Πολυπλοκότητα στη Φυσική και Αστροφυσική

Transcript

1 Πολυπλοκότητα στη Φυσική και Αστροφυσική Λουκάς Βλάχος Τµήµα Φυσικής ΑΠΘ 1 9/9/16

2 Θέματα Μοντέλα της φύσης Γιατί δεν χρησιµοποιούµε τα παλιά µοντέλα για να αναλύσουµε τα πολύπλοκα φυσικά συστήµατα? Το αυτόµατο και το κυψελιδικό αυτόµατο Το Lattice gas και η υδροδυναµική Αυτό-οργανούµενη κρισιµότητα και εφαρµογές στη φύση Percolation Επίλογος 9/9/16 2

3 Μοντέλα της φύσης και η επιστημονική μέθοδος Παρατηρήσεις Ανάλυση και οργάνωση των παρατηρήσεων Προτάσεις/ συγκρίσεις Υποθέσεις και Παραδοχές του µοντέλου Προβλέψεις/λύσεις Η µαθηµατική περιγραφή 9/9/16 3

4 Πολύπλοκα Συστήματα Πώς θα ορίσω ένα πολύπλοκο σύστηµα? Πώς θα µελετήσω ένα πολύπλοκο σύστηµα? Τι είναι τα κυψελιδικά αυτόµατα? Πώς θα τα χρησιµοποιήσω για να µελετήσω πολύπλοκα συστήµατα? 9/9/16 4

5 Πολύπλοκα Συστήματα Πολύπλοκο Σύστηµα= Ένα δυναµικό σύστηµα που αποτελείται από έναν µεγάλο αριθµό διαφορετικών µηγραµµικά αλληλεπιδρώντων στοιχείων 9/9/16 5

6 Παραδείγματα Πολύπλοκων Συστημάτων Ο ανθρώπινος εγκέφαλος αποτελείται από 10 τρισεκατοµµύρια νευρώνες Βιολογικά συστήµατα H τυρβώδης ροή Οι Ηλεκτρονικοί Υπολογιστές: αποτελούνται από δεκάδες ηλεκτρονικά συστήµατα 9/9/16 6

7 Πως θα μελετήσω ένα Πολύπλοκο Σύστημα? Διαλέγουµε να απλοποιήσουµε κάποιες από τις συνιστώσες του συστήµατος του οποίου τη συνολική συµπεριφορά θέλουµε να παρακολουθήσουµε Παρακολουθούµε τη δυναµική εξέλιξη ολόκληρου του συστήµατος, όταν γνωρίζουµε την τοπική συµπεριφορά του 9/9/16 7

8 Πολύπλοκα συστήματα Δυναµική απλών συστηµάτων Πολυπλοκότητα 9/9/16 8

9 Πολύπλοκα συστήματα Η σχετική απλοποίηση της τοπικής περιγραφής και η έµφαση στη συµπεριφορά ολόκληρου του συστήµατος µας επιτρέπει να εξάγουµε αυστηρά αποτελέσµατα µε ακριβείς µεθόδους Η συµπεριφορά του συστήµατος, παρόλο που είναι σύνθεση απλών µερών, είναι εξαιρετικά πολύπλοκη 9/9/16 9

10 Πως θα μελετήσουμε τα Πολύπλοκα Συστήματα? Ο Νεύτωνας έκανε κάτι µοναδικό στην Ιστορία των Επιστηµών. Δηµιούργησε το µαθηµατικό εργαλείο που χρειαζόταν για να λύσει το φυσικό πρόβληµα που τον απασχολούσε. Εισήγαγε τον Διαφορικό λογισµό. 9/9/16 10

11 Πως θα μελετήσω τα Πολύπλοκα Συστήματα? Πιστεύω ότι οι διαφορικές εξισώσεις δεν αποτελούν το σωστό εργαλείο για την µελέτη των πολύπλοκων συστηµάτων Είναι ιδανικές για µια κατηγορία προβληµάτων και ιδιαίτερα για τη µελέτη απλών συστηµάτων και τοπικών λύσεων σε ένα Πολύπλοκο Σύστηµα. Local vs. Global 9/9/16 11

