🔬 condensed matter

Diffusing diffusivity selects Pareto tail exponent in random growth with redistribution

यह शोधपत्र प्रदर्शित करता है कि पुनर्वितरण के साथ यादृच्छिक विकास के बुचॉड-मेज़ार्ड मॉडल में विसरित विसरणशीलता (diffusing diffusivity) को सम्मिलित करने से एक स्थिर पारेटो धन पूँछ (Pareto wealth tail) प्राप्त होती है, जिसका घातांक केवल औसत विसरणशीलता द्वारा नहीं, बल्कि उच्च-विसरण अवस्थाओं और पुनर्वितरण दरों के बीच की परस्पर क्रिया द्वारा निर्धारित होता है।

मूल लेखक: Maxence Arutkin, Alexandre Vallée

प्रकाशित 2026-05-20

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Maxence Arutkin, Alexandre Vallée

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 हलचल भरे बाजार की कल्पना करें जहाँ लोग लगातार अपनी संपत्ति बढ़ाने की कोशिश कर रहे हैं। इस बाजार में दो मुख्य ताकतें काम कर रही हैं:

संयोग का रोलरकोस्टर: आपकी संपत्ति यादृच्छिक (randomly) रूप से बढ़ती या घटती है, जैसे एक रोलरकोस्टर। कभी आप एक बहुत बड़ा जैकपॉट जीतते हैं; कभी आप एक गहरी गिरावट का सामना करते हैं।
पुनर्वितरण मशीन (Redistribution Machine): चीजों को नियंत्रण से बाहर होने से रोकने के लिए, एक ऐसी प्रणाली है जो बहुत अमीर लोगों से थोड़ा हिस्सा लेती है और उसे बहुत गरीब लोगों को देती है, ताकि सभी को मध्यम स्तर पर रखा जा सके।

दशकों तक, वैज्ञानिकों ने इस बाजार में धन के वितरण की भविष्यवाणी करने के लिए एक मॉडल (जिसे बुचोल्ड-मेज़ार मॉडल कहा जाता है) का उपयोग किया। उन्होंने माना कि रोलरकोस्टर की "खुरदरापन" (roughness)—यानी अस्थिरता (volatility)—स्थिर थी। उन्होंने सोचा कि ट्रैक हमेशा समान रूप से ऊबड़-खाबड़ था।

नई खोज: रोलरकोस्टर का ट्रैक खुद बदल जाता है

यह शोध पत्र तर्क देता है कि वास्तविक दुनिया में, ट्रैक का "खुरदरापन" स्थिर नहीं है। यह समय के साथ बदलता रहता है। कभी-कभी ट्रैक चिकना और अनुमानित होता है (कम अस्थिरता); कभी-कभी यह एक अराजक, ऊबड़-खाबड़ ढेर होता है (उच्च अस्थिरता)। लेखक इसे "डिफ्यूजिंग डिफ्यूज़िविटी" (diffusing diffusivity) कहते हैं।

इसे इस तरह सोचें:

पुराना दृष्टिकोण: कल्पना करें कि आप एक ऐसी सड़क पर कार चला रहे हैं जहाँ गड्ढे हमेशा एक ही आकार के होते हैं।
नया दृष्टिकोण: कल्पना करें कि आप एक ऐसी सड़क पर कार चला रहे हैं जहाँ गड्ढे खुद हिल रहे हैं। कभी आप एक चिकनी हाईवे पर होते हैं; कुछ क्षण बाद, आप पत्थरों से भरी एक कच्ची सड़क पर होते हैं। सड़क का स्वरूप ही उतार-चढ़ाव भरा है।

जब आप अकेले सवारी करते हैं तो क्या होता है?

