🔬 condensed matter

Generalized BChS Model with Group Interactions: Shift in the Critical Point and Mean-Field Ising Universality

यह शोध पत्र प्रदर्शित करता है कि बिस्वास-चैटरजी-सेन (BChS) मॉडल को आकार $q$ के समूह अंतःक्रियाओं को सम्मिलित करने के लिए विस्तारित करने से क्रिटिकल नॉइज़ थ्रेशोल्ड (critical noise threshold) $q$ के बढ़ने के साथ निरंतर $1/2$ की ओर खिसक जाता है, फिर भी प्रणाली सभी अंतःक्रिया आकारों के लिए अपरिवर्तित क्रिटिकल एक्सपोनेंट्स (critical exponents) के साथ मीन-फील्ड आइसिंग (mean-field Ising) सार्वभौमिकता वर्ग को बनाए रखती है।

मूल लेखक: Amit Pradhan

प्रकाशित 2026-04-15

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Amit Pradhan

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

कल्पना कीजिए कि एक विशाल शहर का चौक है जहाँ हर कोई लगातार बातें कर रहा है, बहस कर रहा है और एक-दूसरे को अपनी राय से समझाने की कोशिश कर रहा है। इस शहर में लोग तीन तरह के विचार रख सकते हैं: हाँ (+1), नहीं (-1), या मैं अनिश्चित हूँ (0)।

यह शोधपत्र (paper) इस बात पर नज़र रखने का एक नया तरीका पेश करता है कि ये विचार कैसे बदलते हैं, जो कि एक क्लासिक मॉडल पर आधारित है जिसे BChS मॉडल कहा जाता है। लेकिन केवल दो लोगों के बीच बातचीत के बजाय, लेखक, अमित प्रधान, एक दिलचस्प सवाल पूछते हैं: क्या होता है जब लोगों का एक पूरा समूह एक साथ बात करता है?

यहाँ शोधपत्र की कहानी है, जिसे सरल अवधारणाओं में विभाजित किया गया है।

1. पुराना तरीका बनाम नया तरीका

पुराना तरीका (जोड़ी में - Pairwise): कल्पना कीजिए कि दो पड़ोसी, एलिस और बॉब, कॉफी पी रहे हैं। एलिस बॉब को समझाने की कोशिश करती है। यदि बॉब जिद्दी है, तो वह उसे अनदेखा कर सकता है। यदि वह प्रभावित होता है, तो वह अपना मन बदल सकता है। अधिकांश सामाजिक मॉडल इसी तरह काम करते हैं: आमने-सामने की बातचीत।
नया तरीका (समूहों में बातचीत - Group Interactions): अब, कल्पना कीजिए कि एलिस 5 अन्य लोगों के साथ एक बैठक में जाती है। वे सभी एक साथ बात करते हैं। भीड़ का "शोर" अधिक तेज़ है, और तालमेल बिठाने (या विद्रोह करने) का दबाव अलग है।
- इस शोधपत्र में, लेखक $q$ आकार के समूहों का अनुकरण (simulate) करता है।
- यदि $q=1$ है, तो यह केवल एक-पर-एक बातचीत है (पुराना मॉडल)।
- यदि $q=100$ है, तो यह एक विशाल टाउन हॉल मीटिंग है।

2. "शोर" (Noise) का कारक

इस शहर में, हर कोई तर्कसंगत नहीं है। कभी-कभी, लोग अपना मन बदल लेते हैं क्योंकि उनका दिन बुरा रहा, उन्होंने कोई अफवाह सुनी, या उन्होंने बस एक गलती कर दी। लेखक इसे "शोर" ( $p$ ) कहते हैं।

कम शोर: लोग तर्कसंगत हैं और अपने समूह के प्रभाव पर टिके रहते हैं।
अधिक शोर: लोग अराजक हैं और बिना किसी कारण के मन बदलते रहते हैं।

बड़ा सवाल यह है: शहर कितना शोर झेल सकता है इससे पहले कि हर कोई एक-दूसरे से असहमत हो जाए और अराजकता छा जाए?