12 Η φυσική απέναντι στην πολυπλοκότητα Μια ιστορική δήλωση του Einstein Το καθήκον του φυσικού είναι να φτάσει σε εκείνους τους παγκόσµιους στοιχειώδεις νόµους πάνω στους οποίους ο κόσµος µπορεί να χτιστεί πάλι µέσα από µια διαδικασία σύνθεσης 9/9/16 12

13 Το νέο μήνυμα Τι λεει ο Philip Anderson Η ικανότητα να ελαττώσεις τα πάντα σε απλούς βασικούς νόµους δε σηµαίνει και ικανότητα να χτίσης το σύµπαν αρχίζοντας από αυτούς 9/9/16 13

14 Ένα παράδειγμα 9/9/16 14

15 Μέθοδοι μελέτης των Πολύπλοκων Συστημάτων Αυτόµατο Internal state 9/9/16 15

16 Μέθοδοι μελέτης των Πολύπλοκων Συστημάτων Δίκτυα αυτοµάτων 9/9/16 16

17 Μέθοδοι μελέτης των Πολύπλοκων Συστημάτων: Κυψελιδικά αυτόματα Τα κυψελιδικά αυτόµατα είναι αυτόµατα κατανεµηµένα στους κόµβους ενός περιοδικού πλέγµατος. Μια γεωµετρική δοµή, αναλλοίωτη κάτω από µετασχηµατισµούς µετατόπισης και περιστροφής Von Neumann 9/9/16 17

18 Στοιχεία του κυψελιδικού αυτόµατου 1. Οι κανόνες του 2. Η σχέση των άκρων 3. Έκταση της αλληλεπίδρασης Κυψελιδικά αυτόματα (cellular automata) 9/9/16 18

19 Οι εξισώσεις Navier-Stokes για τα ασυμπίεστα ρευστά r u = ò r vd 3 r/ n 0 Ñ u = 0 u t + ( u Ñ) u = - 1 Ñ r p + nñ 2 u 9/9/16 19

20 Αν αγνοήσουμε την πίεση: Ω + Ñ ( Ω u) t όπου Ω = Ñ u = nñ 2 Ω 9/9/16 20

21 Κάνουμε την αλλαγή μεταβλητών: u u = V και άρα : x = x L t = t L V όπου L και V χαρακτηριστικές κλίµακες µήκους της ροής 9/9/16 21

22 Η εξίσωση Navier-Stokes γράφεται: Ω t + (Ω u)= 1 R 2 Ω όπου R = VL n Η αδιάστατη παράµετρος R ονοµάζεται αριθµός Reynolds. Αρχή της Οµοιότητας: Δυο ροές µε ίσα R είναι όµοιες (για τις ίδιες οριακές συνθήκες) 9/9/16 22

23 Χαρακτηριστικές Ποσότητες 9/9/16 23

24 Lattice Gas (FHP) (V. Siminos and L. Vlahos)- Ρευστό αποτελούµενο από σωµατίδια που κινούνται σε ένα πλέγµα Σε κάθε κόµβο του πλέγµατος βρίσκεται ένας πεπερασµένος αριθµός σωµατιδίων Διακριτός χώρος χρόνος ορµή Υπό ορισµένες συνθήκες τα σωµατίδια που βρίσκονται ταυτόχρονα σε έναν κόµβο µπορεί να συγκρουστούν και να αλλάξει η κατεύθυνση κίνησης τους 9/9/16 24

25 Το μοντέλο FHP Τριγωνικό πλέγµα Έξι διευθύνσεις ταχύτητας Μοναδιαία µάζα, ταχύτητα, βήµα χρόνου Απαγορευτική Αρχή: Μόνο ένα σωµατίδιο µε ταχύτητα σε δεδοµένη διεύθυνση επιτρέπεται να βρεθεί σε κάθε κόµβο του πλέγµατος Κρούσεις κατά τις οποίες διατηρείται η µάζα και η ορµή 9/9/16 25

