🌀 nonlinear sciences

Feedback percolation on complex networks

यह शोध पत्र "फीडबैक परकोलेशन" (feedback percolation) प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो सूक्ष्म सक्रियण संभावनाओं को विशाल घटक (giant component) के स्थूल आकार के साथ गतिशील रूप से जोड़ता है, जिससे जटिल व्यवहारों का एक समृद्ध स्पेक्ट्रम प्रकट होता है—जिसमें विस्फोटक संक्रमण (explosive transitions), दोलन (oscillations) और अराजकता (chaos) शामिल हैं—जो पारंपरिक स्थिर परकोलेशन सिद्धांत में अनुपस्थित हैं।

मूल लेखक: Hoseung Jang, Ginestra Bianconi, Byungjoon Min

प्रकाशित 2026-03-24

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Hoseung Jang, Ginestra Bianconi, Byungjoon Min

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक शहर की ट्रैफ़िक प्रणाली की कल्पना करें। ट्रैफ़िक के बारे में सोचने के पुराने, "शास्त्रीय" (classical) तरीके में, हम यह मान लेते हैं कि किसी विशेष सड़क पर कार जाने की संभावना स्थिर है। शायद 50% कारें बाएं मुड़ती हैं और 50% दाएं, चाहे कुछ भी हो। यदि हम जानना चाहते हैं कि क्या पूरा शहर जाम में फंस जाएगा (एक "जायंट कंपोनेंट" या विशाल हिस्सा जो रुक गया है), तो हम बस उन निश्चित संख्याओं के आधार पर गणित कर लेते हैं।

लेकिन वास्तविक दुनिया में, ट्रैफ़िक स्थिर नहीं होता है। यदि शहर में जाम लगने लगता है, तो लोग अपना व्यवहार बदल देते हैं। वे या तो अलग रास्ता चुन सकते हैं, या जल्दी निकल सकते हैं, या घर पर ही रुकने का निर्णय ले सकते हैं। ट्रैफ़िक की स्थिति यह तय करती है कि कारों के चलने के नियम कैसे होंगे।

यह शोध पत्र जटिल नेटवर्क (जैसे इंटरनेट, सोशल मीडिया, या हमारा मस्तिष्क) का अध्ययन करने का एक नया तरीका पेश करता है जिसे फीडबैक परकोलेशन (Feedback Percolation) कहा जाता है। यह एक ऐसा मॉडल है जहाँ खेल के नियम इस आधार पर बदलते हैं कि खेल कैसा चल रहा है।

यहाँ सरल उपमाओं (analogies) का उपयोग करके इसका विवरण दिया गया है:

1. मूल विचार: फीडबैक लूप (The Feedback Loop)

एक नेटवर्क को धागों से जुड़े बिंदुओं के एक विशाल जाल के रूप में सोचें।

पुराना तरीका (Static): आप यादृच्छिक रूप से (randomly) कुछ धागे काटते हैं। आप पूछते हैं, "क्या जाल का एक बड़ा हिस्सा अभी भी जुड़ा हुआ है?" उत्तर केवल इस पर निर्भर करता है कि आपने कितने धागे काटे हैं।
नया तरीका (Feedback): आप कुछ धागे काटते हैं। फिर, आप बचे हुए सबसे बड़े हिस्से के आकार को देखते हैं।
- यदि हिस्सा बहुत बड़ा है: तो शायद सिस्टम उत्साहित हो जाता है और अधिक धागे जोड़ देता है (पॉजिटिव फीडबैक)।
- यदि हिस्सा बहुत बड़ा है: तो शायद सिस्टम डर जाता है और पतन को रोकने के लिए अधिक धागे काट देता है (नेगेटिव फीडबैक)।
- लूप (The Loop): हिस्से का आकार नियमों को बदलता है, जो हिस्से के आकार को बदलता है, जो फिर से नियमों को बदलता है। यह पूरे सिस्टम और उसके व्यक्तिगत हिस्सों के बीच एक संवाद है।

