A szinkronizációs fázisátalakulás vizsgálata hálózati modellekben

Nyomtatóbarát változatNyomtatóbarát változat
Típus: 
MSc diplomamunka téma - kutatófizikus
Félév: 
2016/17/2.
Témavezető: 
Név: 
Ódor Géza
Email cím: 
odor.geza@ttk.mta.hu
Intézet/Tanszék/Cégnév: 
MTA - MFA, Komplex Rendszerek Osztálya
Beosztás: 
tudományos tanácsadó
Konzulens: 
Név: 
Varga Imre
Email cím: 
varga@phy.bme.hu
Intézet/Tanszék: 
BME, Fizikai Intézetk, Elméleti Fizika Tanszék
Beosztás: 
egyetemi docens
Elvárások: 

Angol nyelvtudás, programozói gyakorlat (C, C++, vagy Fortran), önálló tanulásra, kutatásra való hajlam, jó statisztikus fizikai alapismeretek.

Leírás: 

Villamos hálózatokban a zavarérzékenység igen fontos tényező és a fokozódó lokális energia termelő csomópontok miatt egyre inkább sztochasztikus folyamatokkal jellemezhető.

Korábban Észak-Amerika elektromos áramkimaradásainak idősorait elemezve kimutatták, hogy ezek széles eloszlásúak, melyből (önszerveződő) kritikusságra következtettek.

A váltakozó áramú elektromos hálózatokat az ún. Kuramoto modellel szokták modellezni, melyben a csomópontokon értelmezett csatolt oszcillátorok fázisa szinkronizációs átmenetet

mutat a csatolási állandó függvényében. Ha igazak a kritikussággal kapcsolatos mérési eredmények, akkor nem mindegy, hogy az a tartomány, ahol a szuszceptibilitás divergál milyen

kiterjedt. Szilárdtesteknél a heterogenitások/rendezetlenség következtében széles paraméterér régiók jöhetnek létre dinamikus kritikussággal. Az ilyen, ún. Griffiths effektusok vizsgálatát

a Kuramoto modell esetén kisebb agyhálózatok esetén vizsgálták és megmutatták, hogy relevánsak lehetnek bizonyos hierarchikus moduláris rendszerekben.  

 

A feladat Kuramoto modell szimuláló algoritmus létrehozása lenne, mely valós vagy valós alapon generált elektromos hálózatokat vagy emberi connectome-okat vizsgál.

Modell szimulációk futtatásával becslést adhatunk arra, hogy a villamos hálózati heterogenitások mennyire befolyásolják a kritikus tartományt, mennyire kell figyelembe

venni a Griffiths effektusokat a tervezés során. A szimulációkat és spektrális analízist a Kuramoto modellen hasonlítanánk össze a homogén  hálózatokéval. Meghatároznánk

a kritikus pont körüli dinamikus viselkedések jellemzőit, az időfüggvényeket és az aszinkronitás zavar lavinák valószínűség eloszlásait. 

 

Másfelől a Kuramoto modellel vizsgálni lehetne az openconnectome.org-ról letöltött nagy emberi agyhálózatokban

(Michael T. Gastner and Géza Ódor, The topology of large Open Connectome networks for the human brain, Scientific Reports 6 (2016) 27249) a Griffiths effektusok erősségét. 

 

A numerikus számításokat  az NIIF HPC-s és GPU-s infrastrukúra segíti, valamint pályázunk a téma MTA-EK-MFA-s intézeti támogatásra is.