26 The lattice 9/9/16 26

27 Directions 9/9/16 27

28 Collision Examples 9/9/16 28

29 Χρονική εξέλιξη Σε κάθε βήµα χρόνου Μετακίνηση Σύγκρουση 9/9/16 29

30 Evolution sample 9/9/16 30

31 Μακροπλέγμα επί του μικροπλέγματος 9/9/16 31

32 Μικροδυναμική Μικροδυναµική του µοντέλου: Boolean Μεταβλητές ni Εξισώσεις που περιγράφουν την χρονική εξέλιξη κάθε κόµβου του πλέγµατος n i ( x + c, t + 1) = n ( x, t) + D ( n( x, t)) i i i Διατήρηση µάζας: ådi i ( n) = 0 Διατήρηση ορµής: å i c i D ( n) = i 0 9/9/16 32

33 Μακροδυναμική: Πυκνότητα µάζας: r = å Πυκνότητα ορµής i n i ru = å n i c a i ia 9/9/16 33

34 Εξισώσεις για την μεταβολή των μακροσκοπικών μεγεθών Εξίσωση της συνέχειας: ή å t ni = - å a i i n i c ia t r = - a ( rua ) Διατήρηση της ορµής: ή t t å i ( ru όπου P n a i (0) ab c ia = - = å i = - 9/9/16 34 ) b P n i b (0) ab c å i ia c ib n i c ia c ib

35 Ροή προσπερνά εμπόδιο Η ροή περνάει από εµπόδιο 9/9/16 35

36 9/9/16 36

37 9/9/16 37

38 Why Lattice Gas? Αντιµετωπίζεται µε τη βοήθεια της στατιστικής µηχανικής. Η πίεση και ο συντελεστής ιξώδους µπορούν να βρεθούν ως συναρτήσεις της πυκνότητας και να συσχετιστούν µε τη µικροδυναµική του µοντέλου. Παρουσιάζει ενδογενείς στατιστικές διακυµάνσεις της ίδιας φύσης µε τις διακυµάνσεις στα πραγµατικά ρευστά Υπολογιστικά πλεονεκτήµατα 9/9/16 38

39 Μελέτη Ιχνηθετών Σωµατίδια που ακολουθούν τη ροή Κινούνται µε την µέση ταχύτητα του πεδίου Παρακολουθούµε τη διάχυση τους Εξίσωση διάχυσης: s 2 = 2 r ( t) - r( t) = 2Dt 2 g 9/9/16 39

40 Η τιμή του γ καθορίζει το είδος της διάχυσης: γ=1: Κανονική διάχυση 0<γ<1: Subdiffusion 1<γ<2: Superdiffusion 9/9/16 40

41 Random Walk Lévy Flight 9/9/16 41

42 superdiffusion 9/9/16 42

43 The solar corona A theater of intense activity on a variety of spatial scales (Images courtesy of LMSAL SXT First Light Gallery) Complexity and intermittency, both in space and in time

44 Κέντρα δράσεις στους αστέρες 9/9/16 44

45 The solar corona (cont d) An externally driven, non-linear dynamical system Abbet & Fisher, ApJ, 2002 Amari et al., ApJ, 2003

46 Is it the end of the nanoflare story? There are some new observational aspects that suggest this statement might be somewhat premature Fault lines in the corona / Flux tube tectonics: Schrijver & Title, Sol. Phys., 2002 Myriads of topological discontinuities above supergranular boundaries Regions of tremendous complexity enhanced from footpoint shuffling A mechanism that is more effective in the quiet corona (!)

47 Χρονοσειρά των ηλιακών εκλάμψεων ή των σεισμών και ο χαρακτηριστικός νόμος δύναμης 9/9/16 47

48 Solar Flares Sudden, impulsive releases of magnetic energy Scale-invariant statistics, reflected on extended power laws TRACE image archive Crosby et al., Sol. Phys., 1993 Power laws are seen in the frequency distributions of total flare energy, peak luminosity, duration, rise & decay times, and the interrelations between these parameters Waiting times between flares obey exponential (Poisson) statistics