2. "संवाद" के तीन प्रकार

लेखकों ने परीक्षण किया कि यह संवाद तीन अलग-अलग तरीकों से कैसे हो सकता है, और प्रत्येक एक बहुत अलग परिणाम की ओर ले जाता है:

A. "हाइप मशीन" (पॉजिटिव फीडबैक - The Hype Machine)

उपमा: एक वायरल टिकटॉक ट्रेंड की कल्पना करें। जितने अधिक लोग इसे देखते हैं, उतनी ही अधिक संभावना है कि वे इसे साझा करेंगे।
क्या होता है: एक बार जब जुड़े हुए लोगों का "विशाल हिस्सा" पर्याप्त बड़ा हो जाता है, तो सिस्टम अत्यधिक सक्रिय (overdrive) हो जाता है। यह अचानक "ज्यादातर असंबद्ध" से बदलकर "हर कोई जुड़ा हुआ है" की स्थिति में आ जाता है।
परिणाम: एक विस्फोटक उछाल (Explosive Jump)। यह एक पहाड़ी से लुढ़कते हुए हिमस्खलन (avalanche) की तरह है। सिस्टम धीरे-धीरे नहीं बढ़ता; यह छलांग लगाता है।

B. "थर्मोस्टेट" (नेगेटिव फीडबैक - The Thermostat)

उपमा: एक थर्मोस्टेट वाले कमरे के बारे में सोचें। यदि कमरा बहुत गर्म हो जाता है, तो ठंडा करने के लिए एसी (AC) चालू हो जाता है। यदि कमरा बहुत ठंडा हो जाता है, तो हीटर चालू हो जाता है।
क्या होता है: जैसे-जैसे नेटवर्क बढ़ता है और "गर्म" (बहुत अधिक जुड़ा हुआ) होता है, सिस्टम उसे ठंडा करने के लिए स्वचालित रूप से लिंक काटना शुरू कर देता है। लेकिन फिर यह बहुत "ठंडा" (बहुत कम जुड़ा हुआ) हो जाता है, इसलिए यह चीजों को फिर से जोड़ देता है।
परिणाम: दोलन (Oscillation/Wiggling)। नेटवर्क स्थिर नहीं होता; यह जुड़े होने और असंबद्ध होने के बीच झूलता रहता है, जैसे एक पेंडुलम। यह वास्तविक दुनिया की चीजों की व्याख्या करता है:
- महामारी (Epidemics): जब कोई बीमारी फैलती है, तो लोग मास्क पहनते हैं और घर पर रहते हैं (लिंक काटना)। बीमारी कम हो जाती है। लोग ढील देते हैं, बीमारी वापस आती है, और यह चक्र दोहराया जाता है।
- ट्रैफ़िक: भीड़ के कारण लोग जल्दी निकल जाते हैं या अलग रास्ते चुनते हैं, जिससे जाम साफ हो जाता है, जो फिर से बाद में भर जाता है।

C. "केओटिक डीजे" (नॉन-मोनोटोनिक फीडबैक - The Chaotic DJ)

उपमा: एक ऐसे डीजे की कल्पना करें जो भीड़ के आधार पर संगीत बदलता है, लेकिन अजीब और अप्रत्याशित तरीके से। कभी-कभी बड़ी भीड़ धीमी गति का संगीत बजाती है; कभी-कभी वही भीड़ तेज़ संगीत बजाती है। कभी-कभी एक ही भीड़ का आकार दो अलग-अलग प्रतिक्रियाओं को ट्रिगर करता है।
क्या होता है: सिस्टम एक पैटर्न खोजने की कोशिश करता है, लेकिन नियम इतने जटिल और विरोधाभासी हैं कि सिस्टम कभी भी स्थिर नहीं हो पाता।
परिणाम: अराजकता (Chaos)। जुड़ा हुआ नेटवर्क पूरी तरह से अप्रत्याशित हो जाता है। यह केवल आगे-पीछे नहीं झूल रहा है; यह एक ऐसी लय पर नाच रहा है जो कभी दोहराई नहीं जाती। यह सुझाव देता है कि कुछ जटिल प्रणालियों में दीर्घकालिक भविष्यवाणी असंभव है।

3. यह क्यों मायने रखता है?

