🌀 nonlinear sciences

Collective drift and pinning in active rotator networks with Kuramoto coupling and mixed-sign feedback disorder

यह शोध पत्र कुरामोतो कपलिंग और मिश्रित-चिह्न गॉसियन फीडबैक डिसऑर्डर के साथ पूर्णतः जुड़े हुए सक्रिय रोटेटर नेटवर्क की जांच करता है, जो यह प्रकट करता है कि कैसे स्थानीय पिनिंग और सामूहिक संरेखण के बीच की प्रतिस्पर्धा ड्रिफ्ट रिजीम्स को आकार देती है और इसे संख्यात्मक सिमुलेशन एवं विश्लेषणात्मक सीमाओं के माध्यम से मैप किया जा सकता है।

मूल लेखक: Arpan Dey

प्रकाशित 2026-06-10

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Arpan Dey

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 लोगों का एक बड़ा समूह एक घेरे में खड़ा है, और हर किसी के हाथ में एक घूमता हुआ लट्टू (spinning top) है। भौतिकी की दुनिया में, इन घूमते हुए लट्टुओं को "सक्रिय रोटेटर" (active rotators) कहा जाता है, और वे उन चीजों का प्रतिनिधित्व करते हैं जो स्वाभाविक रूप से हिलना चाहती हैं, जैसे कि धड़कते हुए हृदय की कोशिकाएं या जुगनूओं की चमक।

यह शोध पत्र इस बात की खोज करता है कि क्या होता है जब आप इन घूमते हुए लट्टुओं को एक साथ एक तालबद्ध नृत्य करने के लिए प्रेरित करते हैं, लेकिन आप इसमें दो प्रतिस्पर्धी बल पेश करते हैं: एक साझा धक्का (common push) और यादृच्छिक स्थानीय खिंचाव (random local tugs)।

यहाँ इस शोध पत्र की कहानी है, जिसे सरल अवधारणाओं में विभाजित किया गया है:

1. सेटअप: एक साझा धक्का बनाम यादृच्छिक खिंचाव

कल्पना कीजिए कि घेरे में खड़ा हर व्यक्ति अपने लट्टू को एक ही गति से आगे की ओर घुमाने की कोशिश कर रहा है। यह "साझा आंतरिक प्रेरणा" (common intrinsic drive) है। यह एक हल्की, एकसमान हवा की तरह है जो सभी पर एक दिशा में बह रही है, जिससे वे सभी मिलकर आगे बढ़ सकें।

हालाँकि, प्रत्येक व्यक्ति के पास एक "स्थानीय फीडबैक" तंत्र भी है। इसे उनके विशिष्ट लट्टू से जुड़ा एक व्यक्तिगत ब्रेक या एक्सीलरेटर समझें।

कुछ लोगों के पास एक ब्रेक है जो उन्हें धीमा कर देता है।
कुछ के पास एक एक्सीलरेटर है जो उन्हें तेज कर देता है।
महत्वपूर्ण बात यह है कि ये ब्रेक और एक्सीलरेटर यादृच्छिक (random) हैं। कुछ मजबूत हैं, कुछ कमजोर, और इनके "ब्रेक" (ऋणात्मक) या "एक्सीलरेटर" (धनात्मक) होने की संभावना समान है। यह "मिश्रित-चिह्न फीडबैक विकार" (mixed-sign feedback disorder) है।

शोध पत्र पूछता है: क्या समूह अभी भी एक साथ घूम सकता है, या क्या यादृच्छिक ब्रेक और एक्सीलरेटर उन्हें रोक देंगे?

2. खेल में लगे दो मुख्य बल

शोधकर्ताओं ने अध्ययन किया कि दो कारक कैसे प्रतिस्पर्धा करते हैं:

स्थानीय खिंचाव (पिनिंग - Pinning): यदि किसी व्यक्ति का स्थानीय ब्रेक पर्याप्त मजबूत है, तो वह उसके लट्टू को पूरी तरह से रोक सकता है, जिससे वह व्यक्ति अपनी जगह पर "पिन" यानी स्थिर हो जाता है। यदि बहुत से लोग रुक जाते हैं, तो पूरा समूह रुक जाता है।
समूह का आलिंगन (कपलिंग - Coupling): लोग एक-दूसरे का हाथ थामे हुए हैं (गणितीय रूप से, यह "कुरामोतो कपलिंग" है)। यदि वे मजबूती से हाथ पकड़ते हैं, तो वे एक-दूसरे को तालमेल में लाने की कोशिश करते हैं। यदि एक व्यक्ति फंस जाता है, तो समूह उसे मुक्त करने के लिए खींच सकता है। यदि कोई व्यक्ति तेजी से घूम रहा है, तो समूह उसे आपस में मेल बिठाने के लिए धीमा कर सकता है।

3. जब नियम बदलते हैं तो क्या होता है?