49 Αυτο-οργανούμενη κρισιμότητα (Self-organized Criticality) Μ. Γεωργούλης-Λ. Βλάχος Ένα δυσδιάστατο πλέγµα Τη χρονική στιγµή n Κανόνες Προσθέτουµε σε τυχαία επιλεγµένα σηµεία µία µονάδα A n (i, j) = 0 A n+1 (i, j) = A n (i, j) +1 Αν σε κάποια σηµεία παρουσιαστεί αστάθεια [ 1 4 ( A(i +1, j)n + A n (i 1, j) + A n (i, j +1) + A n (i, j 1)) A n (i, j)] > A c Η διαφορά ανακατανέµεται στους γείτονες και ένα µικρό ποσοστό χάνεται σε άλλες µορφές ενέργειας 9/9/16 49

50 Χρονοσειρά του μοντέλου 9/9/16 50

51 SOC Statistical Flare Models Lu et al., ApJ, 1993 Georgoulis & Vlahos, A&A, 1998 Introduced by Lu, Hamilton and collaborators Refined by Vlahos, Georgoulis, and collaborators

52 Percolation Ένα µοντέλο για τις πυρκαγιές και τις επιδηµίες Στηρίζεται στην πιθανολογική µετάδοση πληροφορίας στο πλέγµα και τη δηµιουργία συσσωµατωµάτων όλων των διαστάσεων 9/9/16 52

53 Περιγραφή του κυψελικού αυτομάτου Κατασκευάζουµε ένα τετραγωνικό πλέγµα µε 256x1280 κυψελίδες. Θεωρούµε ότι κάθε κυψελίδα αλληλεπιδρα άµεσα µόνο µε τις τέσσερις πιο κοντινές. Θεωρούµε ότι το πλέγµα παριστά µία ζώνη γύρω από τον ισηµερινό του ήλιου, πλάτους 72 µοιρών. Αρχικά ένα µικρό ποσοστό κελιών (1%) επιλέγεται να είναι µαγνητισµένο, έχοντας την µορφή µαγνητικών διπόλων. Τα υπόλοιπα κελιά του πλέγµατος παραµένουν κενά. Τα θετικά και αρνητικά µαγνητισµένα κελιά εξελίσσονται ανεξάρτητα µετά την δηµιουργία τους, αλλά τα ποσοστά τους παραµένουν στατιστικά ίσα.

54 Οι κανόνες του κυψελικού αυτομάτου: Η δυναµική εξέλιξη του µοντέλου ελέγχεται από τέσσερις πιθανότητες: P: Η πιθανότητα ένα µαγνητισµένο κελί να προκαλέσει την εµφάνιση νέας µαγνητικής ροής σε ένα από τα γειτονικά κελιά. Dm: Η µαγνητική ροή ενός µαγνητισµένου κελιού έχει µια πιθανότητα Dm να κινηθεί τυχαία σε ένα από τα γειτονικά κελια. D: Η πιθανότητα ένα µαγνητισµένο κελί να µετατραπεί σε µη µαγνητισµένο, αν καποιο απο τα γειτονικά κελια είναι µη µαγνητισµένο. E: Η πιθανότητα ένα µη µαγνητισµένο κελί να µετατραπεί αυθόρµητα σε µαγνητισµένο, ανεξάρτητα από τους γείτονές του.

55 Οι βασικοί κανόνες του Μοντέλου (Βλάχος, Φράγκος, Isliker, Γεωργούλης) We use a 200x1000 square grid with no magnetic flux (0) We start by filling 0.5 % (+1)positive magnetic flux a 0.5% (-1) negative. Stimulation probability P: Any active point for one time step stimulate the emergence of new flux in the neighborhood. Newly emerged flux appear in dipoles. Diffusion due to unrestricted random walk D m :(mobility) free motion on the grid. Diffusion due to submergence D d : (submergence of flux) Fast disappearance if the neighboring points are non-active. Spontaneous generation of new flux E: (its value is not important) To keep the process going 9/9/16 55

56 Τα πρώτα αποτελέσματα P=0.177, 0.179, 0.181, Dm=0.05, D=0.005, E=10-6

57 Η εικόνα ενος κοµατιου 256x256 κελιών, του πλέγµατος που αντιστοιχεί σε µια περιοχή 320x320Μm 2 της φωτόσφαιρας, σε τέσσερις διαφορετικές χρονικές στιγµές.