लेखक दिखाते हैं कि यह "फीडबैक" केवल एक गणितीय ट्रिक नहीं है; यह इस तरह से काम करता है जैसे वास्तविक दुनिया काम करती है।

बुनियादी ढांचा (Infrastructure): पावर ग्रिड अचानक ढह सकते हैं क्योंकि एक हिस्से की विफलता दूसरे हिस्सों पर भार बदल देती है, जिससे एक श्रृंखला अभिक्रिया (chain reaction) शुरू हो जाती है (पॉजिटिव फीडबैक)।
सामाजिक प्रणालियाँ (Social Systems): घबराहट (Panic) समाचार से भी तेज़ी से फैल सकती है क्योंकि लोगों का व्यवहार सामूहिक भय के आधार पर बदल जाता है।
न्यूरल नेटवर्क (Neural Networks): हमारा मस्तिष्क सीखता है क्योंकि जब न्यूरॉन्स एक साथ फायर करते हैं तो कनेक्शन मजबूत होते हैं (हेब्बियन लर्निंग), जो पॉजिटिव फीडबैक का एक रूप है।

मुख्य निष्कर्ष (The Big Takeaway)

पारंपरिक विज्ञान अक्सर प्रणालियों को स्थिर स्नैपशॉट के रूप में देखता है। यह शोध पत्र तर्क देता है कि जटिल प्रणालियाँ गतिशील फिल्में (dynamic movies) हैं। पूरे सिस्टम की स्थिति सक्रिय रूप से व्यक्तिगत हिस्सों के लिए स्क्रिप्ट लिखती है।

इन फीडबैक लूप्स को समझकर, हम बेहतर ढंग से अनुमान लगा सकते हैं कि कोई सिस्टम कब विस्फोट करेगा, कब दोलन करेगा, या कब अराजक हो जाएगा। यह नेटवर्क के अध्ययन को स्थिर सड़कों के मानचित्र से बदलकर एक जीवित, सांस लेते और प्रतिक्रिया देने वाले जीव के अध्ययन में बदल देता है।

यहाँ हसूंग जेंग, गिनेस्ट्रा बियानकोनी और ब्यूंगजून मिन के शोध पत्र "फीडबैक परकोलेशन ऑन कॉम्प्लेक्स नेटवर्क्स" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

पारंपरिक परकोलेशन थ्योरी स्थिर सूक्ष्म नियमों (static microscopic rules) पर निर्भर करती है, जहाँ नोड्स या लिंक्स की सक्रियता की संभावना ( $p$ ) स्थिर होती है, और मैक्रोस्कोपिक अवस्था (विशाल घटक का आकार, $S$ ) इन स्थानीय नियमों का एक निष्क्रिय परिणाम होती है। हालाँकि, कई वास्तविक दुनिया के जटिल सिस्टम (जैसे, तंत्रिका नेटवर्क, व्यवहार परिवर्तन के साथ महामारी का प्रसार, बुनियादी ढांचा नेटवर्क) गतिशील फीडबैक (dynamic feedback) प्रदर्शित करते हैं: सिस्टम की मैक्रोस्कोपिक अवस्था सक्रिय रूप से स्थानीय अंतःक्रियाओं को नियंत्रित करती है।

मौजूदा मॉडल जैसे इंटरडिपेंडेंट परकोलेशन या ट्रायडिक परकोलेशन कुछ फीडबैक को कैप्चर करते हैं, लेकिन वे अक्सर स्पष्ट स्थानीय नियमों (जैसे, नोड $A$ नोड $B$ पर निर्भर है) पर आधारित होते हैं। एक ऐसे एकीकृत ढांचे की कमी है जो उन परिदृश्यों का वर्णन कर सके जहाँ सामूहिक मैक्रोस्कोपिक अवस्था (विशाल घटक का आकार) वैश्विक स्तर पर लिंक सक्रियता की संभावना को प्रभावित करती है, जिससे जटिल गतिशील व्यवहार उत्पन्न होते हैं जो शास्त्रीय परकोलेशन में अनुपस्थित हैं।

