یک آشفتگی دقیق - چگونه بی نظمی می تواند شبکه ها را پایدارتر کند

ویرایش شده توسط Swati Mestri، بررسی توسط Robert Egan

این مقاله با توجه به روند و سیاست های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

کمال بیش از حد ارزیابی می شود - حداقل در مورد سیستم های پیچیده مانند شبکه برق، شبکه های غذایی و مواد پیشرفته. برای دهه‌ها، دانشمندان عموما فرض می‌کردند که شبکه‌ها زمانی که اجزای منفرد آن‌ها تا حد امکان شبیه به هم باشند، مطمئن‌ترین عملکرد را دارند. اما شبکه های دنیای واقعی به ندرت یکنواخت هستند.

ژنراتورها در یک شبکه برق، نورون‌ها در مغز، حیوانات در شبکه غذایی و اجزای یک ماده، همگی به روش‌هایی متفاوت هستند که دانشمندان به‌طور سنتی آن را نقص می‌دانستند.

اکنون، فیزیکدانان دانشگاه نورث وسترن در حال براندازی این فرض دیرینه هستند.

در یک مطالعه جدید، دانشمندان یک چارچوب ریاضی ایجاد کردند که مشخص می‌کند چه زمانی این تفاوت‌ها - نوعی تغییر که به نام اختلال شناخته می‌شود - واقعا می‌تواند یک سیستم را پایدارتر کند. این تیم دریافت که بسیاری از سیستم‌های پیچیده فیزیکی، مهندسی و بیولوژیکی می‌توانند زمانی پایدارتر شوند که اجزای آن‌ها یا تعاملات بین آنها متفاوت باشد.

به جای تلقی تغییرات به عنوان یک نقص، یافته‌ها نشان می‌دهد که دانشمندان و مهندسان می‌توانند از تفاوت‌های طراحی‌شده عمدی برای ساخت شبکه‌های قدرت قوی‌تر، مواد معماری و سایر سیستم‌های به هم پیوسته استفاده کنند. این کار همچنین می‌تواند به توضیح اینکه چرا اختلال در شبکه‌های طبیعی، از جمله سیستم‌های عصبی، بیولوژیکی و زیست‌محیطی تا این حد شایع است، کمک کند.

این مطالعه در مجله Science منتشر شده است.

محققان همچنین وب سایتی را توسعه دادند که به کاربران امکان می دهد نحوه عملکرد این چارچوب را تجسم کنند. با تغییر پارامترهای مختلف، کاربران می توانند اجزای شبکه را در تعامل با یکدیگر مشاهده کنند، همگام سازی و سازماندهی در الگوها انجام دهند.

ادیلسون موتر از Northwestern که این کار را رهبری می‌کرد، گفت: «مطالعات قبلی تعداد فزاینده‌ای از موارد را نشان می‌دهد که در آن اختلال (همچنین ناهمگونی، بی‌نظمی یا عدم تقارن) در گره‌های شبکه می‌تواند ثبات و رفتار مطلوب را بهبود بخشد.

ما این را در سیستم‌های دنیای واقعی مهم، از جمله شبکه‌های برق، فرامواد و محاسبات مغزی دیده‌ایم. اما نمی‌دانستیم که این اثر چقدر گسترده است یا چه نوع سیستم‌هایی می‌توانند از آن بهره ببرند. مطالعه جدید ما به این سؤالات پاسخ می‌دهد، توضیح می‌دهد که چرا این تفاوت‌ها می‌توانند ثبات را بهبود بخشند و حتی نشان می‌دهد که چرا دانشمندان این تأثیر را برای مدت طولانی نادیده گرفتند.»

موتر، متخصص در سیستم‌های پیچیده، استاد فیزیک و نجوم چارلز ای. و اما اچ. موریسون در کالج هنر و علوم واینبرگ نورث وسترن و مدیر مرکز دینامیک شبکه است. آرتور مونتاناری محقق پسادکتری شمال غربی و پیترو زانین دانشجوی فارغ التحصیل، هر دو از اعضای گروه Motter، اولین نویسندگان این مطالعه هستند.