3. मुख्य खोज: बड़ा समूह = मजबूत सहमति

लेखक ने कुछ आश्चर्यजनक लेकिन सहज खोज की: समूह जितना बड़ा होगा, उनकी सहमति को तोड़ना उतना ही कठिन होगा।

उपमा (Analogy): उन दोस्तों के समूह के बारे में सोचें जो फिल्म तय करने की कोशिश कर रहे हैं।
- यदि यह केवल दो लोग हैं, तो एक व्यक्ति का ध्यान भटकना (शोर) और उसका मन बदल लेना बहुत आसान है, जिससे सहमति बिगड़ सकती है।
- यदि यह 50 लोगों का समूह है, तो भले ही कुछ लोग विचलित हो जाएं, अन्य 45 लोगों की आवाज़ का भारी वजन समूह को ट्रैक पर रखता है। "ग्रुप थिंकिंग" (समूह की सोच) अधिक मजबूत होती है।

परिणाम: जैसे-जैसे समूह का आकार ( $q$ ) बढ़ता है, शहर अराजकता में गिरने से पहले अधिक शोर सहन कर सकता है।

पुराने मॉडल में (2 के समूह में), अराजकता तब शुरू होती है जब शोर 25% तक पहुँच जाता है।
नए मॉडल में (विशाल समूहों में), अराजकता तब तक शुरू नहीं होती जब तक शोर 50% तक नहीं पहुँच जाता।

लेखक ने इस "टिपिंग पॉइंट" (निर्णायक मोड़) की सटीक गणना की है। जैसे-जैसे समूह अनंत रूप से बड़े होते जाते हैं, यह टिपिंग पॉइंट ठीक 50% के करीब पहुँच जाता है। यह सामाजिक समूहों के लिए एक गणितीय भौतिक नियम की तरह है।

4. ट्विस्ट: बदलाव का "स्वाद" नहीं बदलता

यहाँ सबसे वैज्ञानिक हिस्सा है, जिसे सरल भाषा में समझाया गया है:
जब कोई प्रणाली "व्यवस्था" (सब सहमत हैं) से "अराजकता" (सब असहमत हैं) की ओर जाती है, तो यह आमतौर पर बदलने के विशिष्ट नियमों का पालन करती है। भौतिक विज्ञानी इसे यूनिवर्सैलिटी (Universality) कहते हैं।

अपेक्षा: आप सोच सकते हैं कि "एक-पर-एक बातचीत" से "विशाल समूह की बैठकों" में बदलने से समाज के ढहने के नियम पूरी तरह से बदल जाएंगे। शायद यह अचानक क्रैश होने के बजाय एक धीमी, क्रमिक गिरावट बन जाएगा।
वास्तविकता: लेखक ने सिद्ध किया है कि नियम बिल्कुल वही रहते हैं।
- चाहे आपके पास 2 के समूह हों या 1,000 के समूह, समाज के ढहने का तरीका बिल्कुल उसी गणितीय पैटर्न (जिसे Mean-Field Ising Universality कहा जाता है) का पालन करता है।
- रूपक (Metaphor): कल्पना कीजिए कि पानी का एक गिलास जम रहा है। चाहे आप इसे एक छोटे कप में जमाएं या एक विशाल बाथटब में, बर्फ अभी भी उसी तरह बनती है, उसी क्रिस्टल संरचना के साथ। कंटेनर का आकार यह बदलता है कि यह कब जमता है, लेकिन यह नहीं कि यह कैसे जमता है।

5. यह क्यों मायने रखता है?

यह शोधपत्र हमें समाज के बारे में दो महत्वपूर्ण बातें बताता है:

समूह का आकार स्थिरता के लिए मायने रखता है: यदि आप किसी समुदाय को एकजुट रखना चाहते हैं, तो उन्हें बड़े समूहों में बातचीत करने के लिए प्रेरित करने से समूह बाहरी शोर और भ्रम के प्रति अधिक लचीला बनता है।
बदलाव के नियम सुदृढ़ (Robust) हैं: भले ही ढहने का समय बदल जाता है, लेकिन सामाजिक परिवर्तन की मौलिक प्रकृति अनुमानित रहती है। चाहे वह एक छोटा गुट हो या एक बड़ा आंदोलन, उनके ढहने का गणित आश्चर्यजनक रूप से सुसंगत रहता है।

संक्षेप में

लेखक ने एक मॉडल लिया कि लोग कैसे बहस करते हैं और इसे केवल "निजी बातचीत" के बजाय "ग्रुप चैट" को शामिल करने के लिए अपडेट किया।

