Wieczorny raport wojskowy: Awarie, przerwy w dostawie prądu i punkty krytyczne klimatyczne: Skąd możemy wiedzieć, kiedy system zbliża się do krawędzi?

Źródło: The Conversation (Australia i Nowa Zelandia) – Napisane przez Bena Fulchera, starszego wykładowcę w Szkole Fizyki Uniwersytetu w Sydney

Według zhańbionej legendy grupy gryzoni czasami uciekają z klifów na masową śmierć. Wyobraź sobie, że jesteś jednym z tych gryzoni: w słoneczny dzień dołączasz do swoich towarzyszy podczas ekscytującej wspinaczki na górę pod bezchmurnym niebem, brnąc przez trawę, ziemię i skały, szczęśliwy, że jesteś wśród przyjaciół, aż nagle zanurzysz się w przewiewnym powietrzu i wszystko staje się czarne.

Krawędź to coś, co naukowcy nazywają „punktem krytycznym”: punkt, w którym zachowanie systemu (takiego jak grupa szczurów) nagle zmienia się z jednego rodzaju stanu (szczęśliwy bieg) w zupełnie inny stan (lądowanie). , często z katastrofalnymi skutkami.

Gryzonie w rzeczywistości nie uciekają z klifów, ale wiele systemów w świecie rzeczywistym napotyka punkty krytyczne i nagłe katastrofy, np. Krach na giełdzie, Awarie sieci energetyczneji punkty zwrotne Systemy klimatyczne I Ekosystemy.

Punkty krytyczne niekoniecznie są rzeczywistymi punktami w przestrzeni lub czasie. Mogą to być wartości jakiegoś parametru systemu – np. zaufania inwestorów, temperatury otoczenia czy zapotrzebowania na energię – które wskazują na przejście w stan niestabilności.

Czy potrafimy rozpoznać, kiedy system zbliża się do krawędzi i być może podjąć działania, aby zapobiec jego spadnięciu w otchłań? Co możemy zmierzyć na temat rynku akcji lub ekosystemu, co pomoże nam przewidzieć, jak daleko jest od tego punktu krytycznego?

Opracowaliśmy nowy sposób, aby zrobić dokładnie to samo w rzeczywistych systemach. Nasza praca Zostało opublikowane w tym tygodniu w czasopiśmie Physical Review

Skąd wiesz, że jesteś blisko otchłani?

Poprzednie prace to pokazały Systemy mają tendencję do „spowalniania” Staje się bardziej niestabilny w pobliżu punktów krytycznych. Na przykład dla giełdy oznacza to, że ceny akcji zmieniają się wolniej i wykazują większe różnice między ich tygodniowymi szczytami i dołkami.

Jednak te wskaźniki nie działają, gdy systemy są „zaszumione”, co oznacza, że ​​nie możemy dokładnie zmierzyć, co robią te systemy. Wiele rzeczywistych systemów jest bardzo głośnych.

Czy istnieją wskaźniki, które działają w rzeczywistych systemach? Aby się tego dowiedzieć, sprawdziliśmy ponad 7000 różnych metod w nadziei znalezienia takiej, która będzie wystarczająco solidna, aby dobrze działać nawet wtedy, gdy w naszym systemie było dużo zakłóceń.

Znaleźliśmy igły w stogu siana: zestaw podejść, które zaskakująco skutecznie rozwiązały ten bardzo trudny problem. W oparciu o te metody sformułowaliśmy nowy prosty przepis na przewidywanie punktów krytycznych.

Nadaliśmy mu odpowiednio fajną nazwę: RAD. (Ten dziwny skrót ma bardzo dziwne pochodzenie: skrót od „Rescaled AutoDensity”).

Czy mózg wykorzystuje punkty krytyczne na dobre?

Zwalidowaliśmy naszą nową metodę za pomocą bardzo złożonych zapisów aktywności mózgu myszy. Mówiąc dokładniej, zbadaliśmy aktywność obszarów mózgu odpowiedzialnych za interpretację tego, co widzi mysz.

Kiedy jeden neuron zostanie uruchomiony, sąsiednie neurony mogą przechwycić jego sygnał i przesłać go lub pozwolić mu umrzeć. Kiedy sygnał jest wzmacniany przez sąsiednie neurony, ma to większy efekt, ale nadmierne wzmocnienie może poza punkt krytyczny doprowadzić do niekontrolowanych reakcji, które mogą spowodować napad padaczkowy.

Nasza metoda RAD ujawniła, że ​​aktywność mózgu w niektórych regionach wykazywała silniejsze oznaki zbliżania się do punktu krytycznego niż w innych. W szczególności obszary o prostszych funkcjach (takich jak rozmiar i orientacja obiektów na obrazie) działają dalej od punktu krytycznego niż obszary o bardziej złożonych funkcjach.

Sugeruje to, że mózg mógł ewoluować tak, aby wykorzystywać punkty krytyczne do wspierania swoich niesamowitych możliwości obliczeniowych.

Jest oczywiste, że zbyt duża odległość od punktu krytycznego (pomyśl o bezpiecznym szczurze, z dala od ściany klifu) sprawi, że aktywność neuronowa będzie bardzo stabilna. Stabilność wspiera wydajne i niezawodne przetwarzanie podstawowych cech wizualnych.

Jednak nasze wyniki sugerują również, że siedzenie blisko krawędzi urwiska – na krawędzi punktu krytycznego – ma przewagę. W takim przypadku obszary mózgu mogą mieć dłuższą „pamięć” do obsługi bardziej złożonych operacji matematycznych, takich jak te wymagane do zrozumienia ogólnego znaczenia obrazu.

Lepszy przewodnik po stokach

Idea systemów zlokalizowanych blisko lub daleko od punktu krytycznego pojawia się w wielu ważnych zastosowaniach, od finansów po medycynę. Nasza praca pozwala lepiej zrozumieć takie systemy i wykryć, kiedy mogą one ulec nagłym (i często katastrofalnym) zmianom.

Można to wykorzystać do otwarcia drzwi do wszelkiego rodzaju przyszłych przełomów – od ostrzegania osób chorych na padaczkę o nadchodzących napadach po pomoc w przewidywaniu zbliżającego się załamania finansowego.

Ben Fulcher otrzymuje fundusze od Australijskiej Rady ds. Badań Naukowych i Narodowej Rady ds. Zdrowia i Badań Medycznych.

Brendan Harris nie pracuje, nie konsultuje się, nie posiada udziałów ani nie otrzymuje funduszy od żadnej firmy lub organizacji, która mogłaby skorzystać z tego artykułu, i nie ujawnił żadnych istotnych powiązań poza swoim stanowiskiem akademickim.

– Nr ref. Awarie, przerwy w dostawie prądu i punkty krytyczne klimatyczne: jak możemy określić, kiedy system zbliża się do krawędzi? https://theconversation.com/crashes-blackouts-and-climate-tipping-points-how-can-we-tell-kiedy-system-is-Close-to-the-edge-236683