از دسته ها و شبکه های برق گرفته تا اکوسیستم ها و مواد، سیستم های به هم پیوسته به توانایی آنها در مقاومت در برابر اختلالات بستگی دارد. وزش باد می تواند گله را پراکنده کند، افزایش ناگهانی تقاضا می تواند شبکه برق را مختل کند و ضربه می تواند یک ماده را تغییر شکل دهد. دانشمندان این سیستم‌ها را به‌عنوان شبکه‌هایی شامل اجزا یا گره‌های مجزا که توسط پیوندهایی به هم متصل شده‌اند، مطالعه می‌کنند.

به عنوان مثال، در یک شبکه برق، ژنراتورها گره ها هستند و خطوط انتقال نشان دهنده پیوندها هستند. در یک شبکه اکولوژیکی، گونه ها گره ها هستند در حالی که روابط آنها (رقابت، همکاری و شکار) حلقه ها هستند.

به طور سنتی، دانشمندان شبکه بر نحوه اتصال این اجزا متمرکز شده اند. آنها همچنین بر مدل های ریاضی ساده شده، مانند مدل پرکاربرد Kuramoto که هر گره را تنها با استفاده از یک متغیر توصیف می کند، تکیه کرده اند. اگرچه این مدل‌ها بینش‌های مهمی ارائه کرده‌اند، اما می‌توانند اثراتی را که در سیستم‌های واقعی ظاهر می‌شوند، جایی که اجزا و تعاملات پویایی غنی‌تری دارند، از دست بدهند.

مونتاناری گفت: «سیستم های واقعی به ندرت یکنواخت هستند. پرندگان در شخصیت‌ها متفاوت هستند، نورون‌ها از نظر شکل متفاوت هستند و حتی روابط اجتماعی ما می‌تواند نامتقارن باشد.

مطالعات موردی قبلی اشاره کرد که این تفاوت ها می تواند مفید باشد. در یک مطالعه فیزیک طبیعت در سال 2020، تیم Motter دریافتند که ژنراتورهای برق زمانی که کمی متفاوت از یکدیگر عمل می کنند، می توانند به طور مؤثرتری هماهنگ شوند.

در یک مطالعه Nature Communications در سال 2025، مونتاناری اثرات مشابهی را در مدل های دسته جمعی و پهپادها پیدا کرد. اما محققان نمی‌دانستند که آیا این یافته‌ها نمونه‌های مجزا هستند یا شواهدی از یک اصل گسترده‌تر.

موتر گفت: «اختلال می‌تواند شبکه‌ها را تثبیت کند، اما تنها زمانی که پویایی گره به اندازه کافی غنی باشد. مدل‌های ساده‌شده می‌توانند به‌طور ناخواسته اثر تثبیت‌کننده‌ای را که می‌خواهیم ثبت کنیم، از بین ببرند.»

برای بررسی اینکه چگونه دینامیک شبکه واقعی‌تر بر پایداری تأثیر می‌گذارد، محققان یک چارچوب ریاضی کلی ایجاد کردند. اول، آنها سیستم های نزدیک به یک حالت پایدار را تجزیه و تحلیل کردند. سپس، آنها محاسبه کردند که آیا اختلالات کوچک محو می شوند - به سیستم اجازه می دهند به حالت پایدار خود بازگردد - یا رشد می کنند و سیستم را به سمت بی ثباتی سوق می دهند.

در نهایت، این تیم شبکه‌هایی را که شامل اجزای یکسان هستند با شبکه‌هایی با اجزا و اتصالات متفاوت مقایسه کردند. در این چارچوب، آنها شرایط کلی را شناسایی کردند که تحت آن ناهمگونی می تواند از یکنواختی بهتر عمل کند.