लेखकों ने एक "मानचित्र" बनाया कि क्या होता है जब आप यादृच्छिक ब्रेकों (विकार) की ताकत और हाथ पकड़ने (कपलिंग) की ताकत को बदलते हैं।

परिदृश्य A: कमजोर हाथ-पकड़ना, मजबूत यादृच्छिक ब्रेक
यदि लोग बहुत मजबूती से हाथ नहीं पकड़ रहे हैं, लेकिन हर किसी के पास मजबूत यादृच्छिक ब्रेक हैं, तो समूह बिखर जाता है। कई लोग फंस जाते हैं (पिन हो जाते हैं) क्योंकि उनके स्थानीय ब्रेक उनकी अपनी गति को पार करने के लिए बहुत मजबूत होते हैं। समूह बहुत धीरे-धीरे चलता है या रुक जाता है।
परिदृश्य B: मजबूत हाथ-पकड़ना, कमजोर यादृच्छिक ब्रेक
यदि लोग बहुत मजबूती से हाथ पकड़ते हैं, लेकिन उनके स्थानीय ब्रेक कमजोर हैं, तो "साझा धक्का" जीत जाता है। समूह छोटे, यादृच्छिक खिंचावों को अनदेखा करता है और एक लयबद्ध गति में आगे बढ़ता है। हाथ पकड़ने की क्रिया सभी को एक सामूहिक गति में खींच लेती है।
परिदृश्य C: मजबूत हाथ-पकड़ना, मजबूत यादृच्छिक ब्रेक
यह सबसे दिलचस्प हिस्सा है। यदि ब्रेक बहुत मजबूत हैं और हाथ पकड़ना भी बहुत मजबूत है, तो समूह अनिवार्य रूप से तेज नहीं घूमता है। इसके बजाय, मजबूत ब्रेक इतने अधिक लोगों को रोक देते हैं कि मजबूत हाथ-पकड़ना भी उन्हें चलाने में सक्षम नहीं होता। पूरा सिस्टम "स्थिर अवस्था" में फंस जाता है। सामूहिक प्रयास स्थानीय बाधाओं की संख्या को पार करने के लिए पर्याप्त नहीं होता है।

4. "विपरीत" बहाव (The "Backward" Drift)

शोध पत्र ने यह भी देखा कि कुछ आश्चर्यजनक हुआ। भले ही "हवा" (साझा ड्राइव) सबको आगे की ओर धकेल रही है, लेकिन समूह में कुछ लोग वास्तव में पीछे की ओर घूमते हैं।
यह तब होता है जब किसी व्यक्ति का स्थानीय ब्रेक (या गलत दिशा में एक्सीलरेटर) बहुत मजबूत होता है और समूह की गतिशीलता उन्हें दूसरी दिशा में खींचती है। यह एक तैराक की तरह है जो धारा के विरुद्ध तैरने की कोशिश कर रहा है; यदि धारा काफी मजबूत है, तो वे खुद के प्रयास के बावजूद पीछे की ओर धकेले जा सकते हैं। यह "विपरीत बहाव" केवल उन क्षेत्रों में होता है जहाँ यादृच्छिक ब्रेक हवा का मुकाबला करने के लिए पर्याप्त मजबूत होते हैं, लेकिन व्यक्ति को पूरी तरह रोकने के लिए पर्याप्त नहीं होते।

5. क्या होता यदि हर किसी की प्राकृतिक गति अलग होती?

लेखकों ने एक भिन्न परीक्षण भी किया जहाँ, सभी को एक ही "हवा" द्वारा आगे धकेले जाने के बजाय, प्रत्येक की प्राकृतिक गति अलग थी (कुछ तेज, कुछ धीमी, कुछ पीछे की ओर)।
इस मामले में, भले ही वे मजबूती से हाथ पकड़ते हैं, वे एक साथ आगे की ओर नहीं घूमते हैं। इसके बजाय, वे एक-दूसरे को रद्द करने की प्रवृत्ति रखते हैं और पूरी तरह से रुक जाते हैं। यह इस बात को रेखांकित करता है कि समूह को एक दिशा में चलाने के लिए "साझा धक्का" आवश्यक था।

मुख्य निष्कर्ष

इस शोध पत्र की मुख्य खोज यह है कि व्यक्तियों के अपने वातावरण के प्रति प्रतिक्रिया करने के तरीके में यादृच्छिकता (randomness) पूरी तरह से बदल सकती है कि एक समूह कैसे चलता है।

भले ही सभी को एक ही दिशा में धकेला जा रहा हो, यदि उनके स्थानीय "ब्रेक" यादृच्छिक और मिश्रित (कुछ मजबूत, कुछ कमजोर, कुछ आगे, कुछ पीछे) हैं, तो समूह अंततः:

एक साथ स्वतंत्र रूप से घूम सकता है।
अपनी जगह पर फंस सकता है।
या कुछ सदस्य पीछे की ओर भी घूम सकते हैं।

यह शोध पत्र दिखाता है कि जटिल व्यवहार प्राप्त करने के लिए आपको हर किसी को अलग होने की आवश्यकता नहीं है; आपको बस उनके ऊपर लगने वाले स्थानीय बलों को यादृच्छिक और मिश्रित बनाने की आवश्यकता है। यह इस बारे में एक अध्ययन है कि कैसे लोगों की भीड़ अपनी जगह पर स्थिर रहने और एक एकल इकाई के रूप में एक साथ चलने के बीच संतुलन बनाती है।

समस्या विवरण

यह शोध पत्र कुराकामो कपलिंग (Kuramoto coupling) और मिश्रित-चिह्न फीडबैक डिसऑर्डर (mixed-sign feedback disorder) वाले सक्रिय रोटेटर नेटवर्क में स्थानीय पिनिंग (local pinning) और सामूहिक चरण संरेखण (collective phase alignment) के बीच प्रतिस्पर्धा की जांच करता है। जबकि शास्त्रीय कुराकामो मॉडल स्वाभाविक आवृत्ति विषमता (intrinsic frequency heterogeneity) की उपस्थिति में सिंक्रोनाइज़ेशन को संबोधित करता है, और सक्रिय रोटेटर मॉडल आमतौर पर उत्तेजनीय (excitable) और दोलनशील (oscillatory) अवस्थाओं के बीच संक्रमण का अध्ययन करते हैं, यह कार्य एक विशिष्ट प्रकार के डिसऑर्डर को पेश करता है: मिश्रित-चिह्न स्थानीय फीडबैक आयाम (mixed-sign local feedback amplitudes)।

तंत्र में $N$ ऑसिलेटर्स शामिल हैं जो एक सामान्य, धनात्मक आंतरिक ड्राइव ( $\omega > 0$ ) साझा करते हैं। हालाँकि, प्रत्येक ऑसिलेटर एक स्थानीय फीडबैक पद के अधीन है जिसका आयाम $A_i$ एक शून्य-माध्य (zero-mean) गाऊसी वितरण से लिया गया है। यह एक ऐसी स्थिति बनाता है जहाँ आंतरिक ड्राइव सभी ऑसिलेटर्स को एक ही दिशा में धकेलता है, लेकिन स्थानीय फीडबैक $A_i$ के चिह्न के आधार पर इस ड्राइव का समर्थन या विरोध कर सकता है। केंद्रीय समस्या यह समझना है कि यह विशिष्ट प्रकार का डिसऑर्डर—जो कि ड्राइव में नहीं बल्कि पिनिंग तंत्र में यादृच्छिकता है—सामूहिक ड्रिफ्ट (collective drift) या सामूहिक रूप से पिन होने (collectively pinned) को निर्धारित करने के लिए कुराकामो-प्रकार की कपलिंग के साथ कैसे परस्पर क्रिया करता है।

कार्यप्रणाली

लेखक सिस्टम के व्यवहार को मैप करने के लिए विश्लेषणात्मक सीमाओं (analytical limits) और व्यापक संख्यात्मक सिमुलेशन (numerical simulations) के संयोजन का उपयोग करते हैं।

1. मॉडल परिभाषा:
$i$ -वें ऑसिलेटर की गतिशीलता द्वारा नियंत्रित होती है:
$\frac{d\theta_i}{dt} = \omega - A_i \sin \theta_i + \frac{K}{N-1} \sum_{j \neq i} \sin(\theta_j - \theta_i)$
जहाँ $\omega$ सामान्य ड्राइव है, $K$ वैश्विक कपलिंग स्ट्रेंथ है, और $A_i \sim \mathcal{N}(0, \sigma_A^2)$ है। सिस्टम का विश्लेषण आयामहीन मापदंडों का उपयोग करके किया जाता है: $\kappa = K/\omega$ (कपलिंग), $r = \sigma_A/\omega$ (फीडबैक डिसऑर्डर स्ट्रेंथ), और $a_i = A_i/\omega$ ।

2. मुख्य अवलोकन (Key Observables):