यदि आप इस बदलते रोलरकोस्टर की केवल एक सवारी कर रहे हैं (पुनर्वितरण मशीन के बिना), तो शोध पत्र एक दिलचस्प बात पाता है:

अल्पकालिक (तत्काल सवारी): यदि आप एक छोटी अवधि में अपनी यात्रा को देखते हैं, तो आपका रास्ता जंगली और अप्रत्याशित दिखता है। यह एक मानक बेल कर्व (bell curve) का पालन नहीं करता है; यह "फैट-टेल्ड" (fat-tailed) है, जिसका अर्थ है कि सामान्य से अधिक अत्यधिक उतार-चढ़ाव होना आम है। ऐसा इसलिए है क्योंकि आप कुछ समय के लिए ट्रैक के एक "ऊबड़-खाबड़" हिस्से पर फंस सकते हैं।
दीर्घकालिक (पूरी यात्रा): यदि आप बहुत लंबे समय तक सवारी करते हैं, तो अंततः आप सड़क की सभी स्थितियों का अनुभव करते हैं—चिकनी, ऊबड़-खाबड़ और सब कुछ के बीच की। क्योंकि आपने सब कुछ देख लिया है, आपकी औसत यात्रा सुधर जाती है और फिर से एक सामान्य, अनुमानित बेल कर्व की तरह दिखने लगती है। बदलती सड़क की अराजकता "औसत खुद ही निकाल लेती है।"

जब पूरा बाजार आपस में जुड़ा होता है तो क्या होता है?

असली जादू तब होता है जब हम पुनर्वितरण मशीन (वह प्रणाली जो लोगों के बीच पैसा स्थानांतरित करती है) को वापस लाते हैं।

पुराने मॉडल में, वैज्ञानिकों ने सोचा था कि सुपर-रिच (अति-धनी) लोगों की संपत्ति की भविष्यवाणी करने के लिए, आपको केवल सड़क के औसत खुरदरेपन को जानने की आवश्यकता है। उन्होंने सोचा, "यदि सड़क 50% समय ऊबड़-खाबड़ और 50% समय चिकनी है, तो बस औसत खुरदरेपन का उपयोग करके परिणाम की गणना करें।"

यह शोध पत्र साबित करता है कि यह गलत है।

जब सड़क की स्थितियाँ धीरे-धीरे बदलती हैं (अर्थात, आप चिकनी ट्रैक पर स्विच करने से पहले लंबे समय तक एक ऊबड़-खाबड़ ट्रैक पर रहते हैं), तो "औसत" मायने नहीं रखता। इसके बजाय, सबसे चरम स्थितियां हावी हो जाती हैं।

उपमा: कल्पना करें कि एक दौड़ है जहाँ धावक चिकनी ट्रैक और कीचड़ भरी, ऊबड़-खाबड़ ट्रैक के बीच स्विच करते हैं।
- यदि वे ट्रैक तुरंत बदलते हैं, तो दौड़ का परिणाम दोनों ट्रैकों की औसत गति पर निर्भर करता है।
- यदि वे कीचड़ वाले ट्रैक पर लंबे समय तक रहते हैं, तो कीचड़ वाले ट्रैक पर दौड़ने वाले धावक बहुत आगे निकल जाते हैं। अंतिम परिणाम पूरी तरह से कीचड़ वाले ट्रैक द्वारा निर्धारित होता है, न कि औसत द्वारा।

मुख्य निष्कर्ष: लॉटरी कौन जीतता है?

शोध पत्र दिखाता है कि "पारेटो टेल" (वह गणितीय नियम जो यह बताता है कि कितने सुपर-रिच लोग हैं) उच्च अस्थिरता की अवधियों द्वारा चयनित (selected) होता है।

तेजी से स्विचिंग (Fast Switching): यदि सड़क की स्थितियाँ बहुत तेज़ी से बदलती हैं, तो सिस्टम पुराने मॉडल की तरह व्यवहार करता है। धन का वितरण "औसत" सड़क का पालन करता है।
धीमी स्विचिंग (Slow Switching): यदि सड़क की स्थितियाँ लंबे समय तक एक जैसी रहती हैं, तो वे लोग जो लंबे समय तक सबसे अधिक अस्थिर (ऊबड़-खाबड़) अवस्था में फंसे रहते हैं, वे ही अति-धनी (outliers) बन जाते हैं। उनकी संपत्ति विस्फोट के साथ बढ़ती है क्योंकि उन्होंने सबसे जंगली रोलरकोस्टर की सवारी सबसे लंबे समय तक की।

