (1/2). Plantear una pregunta crucial

dora
Download Presentation

Criticalidad auto-organizada

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Criticalidad auto-organizada Carlos ReynosoUNIVERSIDAD DE BUENOS AIRESbillyreyno@hotmail.com

  2. Objetivos (1/2) • Plantear una pregunta crucial • Para diversos sistemas con múltiples elementos relacionados de maneras complejas ¿hay algún mecanismo que explique al menos algo de su conducta, o ésta depende crucialmente de los detalles de cada sistema? • Comprender la teoría de SOC como modelo que vincula diversas ideas de la complejidad • Establecer posibilidades y limitaciones • Examinar aplicaciones en ciencias sociales y biológicas – Definir recursos, herramientas y trabajos

  3. Objetivos (2/2) • Formular otras preguntas importantes: • La criticalidad tiene que ver con transiciones de fase: ¿Qué teorías alternativas tienen las ciencias sociales al respecto? • Además: Fuera del modelo evolucionista ¿qué modelos de cambio hay disponibles? • En las series temporales o en los procesos colectivos ¿Qué dinámicas se manifiestan?

  4. Agenda • Contexto histórico • Principales ideas y conceptos • Temas conexos • Ley de potencia • Percolación • Sociofísica • Crecimiento biológico (Morfogénesis) • Aplicaciones en antropología y otras disciplinas • Herramientas y recursos

  5. Criticalidad auto-organizada • Per Bak[1948-2002]

  6. How nature works

  7. How nature worksGutenberg-Richter, terremotos

  8. How nature worksMandelbrot, precios del algodón El exponente de la ley de potencia corresponde a la inclinación de la curva

  9. Ley de potencia • Siendo s la intensidad de un terremoto, el número de terremotos de esa magnitud sería: • N(s) = s- • Un terremoto es probable proporcionalmente a la potencia inversa de su magnitud • Dado que tanto la ley de potencia como la distribución lognormal son asintóticas, se propone esta regla: • Una distribución es de ley de potencia si produce una línea recta en un gráfico log-log sobre 3 o más órdenes de magnitud (10-100-1000)

  10. Ley de potencia • La mejor forma de entenderla es mediante la ley de [Max] Kleiber (1930) • La actividad metabólica escala a la ¾ potencia de la masa de un animal – Innumerables reportes en archivos* *Bateson – Espíritu y naturaleza, “El cuento del caballo poliploide”

  11. How nature worksModelado

  12. Criticalidad auto-organizada • Pila de arena: avalanchas (Per Bak) • Distribución de ley de potencia • Rasgo fractal (cuenca de ríos, palabras en texto, terremotos, ciudades/tamaño, riqueza, extinción de especies en eras geológicas) • Espectro de potencia 1/f • No: estaturas, lotería; frecuencia estadística normal • Auto-organización • Comunicación y vecindad entre agentes • No proporcionalidad de causa y efecto: un grano  reacción en cadena • Independencia de objeto y escala (grano/tamaño) • Fractales naturales – Instantáneas de procesos críticos (Tamás Vicsek)

  13. Modelo de la pila de arena • El nombre es puramente heurístico • Se trató de un modelo de autómatas celulares con esa interpretación • No fue una pila de arena real • Las reglas que definen la dinámica del modelo derivan de su aparente relación con una pila de arena • El experimento que popularizó la SOC (Bak, Tang, Wiesenfeld [BTW] 1987) es posterior al Método de Morin, por ejemplo

  14. Modelo de la pila de arena

  15. Modelo de la pila de arena

  16. Metastabilidad • Capacidad de un estado de no equilibrio de persistir ciertotiempo • Usualmente se debe auna transiciónrelativamente lenta • Es una situacióninestable y transitoriapero relativamente larga • O bien: persiste en un ciertoequilibrio si no se la perturba, pero pasaría a un equilibriomás estable si se la perturbasuficientemente. • Débilmente estable • Transición inestable • Fuertemente estable

  17. Auto-organización • Término introducido por Ross Ashby [disp.] • Nada tiene que ver con subjetividad (Morin) ni con individualismo (autopoiesis) • Interpretaciones cuestionadas por el propio Ashby • Capacidad que tienen ciertos sistemas alejados del equilibrio (o disipativos) a desarrollar estructuras y patrones sin que haya manipulación o control por parte de un agente interno o externo • Surgimiento de patrones en reacciones químicas, o de estructuras en biología • En ciencias de la complejidad jamás se invocan causas externas

  18. Invariancia de escala • En mecánica estadística, es un rasgo de las transiciones de fase • Cerca de una transición de fase o punto crítico, las fluctuaciones ocurren a todas las escalas • Se debe buscar una teoría específicamente invariante de escala para describir el fenómeno (por ejemplo SOC) • Universalidad: Sistemas muy diversos pueden exhibir conductas idénticas en transiciones de fase