2. कार्यप्रणाली (Methodology)

लेखक इस गतिशील युग्मन (dynamic coupling) को मॉडल करने के लिए रैंडम नेटवर्क्स (विशेष रूप से एर्दोस-रेनी ग्राफ) पर एक फीडबैक परकोलेशन ढांचे का परिचय देते हैं।

पुनरावृत्ति प्रक्रिया (Iterative Process): सिस्टम विविक्त समय चरणों ( $n$ $n$ ) में विकसित होता है।
- चरण 0: लिंक्स को एक मूल संभावना $p_0 = p$ के साथ सक्रिय किया जाता है। विशाल घटक का आकार $S_0$ निकाला जाता है।
- चरण $n$ : पिछले चरण ( $S_{n-1}$ ) के विशाल घटक के आकार के आधार पर, एक फीडबैक फंक्शन $f(S)$ के माध्यम से सक्रियता की संभावना को अपडेट किया जाता है:
  $p_n = p + f(S_{n-1})$
- $p_n$ को संतुष्ट करने के लिए लिंक्स को गतिशील रूप से सक्रिय या निष्क्रिय किया जाता है, और नया विशाल घटक आकार $S_n$ पुनर्गणना किया जाता है।
सैद्धांतिक ढांचा (Theoretical Framework):
- लेखक डिग्री वितरण के लिए जनरेटिंग फंक्शन्स ( $G_0(x)$ और $G_1(x)$ ) का उपयोग करके स्व-सुसंगत समीकरण (self-consistency equations) व्युत्पन्न करते हैं।
- सिस्टम को एक एक-आयामी पुनरावृत्ति मानचित्र (one-dimensional iterative map) में मैप किया जाता है: $S_n = h(S_{n-1})$ ।
- स्थिरता विश्लेषण (Stability Analysis): वे मानचित्र के डेरिवेटिव ( $|dS_n/dS_{n-1}|$ $∣ d S_{n} / d S_{n - 1} ∣$ ) की जांच करके फिक्स्ड पॉइंट्स ( $S^*$ $S^{*}$ ) की स्थिरता का विश्लेषण करते हैं।
  - $|h'(S^*)| < 1$ : स्थिर फिक्स्ड पॉइंट (स्थिर अवस्था)।
  - $|h'(S^*)| > 1$ : दोलनों (oscillations) या अराजकता (chaos) की ओर ले जाने वाला अस्थिर फिक्स्ड पॉइंट।
  - $h'(S^*) = -1$ : पीरियड-डबलिंग बाइफरकेशन (period-doubling bifurcations) की शुरुआत।
परीक्षण किए गए फीडबैक फंक्शन:
- पॉजिटिव फीडबैक (Positive Feedback): $f(S) = (1-p)S^{1/q}$ (सक्रियता को सुदृढ़ करता है)।
- नेगेटिव फीडबैक (Negative Feedback): $f(S) = -pS^{1/q}$ (सक्रियता को दबाता है)।
- गैर-मोनोटोनिक फीडबैक (Non-monotonic Feedback): जटिल गतिशीलता के लिए द्विघाती (quadratic) रूप।
- साइज-इन्वर्टेड नेगेटिव फीडबैक (Size-Inverted Negative Feedback): $f(S) = -p(1-S^{1/q})$ (जब $S$ छोटा होता है तब सबसे अधिक दमन)।

3. मुख्य योगदान (Key Contributions)