सरल शब्दों में: यह शोध पत्र प्रकट करता है कि अस्थिरता के उतार-चढ़ाव वाली दुनिया में, सबसे अमीर लोग केवल वे नहीं हैं जो औसतन "भाग्यशाली" रहे। वे वे लोग हैं जो पर्याप्त समय तक "उच्च-अस्थिरता क्षेत्र" में रहे ताकि वे बड़ी लहरों की सवारी कर सकें। सिस्टम औसत सड़क की परवाह नहीं करता; यह उस सबसे खराब (या सबसे अच्छे) सड़क की परवाह करता है जिस पर आप सबसे लंबे समय तक रहे थे।

यह हमारे "एक्सपोनेंट" (वह संख्या जो हमें धन के अंतर की तीव्रता बताती है) की गणना को बदल देता है। यह अब एक सरल औसत नहीं है; यह सड़क के बदलने की गति और सबसे ऊबड़-खाबड़ हिस्से के खुरदरेपन के बीच एक जटिल संतुलन है।

तकनीकी सारांश: रैंडम ग्रोथ विद रिडिस्ट्रीब्यूशन में डिफ्यूजिंग डिफ्यूसिविटी पारेटो टेल एक्सपोनेंट का चयन करती है

समस्या विवरण
बौचौड-मेज़ार्ड (BM) मॉडल विनिमय अर्थव्यवस्थाओं (exchange economies) के माध्यम से स्थिर पारेटो धन वितरण (stationary Pareto wealth distributions) के उद्भव का वर्णन करने के लिए रैंडम मल्टीप्लिकेटिव ग्रोथ और एडिटिव रिडिस्ट्रीब्यूशन के बीच संतुलन का उपयोग करता है। मानक BM ढांचे में एक महत्वपूर्ण, अंतर्निहित धारणा यह है कि मल्टीप्लिकेटिव नॉइज़ इंटेंसिटी (डिफ्यूसिविटी, $D$ ) स्थिर रहती है। हालांकि, भौतिक प्रणालियों (जैसे, सिंगल-मॉलिक्यूल ट्रेसर) और वित्तीय बाजारों में देखे गए अनुभवजन्य अवलोकन संकेत देते हैं कि अस्थिरता (volatility) अक्सर एक स्टोकेस्टिक, उतार-चढ़ाव वाला चर होती है जिसका पर्सिस्टेंस टाइम (persistence time) प्रेक्षणीय प्रक्रिया के तुलनीय होता है। यह शोध पत्र इस बात की जांच करता है कि स्थिर डिफ्यूसिविटी के स्थान पर एक "डिफ्यूजिंग डिफ्यूसिविटी" (एक लेटेंट स्टोकेस्टिक प्रक्रिया) को रखने से परस्पर क्रिया करने वाले एजेंटों के सिस्टम में स्थिर पारेटो टेल एक्सपोनेंट (stationary Pareto tail exponent) कैसे बदल जाता है। विशेष रूप से, यह पूछता है कि क्या एडिटीव ब्राउनियन मोशन में देखी गई डिफ्यूजिंग डिफ्यूसिविटी की सेल्फ-एवरेजिंग (self-averaging) गुणधर्म BM मॉडल की मल्टीप्लिकेटिव नॉनलिनियैरिटी और रिडिस्ट्रिब्यूटिव इंटरैक्शन में जीवित रहते हैं या नहीं।

कार्यप्रणाली
लेखक एक दो-स्तरीय विश्लेषणात्मक दृष्टिकोण अपनाते हैं:

सिंगल-एजेंट डायनेमिक्स (गैर-परस्पर क्रिया करने वाला):
एक एकल एजेंट की संपत्ति $z_t$ को जियोमेट्रिक ब्राउनियन मोशन के साथ एक स्टोकेस्टिक डिफरेंशियल इक्वेशन (SDE) के माध्यम से मॉडल किया जाता है, जहाँ डिफ्यूसिविटी $D_t$ एक पीसवाइज-कांस्टेंट स्टोकेस्टिक प्रक्रिया है (जिसे पॉइसन प्रक्रिया के माध्यम से रिफ्रेश किया जाता है)। लॉग-वेरिएबल $y_t = \ln z_t$ के लिए इटो फॉर्मूला (Itô's formula) लागू करके, सिस्टम को एक इंटीग्रेटेड डिफ्यूसिविटी $\Lambda_t = \int_0^t D_s ds$ द्वारा संचालित एक एडिटिव इक्वेशन में बदल दिया जाता है।