  19. Invariancia de escala • A veces se dice que los fractales son invariantes de escala, pero más precisamente son autosimilares • Algunos fractales pueden tener múltiples factores de escala simultáneos • Estos son estudiados por el análisis multifractal • Algunas distribuciones aleatorias también tienen invariancia de escala

  20. Transiciones de fase • Clasificación derivada de Ehrenfest, pero con otro significado • Primer orden • Discontinua. Involucran calor latente, régimen de clase mixta: agua en ebullición • Segundo orden • Continua. Más fáciles de estudiar. Poseen un punto crítico. Se las puede caracterizar mediante exponentes característicos. Fluctuaciones 1/f. Sistemas con los mismos exponentes críticos pertenecen a la misma clase de universalidad. • Teoría del grupo de renormalización: Las propiedades termodinámicas de un sistema cerca de una transición de fase dependen de pocos rasgos (dimensionalidad, simetría) y no de la naturaleza microscópica del objeto.

  21. Criticalidad • En las cercanías de la fase crítica, una interferencia afecta no sólo a los vecinos próximos, sino a la totalidad del sistema. • El sistema deviene crítico, en el sentido que todos los miembros se afectan mutuamente. • Semejanza con el concepto de filo del caos • Per Bak enfatiza afinidad con fractales, pero reniega de la teoría del caos • También es crítico respecto de Prigogine & cía

  22. Espectro de potencia • Power spectrum – Según BTW, sería 1/f para la pila de arena. • La densidad espectral, multiplicada por un factor adecuado, da la potencia de una onda por unidad de frecuencia. Habitualmente se mide en watts por herzio. • Muchos de los gráficos de frecuencia en realidad muestran la densidad espectral. • Es función de la frecuencia, no del tiempo; cuando se considera una serie temporal resulta un espectrograma.

  23. Discusiones • Las teorías super-generales siempre generan controversia entre los especialistas en los diversos campos. • Se ha señalado un error de cálculo, de modo que el espectro de potencia no sería 1/f, sino 1/f2 • Experimento de Oslo con granos de arroz, 1996. • Vidar Frette, Kim Christensen, Anders Malthe-Sørenssen, Jens Fedder • Funciona con granos largos, pero no con granos cortos. • De modo que no sería tan universal, sino que estaría relacionado con las características materiales del sistema.

  24. Aplicaciones

  25. Pánico Tamás Vicsek Simulación • Profesor de Física Biológica, Universidad de Eötvös Loránd. • Vinculado al grupo de László Barabási. • Autor de referencia de Per Bak en materia de formación de paisajes. • Estudia actualmente fenómenos de sincronización (Strogatz), redes IE, fenómenos de multitud (boids, ola mexicana, casos de pánico).

  26. Tamás Vicsek

  27. Modelos de crecimiento • Jaap Kandorp • Fractal modelling growth and form in biology [disp.] • Cómo surgen las formas en el proceso de crecimiento • Sistematización de los modelos revisados en este seminario • Vinculación de los principios fractales con principios constructivos (iterativos) y restricciones ambientales • Poder predictivo de modelo como criterio de adecuación • Saltos entre el individuo y el colectivo: del conocimiento del DNA de una gaviota no se puede predecir el comportamiento de una bandada • Importancia de estas observaciones para las ciencias sociales

  28. Modelos de crecimiento • D’Arcy Thompson – Eventos en el tiempo, no sólo en el espacio • Mecanismo de difusión por reacción (Turing, 1952) • Las bases químicas de la morfogénesis • Activadores e inhibidores • Biología matemática JD Murray [disp] • DLA – Witten/Sander, 1981 • IFS, sistemas-L • Construcciones geométricas iterativas (Kandorp) [disp] • Crecimiento modular, crecimiento acretivo, modelos de influencias externas

  29. Criticalidad y pánico • Saloma, Pérez, Tapang • Colas auto-organizadas y comportamiento independiente de escala en pánico real (2003) • La gente va saliendo en ráfagas (bursts) de varios tamaños con una signatura en arco especial • Se observa ley de potencia en el tamaño de las ráfagas cuando el ancho de la puerta es algo mayor que 1 (tamaño de persona) • Cuando hay 2 puertas no se obtiene un throughputQ mayor que el doble • Si las puertas no están suficientemente separadas, Qdisminuye bastante • Q es más elevado con gente relajada que con ansiosos

  30. Sociofísica • Nueva disciplina • Uso de física de sistemas complejos para el estudio de fenómenos colectivos • Vinculada con sociedades y culturas artificiales y modelos basados en agentes • Tamás Vicsek • La “ola mexicana” • Dietrich Stauffer, Serge Galam, Philip Ball Ola Simulación