एकीकृत ढांचा: मैक्रोस्कोपिक ऑर्डर पैरामीटर के साथ माइक्रोस्कोपिक सक्रियता की संभावना को जोड़कर, स्टैटिक परकोलेशन और डायनेमिक एडेप्टिव नेटवर्क के बीच एक सैद्धांतिक सेतु स्थापित किया।
गतिकीय शासन (Dynamical Regimes): यह प्रदर्शित किया कि सरल फीडबैक तंत्र विविध व्यवहार उत्पन्न कर सकते हैं जो शास्त्रीय परकोलेशन में नहीं मिलते, जिनमें शामिल हैं:
- विस्फोटक असंतत छलांग (explosive discontinuous jumps)।
- हाइब्रिड फेज ट्रांजिशन।
- स्थिर लिमिट-साइकिल ऑसिलेशन (पीरियड-2)।
- अराजकता के मार्ग (period-doubling cascade)।
विश्लेषणात्मक व्युत्पत्ति: इन चरणों के उदय के लिए सटीक स्व-सुसंगत समीकरण और स्थिरता स्थितियाँ प्रदान कीं, जिससे परकोलेशन ( $p_c$ ), असंतत छलांग ( $p_d$ ), और ऑसिलेशन ( $p_o$ ) के लिए क्रिटिकल थ्रेशोल्ड प्राप्त हुए।
अन्य मॉडलों के साथ मैपिंग: दिखाया कि एकल परत पर फीडबैक परकोलेशन, इंटरडिपेंडेंट नेटवर्क्स में होने वाली कैस्केडिंग विफलताओं के गणितीय रूप से समान है और ट्रायडिक परकोलेशन से संबंधित है, जो प्रणालीगत पतन (systemic collapse) पर एक नया दृष्टिकोण प्रदान करता है।

4. मुख्य परिणाम (Key Results)

A. पॉजिटिव फीडबैक (Positive Feedback)

व्यवहार: विशाल घटक का आकार लिंक सक्रियता को सुदृढ़ करता है।
ट्रांजिशन:
- मानक परकोलेशन थ्रेशोल्ड $p_c = 1/\langle k \rangle$ पर एक निरंतर ट्रांजिशन होता है।
- एक उच्च थ्रेशोल्ड $p_d$ पर एक असंतत छलांग (discontinuous jump) होती है, जहाँ सिस्टम अचानक पूरी तरह से सक्रिय अवस्था में बदल जाता है।
- दोहरा ट्रांजिशन (Double Transition): कुछ मापदंडों के लिए, सिस्टम एक निरंतर ट्रांजिशन के बाद एक असंतत छलांग से गुजरता है।
- हाइब्रिड प्रकृति: असंतत छलांग हाइब्रिड क्रिटिकल व्यवहार प्रदर्शित करती है जिसमें स्केलिंग एक्सपोनेंट $\beta = 1/2$ होता है।
क्रिटिकल एंडपॉइंट: जैसे-जैसे फीडबैक की शक्ति बढ़ती है, निरंतर और असंतत ट्रांजिशन एक क्रिटिकल एंडपइंट पर मिल जाते हैं, जिससे ट्रांजिशन की प्रकृति पूरी तरह से असंतत हो जाती है।

B. नेगेटिव फीडबैक (Negative Feedback)

व्यवहार: एक बड़ा विशाल घटक आगे की लिंक सक्रियता को दबा देता है।
दोलन (Oscillations): जब फीडबैक की शक्ति अधिक होती है, तो स्थिर फिक्स्ड पॉइंट अपनी स्थिरता खो देता है ( $h'(S^*) = -1$ ), जिससे पीरियड-2 ऑसिलेशन (लिमिट साइकल) उत्पन्न होते हैं। सिस्टम विशाल घटक के बढ़ने और घटने के बीच बारी-बारी से चलता रहता है।
महत्व: यह महामारी नियंत्रण (लॉकडाउन प्रसार को कम करता है, जिससे ढील मिलती है, जिससे प्रसार फिर से बढ़ जाता है) या नेटवर्क कंजेशन कंट्रोल जैसे स्व-नियामक सिस्टम को मॉडल करता है।