डिफ्यूसिविटी के एक्सपोनेंशियल रिड्रॉ लॉ (exponential redraw law) के लिए, लेखक सटीक फूरियर-लाप्लास प्रोपेगेटर (Fourier–Laplace propagator) व्युत्पन्न करते हैं।
वे एसिम्प्टोटिक रिजीम्स (asymptotic regimes) का विश्लेषण करते हैं, जो शॉर्ट-टाइम व्यवहार (जहाँ डिफ्यूसिविटी प्रभावी रूप से जमी हुई होती है) और लॉन्ग-टाइम व्यवहार (जहाँ प्रक्रिया सेल्फ-एवरेज होती है) के बीच अंतर करती है।

इंटरेक्टिंग सिस्टम (मीन-फील्ड रिडिस्ट्रीब्यूशन):
स्थिर टेल्स (stationary tails) को संबोधित करने के लिए, लेखक एक मीन-फील्ड रिडिस्ट्रीब्यूशन मैट्रिक्स $J_{ij} = J/N$ द्वारा जुड़े $N$ एजेंटों को पेश करते हैं।

वे सापेक्ष धन $x_i = z_i / \bar{z}$ को परिभाषित करते हैं और बड़े जनसंख्या सीमा (large-population limit) के तहत प्रभावी सिंगल-एजेंट SDE को व्युत्पन्न करते हैं, जहाँ कॉमन ग्रोथ टर्म को हटा दिया जाता है।
अनबाउंडेड रिड्रॉ लॉ से जुड़े फाइनाइट-टाइम मोमेंट डायवर्जेंस से बचने के लिए, वे डिफ्यूसिविटी को एक टू-स्टेट मॉडल ( $D_{low}$ और $D_{high}$ ) के साथ सीमित करते हैं, जिनके इक्विलिब्रियम वेट्स $\beta$ और $1-\beta$ हैं।
संयुक्त प्रक्रिया $(x_t, D_t)$ एक मार्कोवियन प्रक्रिया है। लेखक लो-डिफ्यूसिविटी और हाई-डिफ्यूसिविटी अवस्थाओं में प्रोबेबिलिटी डेंसिटी के लिए युग्मित स्थिर फॉकर-प्लांक समीकरण (stationary Fokker–Planck equations) तैयार करते हैं।
एक सटीक टेल विश्लेषण किया जाता है, जिसमें बीजगणितीय क्षय मोड (algebraic decay modes) $P(x) \sim x^{-1-\alpha}$ मानकर और परिणामी लीनियर सिस्टम के डिटरमिनेंट के शून्य होने की स्थिति को हल करके काम किया जाता है।