58 A movie on the active region evolution and magnetic field cancellation 9/9/16 58

59 A basic portrait 9/9/16 59

60 Περνώντας από τις δύο στις τρεις διαστασεις Θεωρούµε ότι το κυψελικό αυτόµατο µας δίνει την z-συνιστώσα του µαγνητικού πεδίου της φωτόσφαιρας. Χρησιµοποιούµε τα µαγνητογράµµατα που πήραµε από τις προσοµοιώσεις µας συνοριακές συνθήκες για να αναδοµήσουµε το µαγνητικό πεδίο πάνω από τη φωτόσφαιρα. Θεωρούµε ότι το µαγνητικό πεδίο πανω από την φωτόσφαιρα είναι force-free, δηλαδη υπακούει στην εξίσωση Τέλος θεωρούµε ότι ο µετασχηµατισµός Fourier του µαγνητικού πεδίου φθήνει εκθετικά µε το ύψος.

61 Περιοχές με ασυνέχειες στο οριζόντιο μαγνητικό πεδίο

62 Απελευθέρωση ενέργειας Μαγνητικές ασυνέχειες απελευθερώνουν ενέργεια E ~ B 2 9/9/16 62

63 Η τοπολογία του μαγνητικού πεδίου στις τρεις διαστασεις

64

65 Έκλυση ενέργειας κοντά στην φωτόσφαιρα από την επανασύνδεση μαγνητικών πεδίων.

66 Peak flux frequency distribution a=2.24 9/9/16 66

67 Στατιστική μελέτη των ασυνεχειών Η κατανοµή των όγκων των δοµών ακολουθεί νόµο δύναµης µε εκθέτη -1,65. 2 Επιπλέον ορίζουµε ως «ελεύθερη ενέργεια» την ποσότητα: ( DB^ ) 1 ò dv 8p Η κατανοµή της «ελεύθερης ενέργειας» της κάθε δοµής ακολουθεί επίσης νόµο δύναµης µε εκθέτη -1,56±0,05για ενέργειες µέχρι 3x10 28 erg. Και τα δύο αυτά τελευταία αποτελέσµατα άρχονται σε απόλυτη συµφωνία µε τις παρατηρήσεις (Vlahos & Georgoulis 2004).

68 Θα μπορούσαμε να φτιάξουμε ένα κυψελιδικό αυτόματα για τη δημιουργία γαλαξιών στο σύμπαν? Ναι μόλις το ολοκλήρωσε η φοιτήτρια μου Ανδριάνα Μακρίδου, ξεκινώντας από το δεύτερο έτος σπουδών 9/9/16 68

69 Συμπεράσματα Η µελέτη της συµπεριφοράς πολύπλοκων φυσικών συστηµάτων είναι δυνατή µε τη βοήθεια των κυψελιδικών αυτοµάτων Το πέρασµα από τις παρατηρήσεις και την ποιοτική περιγραφή ενός πολύπλοκου φυσικού προβλήµατος στη µελέτη συγκεκριµένου κυψελιδικού αυτόµατου είναι δυνατή. 9/9/16 69

70 Συμπεράσματα Τι χρειαζόµαστε να ξέρουµε για να µεταφέρουµε ένα φυσικό πρόβληµα σε CA 1. Τη µεταφορά των φυσικών διεργασιών σε κανόνες του αυτόµατου 2. Την επιλογή του σωστού πλέγµατος 3. Τη σωστή επιλογή της αλληλεπίδρασης των γειτονικών αυτοµάτων Κλείνοντας θα ήθελα να επισηµάνω την τεράστια εκπαιδευτική σηµασία των CA 9/9/16 70

71 Βιβλιγραφία 1. Cellular Automata Machines, T. Tofoli and N. Magoli, The MIT Press, Cellular automata and Complexity, S. Wolfram, Addison-Wisley, How Nature works, P. Bak, Springer Verlag, Self-Organized Criticality, H. J. Jensen, Cambridge University Press, Introduction to Percolation theory D. Stauffer and A. Aharony, Taylor and Francis, Fractals, Chaos and Power Laws, M. Schroeder, W.H. Freeman and Co., /9/16 71