खोज 1: बड़े समूह टूटने में कठिन होते; वे बिखरने से पहले अधिक अराजकता को झेल सकते हैं।
खोज 2: भले ही "ब्रेकिंग पॉइंट" (टूटने का बिंदु) बदल जाता है, लेकिन जिस तरीके से समूह टूटता है, वह पुराने, छोटे समूहों के समान ही सार्वभौमिक नियमों का पालन करता है।

यह हमें याद दिलाता है कि जबकि हमारे सामाजिक दायरे का आकार हमारी एकता की शक्ति को बदल देता है, हमारी सहमति और असहमति की मौलिक भौतिकी स्थिर रहती है।

यहाँ अमित प्रधान के शोध पत्र "Generalized BChS Model with Group Interactions: Shift in the Critical Point and Mean-Field Ising Universality" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

सामाजिक प्रणालियों में जनमत गतिशीलता (opinion dynamics) का अध्ययन पारंपरिक रूप से द्विपक्षीय अंतःक्रियाओं (pairwise interactions) (जैसे कि मूल बिस्वास-चैटरजी-सेन या BChS मॉडल) पर आधारित रहा है, जहाँ दो व्यक्ति आपस में संवाद करते हैं ताकि विचारों को अपडेट किया जा सके। हालाँकि, वास्तविक दुनिया की सामाजिक अंतःक्रियाएँ अक्सर समूहों (groups) में होती हैं, जहाँ कई व्यक्ति एक साथ एक-दूसरे को प्रभावित करते हैं।

यह शोध पत्र एक अंतराल को संबोधित करता है: जबकि BChS मॉडल पर नेटवर्क टोपोलॉजी के प्रभावों का व्यापक अध्ययन किया गया है, समूह अंतःक्रिया आकार ( $q$ ) का क्रिटिकल पॉइंट (phase transition location) और इसकी सार्वभौमिकता वर्ग (universality class) पर व्यवस्थित प्रभाव अभी भी अस्पष्ट है। लेखक यह निर्धारित करने का लक्ष्य रखते हैं कि समूह के आकार को द्विपक्षीय ( $q=1$ ) से बड़े समूहों तक बढ़ाने से क्रिटिकल नॉइज़ थ्रेशोल्ड (critical noise threshold) और संक्रमण की प्रकृति पर क्या प्रभाव पड़ता है।

2. कार्यप्रणाली (Methodology)

लेखकों ने एक सामान्यीकृत BChS मॉडल पेश किया है और इसका विश्लेषण विश्लेषणात्मक मीन-फील्ड थ्योरी (analytical mean-field theory) और संख्यात्मक परिमित-आकार स्केलिंग (numerical finite-size scaling) दोनों का उपयोग करके किया है।

A. मॉडल की परिभाषा (Model Definition)

प्रणाली (System): $N$ एजेंटों की एक जनसंख्या, जिनमें से प्रत्येक के पास एक विविक्त विचार (discrete opinion) $O_i \in \{-1, 0, +1\}$ है।
अंतःक्रिया (Interaction): द्विपक्षीय विनिमय के बजाय, एक यादृच्छिक रूप से चुना गया एजेंट $i$ , $q$ यादृच्छिक रूप से चुने गए पड़ोसियों के एक समूह के साथ अंतःक्रिया करता है।
गतिशीलता (Dynamics):
- समूह एक प्रभावी प्रभाव $\eta_i = \text{sgn}(\mu_i \sum_{k=1}^q O_k)$ डालता है, जहाँ $\sum O_k$ समूह का कुल विचार है।
- पैरामीटर $\mu_i$ $μ_{i}$ अंतःक्रिया की प्रकृति को निर्धारित करता है:
  - $\mu_i = +1$ (संभावना $1-p$ ): सुदृढ़ीकरण अंतःक्रिया (समूह के साथ संरेखित)।
  - $\mu_i = -1$ (संभावना $p$ ): विरोधी अंतःक्रिया (समूह के विरुद्ध प्रतिक्रिया)।
- एजेंट का विचार इस प्रकार अपडेट होता है: $O_i(t+1) = \text{sgn}[O_i(t) + \eta_i]$ ।
पैरामीटर $p$ : यह "विकार" (disorder) या नॉइज़ स्तर का प्रतिनिधित्व करता है। उच्च $p$ अव्यवस्थित अवस्था की ओर ले जाता है; निम्न $p$ एक व्यवस्थित (सहमति) अवस्था की ओर ले जाता है।