मुख्य योगदान और परिणाम

ट्रांजिएंट बनाम स्टेशनरी प्रभाव:
- सिंगल एजेंट: रिडिस्ट्रीब्यूशन की अनुपस्थिति में, डिफ्यूजिंग डिफ्यूसिविटी शॉर्ट-टाइम पर नॉन-गौसियन सांख्यिकी (विभिन्न वेरिएंस वाले गौसियन कर्नेल का मिश्रण) प्रेरित करती है। हालांकि, लंबे समय में, लॉग-प्रोसेस सेल्फ-एवरेज हो जाता है, जो एक प्रभावी वेरिएंस के साथ एक गौसियन वितरण की ओर अभिसरित होता है जिसमें डिफ्यूसिविटी के उतार-चढ़ाव का योगदान ( $2\sigma_D^2/\mu_r$ ) शामिल होता है।
- इंटरेक्टिंग सिस्टम: महत्वपूर्ण रूप से, यह सेल्फ-एवरेजिंग केवल औसत डिफ्यूसिविटी का उपयोग करके स्थिर पारेटो टेल को निर्धारित नहीं करता है। टेल एक्सपोनेंट डिफ्यूसिविटी ट्रैजेक्टरी के पूर्ण सांख्यिकी द्वारा चुना जाता है, न कि केवल इसके माध्य द्वारा।
सटीक पारेटो एक्सपोनेंट:
टू-स्टेट डिफ्यूसिविटी मॉडल के लिए, स्टेशनरी पारेटो एक्सपोनेंट $\alpha_c$ को एक स्पष्ट बहुपद डिटरमिनेंट $\Delta_\alpha = 0$ के सबसे छोटे रूट के रूप में पहचाना गया है जो एक से अधिक है:
$\Delta_\alpha = F_\ell(\alpha)F_h(\alpha) + \mu_r[\alpha J - \alpha(\alpha-1)\bar{D}] = 0$
जहाँ $F_i(\alpha) = \alpha J - \alpha(\alpha-1)D_i$ और $\bar{D}$ औसत डिफ्यूसिविटी है।
सीमाओं के बीच इंटरपोलेशन:
व्युत्पन्न एक्सपोनेंट $\alpha_c$ दो अलग-अलग भौतिक सीमाओं के बीच इंटरपोलेट करता है:
1. फास्ट-रिफ्रेश लिमिट ( $\mu_r \to \infty$ ): सिस्टम औसत डिफ्यूसिविटी का उपयोग करके मानक बौचौड-मेज़ार्ड भविष्यवाणी को पुनः प्राप्त करता है: $\alpha_{fast} = 1 + J/\bar{D}$ ।
2. स्लो-रिफ्रेश लिमिट ( $\mu_r \to 0$ ): सिस्टम सबसे अधिक अस्थिर चैनल द्वारा डोमिनेट होता है। एक्सपोनेंट $\alpha_{slow} = 1 + J/D_{high}$ हो जाता है।
किसी भी परिमित रिफ्रेश रेट के लिए, लेखक सिद्ध करते हैं कि $\alpha_{slow} < \alpha_c < \alpha_{fast}$ । यह इंगित करता है कि निरंतर अस्थिरता के उतार-चढ़ाव व्यवस्थित रूप से पारेटो एक्सपोनेंट को कम कर देते हैं (टेल को भारी बनाते हैं), जो औसत अस्थिरता पर आधारित भविष्यवाणी की तुलना में।

महत्व और दावे
यह पेपर दावा करता है कि डिफ्यूजिंग डिफ्यूसिविटी की दोहरी भूमिका है: यह सिंगल-एजेंट ग्रोथ में ट्रांजिएंट, नॉन-गौसियन उतार-चढ़ाव को नियंत्रित करती है लेकिन परस्पर क्रिया करने वाले सिस्टम में स्थिर पारेटो टेल को मौलिक रूप से चुनती (selects) है।

प्राथमिक सैद्धांतिक योगदान यह प्रदर्शित करना है कि स्थिर टेल डिफ्यूसिविटी को उसके माध्य से बदलने से निर्धारित नहीं होती है। इसके बजाय, जो एजेंट लंबे समय तक उच्च-डिफ्यूसिविटी अवस्थाओं में रहते हैं, वे दुर्लभ, बड़े-धन की घटनाओं पर हावी होते हैं। फलस्वरूप, पारेटो एक्सपोनेंट हमेशा शास्त्रीय बौचौड-मेज़ार्ड भविष्यवाणी ( $1 + J/\bar{D}$ ) से कम होता है जब अस्थिरता में पर्सिस्टेंस (persistence) दिखाई देता है।

लेखक सुझाव देते हैं कि यह परिणाम वास्तविक दुनिया की सामाजिक-आर्थिक प्रणालियों के लिए एक संभावित अनुभवजन्य संकेत (empirical signature) प्रदान करता है। चूंकि अनुभवजन्य डेटा अक्सर निरंतर और विषम अस्थिरता (जैसे फर्म ग्रोथ या वित्तीय रिटर्न) दिखाता है, इसलिए औसत डिफ्यूसिविटी द्वारा अनुमानित मान से नीचे देखे गए पारेटो एक्सपोनेंट के विस्थापन को यहाँ वर्णित "डिफ्यूजिंग डिफ्यूसिविटी" तंत्र के कारण दिया जा सकता है। पेपर यह निष्कर्ष निकालता है कि यह ढांचा एक परीक्षण योग्य परिकल्पना प्रदान करता है: समान माध्य डिफ्यूसिविटी लेकिन भिन्न पर्सिस्टेंस टाइम वाले डेटासेट अलग-अलग पारेटो एक्सपोनेंट प्रदान करेंगे।

जब आप अकेले सवारी करते हैं तो क्या होता है?

जब पूरा बाजार आपस में जुड़ा होता है तो क्या होता है?

मुख्य निष्कर्ष: लॉटरी कौन जीतता है?

इसी तरह के और पेपर