موتر و تیمش این چارچوب را بر روی مدل‌های شبکه‌های برق، نورون‌ها، گله‌ها، مواد معماری و شبکه‌های زیست محیطی آزمایش کردند. آنها دو راه را پیدا کردند که بی نظمی می تواند ثبات را افزایش دهد: از طریق تفاوت بین گره های شبکه یا بین پیوندهای متصل کننده آنها. پایداری کلی همچنین به این بستگی دارد که تفاوت‌ها کجا رخ می‌دهند و چقدر تنوع وجود دارد.

به عنوان مثال، درجه متوسط ​​از اختلال ممکن است ثبات را افزایش دهد، در حالی که بیش از حد می تواند همان سیستم را بی ثبات کند.

مونتاناری گفت: "اگر سیستم را یکدست تر کنید، ثبات را از دست خواهید داد." "اما اگر بیش از حد بی نظمی را افزایش دهید، ثبات را نیز از دست خواهید داد. چارچوب ما می تواند به تعیین دقیق سطح بی نظمی کمک کند که به سیستم کمک می کند تا به ثبات مطلوب دست یابد."

محققان همچنین دریافتند که همیشه نیازی به طراحی تفاوت های خاص نیست. در بسیاری از مدل‌ها، حتی تغییرات تصادفی معرفی شده باعث بهبود پایداری در مقایسه با بهترین پیکربندی کاملا یکنواخت می‌شود. یک استثنا مهم زمانی پدیدار شد که اختلال در پیوندها به جای گره ها رخ داد. در آن صورت، حتی شبکه‌هایی با پویایی گره ساده می‌توانند از بی نظمی بهره ببرند.

یافته‌های این مطالعه می‌تواند به دانشمندان کمک کند تا سیستم‌های پیچیده کنونی مانند شبکه‌های اکولوژیکی را درک کنند و طراحی سیستم‌های جدید مانند مواد معمارانه را از ابتدا مطلع کنند.

مونتاناری گفت: «از دهه 1970، مدل‌های ریاضی پیش‌بینی کردند که اکوسیستم‌های بزرگ و پیچیده باید بی‌ثبات شوند و فرو بریزند. "با این حال اکوسیستم های بسیار بزرگ و بسیار متنوع در طبیعت باقی می مانند. یافته های ما نشان می دهد که تنوع در بین فعل و انفعالات سودمند متقابل، مانند تعاملات بین گرده افشان ها و گل ها، می تواند به توضیح این پارادوکس کمک کند."

مهندسان نیز می توانند این اصل را عملی کنند. به عنوان مثال، مصالح معماری معمولا شامل بلوک‌های ساختمانی تکراری و یکسان هستند. تغییر عمدی شکل، اندازه، جهت‌گیری و ویژگی‌های فیزیکی آن بلوک‌ها می‌تواند عملکردها و رفتارهای جدیدی را در طیف وسیعی از برنامه‌ها فعال کند.

گام مهم این است که این مواد را به عنوان شبکه های مکانیکی بشناسیم و مدل های واقعی بسازیم که پویایی شبکه ها را حفظ کنند. سپس محققان می توانند از روش های محاسباتی برای جستجوی سودمندترین الگوهای اختلال استفاده کنند.

موتر می‌گوید: «وقتی بی‌نظمی ثبات را افزایش می‌دهد، چالش بعدی این است که به بهترین نحو آن را طراحی کنیم.

آرتور ان. مونتاناری، ثبات ناشی از اختلال، علم (2026). DOI: 10.1126/science.aeg3946. www.science.org/doi/10.1126/science.aeg3946

اطلاعات مجله: ارتباطات طبیعت، فیزیک طبیعت، علوم

سواتی مستری دارای مدرک لیسانس در مهندسی الکترونیک است و از سال 2019 به عنوان ویرایشگر محتوا کار کرده است. او ویرایش اسناد تحقیقاتی در زمینه فناوری، مراقبت های بهداشتی و علم مواد را تجربه کرده است و علاقه خاصی به فناوری و فضا دارد. نمایه کامل →

لیسانس زیست شناسی ریاضی، کارشناسی ارشد در نوشتن خلاق. خوش سفر با دیدگاه های منحصر به فرد در علم و زبان. نمایه کامل →