B. विश्लेषणात्मक दृष्टिकोण (Analytical Approach - Mean-Field Theory)

दर समीकरण (Rate Equations): लेखक $+1, -1, 0$ विचारों वाले एजेंटों के अंशों ( $f_+, f_-, f_0$ ) के लिए युग्मित विभेदक समीकरण (coupled differential equations) व्युत्पन्न करते हैं।
चर (Variables): वे एक ऑर्डर पैरामीटर $O = f_+ - f_-$ और एक एक्टिविटी $s = f_+ + f_-$ को परिभाषित करते हैं।
स्थिरता विश्लेषण (Stability Analysis):
- वे अव्यवस्थित स्थिर बिंदु (disordered fixed point) $(O^*, s^*) = (0, 2/3)$ की पहचान करते हैं।
- इस स्थिर बिंदु के आसपास विकास समीकरणों को रैखिकीकृत (linearizing) करके, वे आइजनवैल्यू (eigenvalue) $\lambda_O$ प्राप्त करते हैं।
- क्रिटिकल पॉइंट $p_c(q)$ को मार्जिनल स्टेबिलिटी स्थिति $\lambda_O = 0$ द्वारा निर्धारित किया जाता है।
बड़े $q$ की सीमा (Large $q$ Limit): बड़े समूह आकारों के लिए, लेखक सेंट्रल लिमिट थ्योरम (Central Limit Theorem) लागू करते हैं, और समूह के विचारों के योग को गाऊसी वितरण (Gaussian distribution) के रूप में अनुमानित करते हुए एक स्पर्शोन्मुखी अभिव्यक्ति (asymptotic expression) प्राप्त करते हैं।

C. संख्यात्मक दृष्टिकोण (Numerical Approach - Finite-Size Scaling)

लेखक विभिन्न सिस्टम साइज ( $N$ ) और समूह आकार ( $q$ ) के लिए मोंटे कार्लो सिमुलेशन (Monte Carlo simulations) करते हैं।
वे क्रिटिकल एक्सपोनेंट्स ( $\beta, \nu, \gamma$ ) निकालने और सार्वभौमिकता वर्ग को सत्यापित करने के लिए बाइंडर क्यूमलेंट (Binder cumulant), ऑर्डर पैरामीटर, और ससेप्टिबिलिटी (susceptibility/fluctuations) का विश्लेषण करते हैं।

3. मुख्य योगदान और परिणाम (Key Contributions and Results)

A. क्रिटिकल पॉइंट ( $p_c$ ) में बदलाव

सबसे महत्वपूर्ण निष्कर्ष यह है कि समूह का आकार $q$ बढ़ाने से क्रिटिकल नॉइज़ थ्रेशोल्ड $p_c(q)$ व्यवस्थित रूप से बढ़ जाता है।

सटीक अभिव्यक्ति (Exact Expression): लेखक एक सटीक विश्लेषणात्मक अभिव्यक्ति व्युत्पन्न करते हैं:
$p_c(q) = \frac{1}{2} \left[ 1 - \frac{3}{4} \frac{(1 - P_0)}{\chi_q} \right]$
जहाँ $P_0$ तटस्थ समूह प्रभाव की संभावना है और $\chi_q$ समूह की औसत प्रतिक्रिया फलन (response function) है।
रुझान (Trend):
- $q=1$ (मूल मॉडल) के लिए: $p_c = 1/4 = 0.25$ ।
- $q=2$ के लिए: $p_c = 5/16 = 0.3125$ ।
- $q=3$ के लिए: $p_c \approx 0.33$ ।
- बड़े $q$ की सीमा: जैसे-जैसे $q \to \infty$ , $p_c(q) \to 1/2$ ।
भौतिक व्याख्या: बड़े समूह उतार-चढ़ाव (fluctuations) को अधिक प्रभावी ढंग से औसत करते हैं, जिससे व्यवस्थित अवस्था (ordered phase) को नॉइज़ के विरुद्ध स्थिरता मिलती है। इस प्रकार, बड़े समूहों में सहमति (consensus) को नष्ट करने के लिए उच्च नॉइज़ स्तर की आवश्यकता होती है।