C. गैर-मोनोटोनिक फीडबैक (Non-Monotonic Feedback)

अराजकता (Chaos): एक द्विघाती फीडबैक फंक्शन का उपयोग करके, सिस्टम पीरियड-डबलिंग कैस्केड के माध्यम से अराजक व्यवहार (chaotic behavior) प्रदर्शित करता है।
सार्वभौमिकता (Universality): अराजकता का मार्ग लॉजिस्टिक्स मैप यूनिवर्सलिटी क्लास (Feigenbaum constants) से संबंधित है। लयापुनोव एक्सपोनेंट (Lyapunov exponent) धनात्मक हो जाता है, जो विशाल घटक के एपीरियॉडिक, अप्रत्याशित विकास को दर्शाता है।

D. साइज-इन्वर्टेड नेगेटिव फीडबैक (Size-Inverted Negative Feedback)

यह विशिष्ट फीडबैक रूप ( $p_n \propto S_{n-1}$ ) सीधे इंटरडिपेंडेंट नेटवर्क्स में कैस्केडिंग विफलताओं से मेल खाता है।
यह इंटरडिपेंडेंट परकोलेशन में देखे गए असंतत फेज ट्रांजिशन और हाइब्रिड क्रिटिकैलिटी को पुनरुत्पादित करता है, जो फीडबैक ढांचे को प्रणालीगत पतन के सामान्य मॉडल के रूप में मान्य करता है।

5. महत्व (Significance)

सैद्धांतिक प्रगति: यह पेपर परकोलेशन के प्रतिमान को एक स्थिर ज्यामितीय समस्या से एक गतिशील, स्व-अनुकूलन प्रक्रिया (dynamic, self-adaptive process) में मौलिक रूप से बदल देता है। यह सिद्ध करता है कि नेटवर्क की टोपोलॉजी एक स्थिर गुण नहीं है, बल्कि स्थानीय लिंक्स और वैश्विक संरचना के बीच निरंतर फीडबैक का परिणाम है।
वास्तविक दुनिया के अनुप्रयोग:
- बुनियादी ढांचा (Infrastructure): पावर ग्रिड या वित्तीय नेटवर्क में अचानक, विनाशकारी पतन (एक्सप्लोसिव परकोलेशन) की व्याख्या करता है।
- महामारी विज्ञान (Epidemiology): व्यवहार संबंधी फीडबैक (सोशल डिस्टेंसिंग) द्वारा संचालित बीमारी के प्रकोप की दोलन प्रकृति को मॉडल करता है।
- न्यूरोसाइंस (Neuroscience): हेब्बियन प्लास्टिसिटी (Hebbian plasticity) को मॉडल करता है जहाँ नेटवर्क गतिविधि कनेक्शनों को सुदृढ़ करती है।
- क्वांटम नेटवर्क: गतिशील क्वांटम मेमोरी आवंटन के लिए प्रासंगिक है।
लचीलेपन की अंतर्दृष्टि (Resilience Insights): निष्कर्ष बताते हैं कि जटिल सिस्टम के लचीलेपन को सुनिश्चित करने के लिए उनके फीडबैक के कार्यात्मक आकार (functional shape of their feedback) को समझना आवश्यक है। अनियंत्रित पॉजिटिव फीडबैक अस्थिरता की ओर ले जाता है, जबकि विलंबित नेगेटिव फीडबैक दोलनों या अराजकता को प्रेरित कर सकता है, जिससे पूर्वानुमान क्षमता सीमित हो जाती है।

निष्कर्षतः, यह कार्य फीडबैक परकोलेशन को जटिल प्रणालियों में विविध फेज ट्रांजिशन के एक मौलिक चालक के रूप में स्थापित करता है, जो स्व-नियामक दोलनों से लेकर प्रणालीगत बुनियादी ढांचे के पतन तक की घटनाओं का विश्लेषण करने के लिए एक एकीकृत सैद्धांतिक उपकरण प्रदान करता है।