  31. SociofísicaDietrich Stauffer • Universidad de Köln • Especialista en percolación y vida artificial • Muchos aspectos de la teoría de percolación están tomados de la teoría de las transiciones de fase • Aplicaciones no convencionales de física estadística • Simulaciones de competenciaentre lenguajes • Libro de percolacióndisponible

  32. Percolación • Dos tipos • De vínculo (bond) – Modelo de flujo por ligadura. • De sitio (site) – Modelo de flujo por nodo. Estos modelos son los más generales. • Un modelo de ligadura se puede reformular como uno de sitio sobre un enrejado diferente. Lo contrario no es posible. SimuLab/Blaze

  33. Percolación de vínculo y sitio

  34. Sociofísica – Serge Galam • Estudio físico de la inercia política en la sociedad contemporánea • Trabajó algún tiempo con Serge Moscovici • Recupera las intuiciones deSchelling, Axelrod, Stauffery otros • Modelados • Por ejemplo, el rumor francés (ningún avión cayó en el Pentágono) – Umbralcrítico, usualmente algo bajo • Percolación de soporte pasivo en losataques del 9/11 [disp.]

  35. Econofísica • Considera que la economía clásica se basa en una termodinámica del equilibrio que es inaplicable a la realidad • Brian Arthur • Ricardo Mansilla • Rosario Mantegna • Eugene Stanley • Hagen Kleinert • econophysics.org

  36. Psicofísica • Se remonta a la ley de Weber-Fechner, bien conocida por Bateson • Ernst Heinrich Weber [1795-1878], Fechner [1801-1887] • Relaciona intensidad de un estímulo con la sensación producida • Se percibe un cambio de 100 a 110, pero no de 1000 a 1010. Es una escala logarítmica. • Suplantada ahora por la ley de Stanley Stevens [1906-1973]

  37. Ley de Stevens • l=kl •  es la magnitud subjetiva del estímulo, l es la magnitud del estímulo físico,  es un exponente que depende del tipo de estímulo y k es una constante de proporcionalidad • Obviamente, es una ley de potencia

  38. 1/f en la cognición humana • Numerosos artículos en la bibliografía • Jeffrey Pressing • Eric-Jan Wagenmakers • Van Orden y otros (críticos) • Delignières (fractalidad de la autoestima)

  39. Flock, Herd, Shoal, Boids

  40. Flock, Herd, Shoal, Boids • El modelo clásico de multitudes es el de Craig Reynolds, 1987 • Modelo basado en agentes. Reglas de tipo Asimov: • Separación: No estar muy cerca de los que vuelan cerca • Alineamiento: Procurar que coincida la velocidad y dirección con las de los boids cercanos • Cohesión: Navegar hacia el centro percibido de la masa de los boids vecinos • No es un modelo de la totalidad, ni un modelo de las partes. Es un modelo de las relaciones inmediatas. • El orden social y la estructura son emergentes de las interacciones locales. 3D Boids

  41. Más de este tema en clase de modelos basados en agentes (MBA)**Lo que habría que preguntarse ahora es: ¿cuál es el modelo de interacción y auto-organización emergente que se maneja en antropología (o, para el caso, en autopoiesis)? La respuesta correcta parece ser: ninguno

  42. Andrea Rinaldo • Universidad de Padova • Formación de paisajes • Ley de Horton (ley de potencia) en la formación de cuencas hidrológicas • La tierra está organizada en estado crítico, fuera de equilibrio. Los paisajes son instantáneas de un proceso crítico dinámico.

  43. Atascos de tránsito 1 • Kai Nagel – Razones triviales o fuera de proporción • Las congestiones son fractales, con mini-atascos anidados • Es un proceso crítico con exponente de 1.5 • La señal es una “escalera del diablo” • Dynamics Solver • IFS to Chaos

  44. Atascos de tránsito 2 • Kai Nagel, ahora con Heinz Herrmann • Pruebas de varios modelos deterministas • SOC, definida por el vehículo más lento • Kai Nagel, con Steen Rasmussen • Inutilidad sistemática de poner agentes que traten de optimizar su región local • Maya Paczuski y Kai Nagel • Atascos fantasmas generados por trivialidades, antes que por eventos importantes • El estado óptimo de mayor eficiencia (con el mejor throughput) es un estado crítico con atascos de todos los tamaños

  45. Aplicaciones • Bentley (Wisconsin) / Maschner (Idaho) – SOC aplicada a lista de venta de discos • Modelo crítico de extinción, agentes compitiendo por espacio limitado (top 200) • Similar a otros modelos críticos de extinción • Tiempo de persistencia en lista, “avalancha” (relación con número total que salen de la lista)

More Related