B. सार्वभौमिकता वर्ग (Universality Class - Critical Behavior)

क्रिटिकल पॉइंट के स्थान में बदलाव के बावजूद, सार्वभौमिकता वर्ग अपरिवर्तित रहता है।

ऑर्डर पैरामीटर स्केलिंग: क्रिटिकल पॉइंट के पास, ऑर्डर पैरामीटर इस प्रकार स्केल होता है:
$O \sim (p_c - p)^{\beta}, \quad \text{जहाँ } \beta = 1/2$
रिलैक्सेशन डायनेमिक्स (Relaxation Dynamics): रिलैक्सेशन टाइमस्केल इस प्रकार डाइवर्ज (diverge) होता है:
$\tau \sim |p - p_c|^{-\nu z}, \quad \text{जहाँ } \nu z = 1$
परिमित-आकार स्केलिंग (Finite-Size Scaling): संख्यात्मक सिमुलेशन क्रिटिकल एक्सपोनेंट्स की पुष्टि करते हैं:
- $\beta = 1/2$
- $\nu = 2$ (प्रभावी आयाम $d=4$ )
- $\gamma = 1$
निष्कर्ष: यह प्रणाली सभी $q$ मानों के लिए मीन-फील्ड आइजन (Mean-Field Ising) सार्वभौमिकता वर्ग से संबंधित है।

C. गाऊसी सन्निकटन (Gaussian Approximation)

शोध पत्र प्रदर्शित करता है कि मध्यम से बड़े $q$ (विशेष रूप से $q \gtrsim 10$ ) के लिए, गाऊसी सन्निकटन (सेंट्रल लिमिट थ्योरम) प्रणाली का सटीक वर्णन प्रदान करता है, जहाँ सटीक संख्यात्मक परिणाम और स्पर्शोष्ठीय सूत्र लगभग पूरी तरह से मेल खाते हैं।

4. महत्व (Significance)

सार्वभौमिकता की मजबूती (Robustness of Universality): यह अध्ययन इस बात का पुख्ता प्रमाण प्रदान करता है कि काइनेटिक एक्सचेंज ओपिनियन मॉडल्स में, सार्वभौमिकता वर्ग अंतःक्रिया की सीमा (interaction range) (द्विपक्षीय से समूह अंतःक्रिया तक) में परिवर्तन के प्रति मजबूत (robust) है। हालांकि संक्रमण का स्थान बदल जाता है, लेकिन क्रिटिकल व्यवहार की प्रकृति (स्केलिंग एक्सपोनेंट्स) नहीं बदलती है।
सोशल फिजिक्स अंतर्दृष्टि (Social Physics Insight): यह रेखांकित करता है कि समूह अंतःक्रियाएं सहमति के लिए एक स्थिरीकरण तंत्र (stabilizing mechanism) के रूप में कार्य करती हैं। वास्तविक दुनिया के परिदृश्यों में, चर्चा के बड़े समूह एक-पर-एक (one-on-one) बातचीत की तुलना में यादृच्छिक शोर या "फेक न्यूज" (विकार) के प्रति अधिक प्रतिरोधी हो सकते हैं, जिन्हें सहमति तोड़ने के लिए अधिक शक्तिशाली विघटनकारी बलों की आवश्यकता होती है।
सैद्धांतिक ढांचा (Theoretical Framework): $p_c(q)$ के लिए एक सटीक विश्लेषणात्मक अभिव्यक्ति का व्युत्पन्न और गाऊसी सीमा का सत्यापन, जटिल सामाजिक प्रणालियों में उच्च-क्रम की अंतःक्रियाओं के अध्ययन के लिए एक कठोर गणितीय आधार प्रदान करता है।

संक्षेप में, यह शोध पत्र सफलतापूर्वक BChS मॉडल को समूह अंतःक्रियाओं के लिए सामान्यीकृत करता है, यह सिद्ध करते हुए कि जबकि बड़े समूह विकार (disorder) के लिए थ्रेशोल्ड को बढ़ा देते हैं, वे प्रणाली के मौलिक क्रिटिकल स्केलिंग नियमों को नहीं बदलते हैं।