औसत पूर्ण विलंब-समय ड्रिफ्ट (Mean Absolute Late-Time Drift, $D$ ): इसे सभी ऑसिलेटर्स के पूर्ण विलंब-समय कोणीय वेगों के औसत के रूप में परिभाषित किया गया है। पूर्ण मान (absolute value) महत्वपूर्ण है क्योंकि ऑसिलेटर्स विपरीत दिशाओं में ड्रिफ्ट कर सकते हैं; एक हस्ताक्षरित औसत (signed average) निरर्थक गति के कारण होने वाले रद्दीकरण (cancellation) के माध्यम से निरंतर गति को छिपा सकता है।
ड्रिफ्टिंग अंश (Drifting Fractions, $f_+$ और $f_-$ ): धनात्मक या ऋणात्मक विलंब-समय ड्रिफ्ट प्रदर्शित करने वाले ऑसिलेटर्स के अंश, जिनका उपयोग गति की दिशा को अलग करने के लिए किया जाता है।

3. विश्लेषणात्मक दृष्टिकोण:

अनकप्ल्ड लिमिट ( $\kappa=0$ ): लेखक $a_i$ के गाऊसी वितरण पर एकल-ऑसिलेटर ड्रिफ्ट वेग को एकीकृत करके ड्रिफ्ट के लिए एक सटीक विश्लेषणात्मक अभिव्यक्ति व्युत्पन्न करते हैं, जिसमें केवल $|a_i| < 1$ (जहाँ कोई फिक्स्ड पॉइंट मौजूद नहीं है) वाले शासन (regime) पर विचार किया गया है।
स्ट्रॉन्ग-कपलिंग लिमिट: एक कोहेरेंट-फेज सन्निकटन (coherent-phase approximation) का उपयोग किया जाता है जहाँ सभी फेसेज़ एक सामान्य केंद्र $\Theta$ के आसपास क्लस्टर होते हैं। यह एक स्केलिंग अनुमान की ओर ले जाता है जो सामूहिक पिनिंग के लिए आवश्यक कपलिंग स्ट्रेंथ $\kappa$ और डिसऑर्डर स्ट्रेंथ $r$ को जोड़ता है।
आवश्यक शर्त: समीकरणों के औसत को निकालकर सामूहिक पिनिंग के लिए एक शर्त व्युत्पन्न की गई है, जो दर्शाती है कि स्थानीय फीडबैक आयामों और फेसेज़ के बीच एक गैर-तुच्छ सहसंबंध (non-trivial correlation) की आवश्यकता है।

4. संख्यात्मक सिमुलेशन:
सिस्टम साइज $N=200$ तक के लिए $(r, \kappa)$ प्लेन में रिजीम मैप बनाए गए हैं। विलंब-समय वेगों को ट्रैक करने के लिए यूलर इंटीग्रेशन (Euler integration) का उपयोग किया जाता है। अध्ययन एक भिन्न मॉडल का भी परीक्षण करता है जहाँ आंतरिक ड्राइव को शून्य-माध्य वितरित आंतरिक आवृत्तियों द्वारा प्रतिस्थापित किया जाता है।

मुख्य परिणाम

1. पिनिंग और ड्रिफ्ट के बीच प्रतिस्पर्धा:
संख्यात्मक रिजीम मैप एक स्पष्ट प्रतिस्पर्धा प्रकट करते हैं:

कमजोर कपलिंग (Weak Coupling): फीडबैक डिसऑर्डर स्ट्रेंथ ( $r$ ) बढ़ाने से औसत पूर्ण ड्रिफ्ट कम हो जाता है। जैसे-जैसे $r$ बढ़ता है, ऑसिलेटर्स का एक बड़ा हिस्सा $|a_i| > 1$ की स्थिति को संतुष्ट करता है, जिससे वे स्थानीय रूप से पिन (स्थिर अवस्था में) हो जाते हैं।
मजबूत कपलिंग (Strong Coupling): जब कपलिंग मजबूत होती है, तो यह सामूहिक ड्रिफ्ट को बहाल कर सकती है, भले ही मध्यम स्तर का डिसऑर्डर मौजूद हो। कपलिंग फेसेज़ को संरेखित करती है, जिससे सामान्य आंतरिक ड्राइव को स्थानीय पिनिंग बलों पर काबू पाने में मदद मिलती, बशर्ते कि डिसऑर्डर बहुत अधिक न हो।
उच्च डिसऑर्डर पर दमन (Suppression at High Disorder): बहुत बड़े $r$ और बड़े $\kappa$ की सीमा में, सिस्टम लगभग पूर्ण ड्रिफ्ट दमन के शासन में प्रवेश करता है, जहाँ सामूहिक अवस्था प्रभावी रूप से स्थिर हो जाती है।

2. गति की दिशा:
जबकि आंतरिक ड्राइव धनात्मक है, विशिष्ट शासन में ऋणात्मक ड्रिफ्ट देखा जाता है। ऋणात्मक ड्रिफ्ट मुख्य रूप से मध्यम कपलिंग और मध्यम-से-बड़े डिसऑर्डर पर होता है, जहाँ स्थानीय फीडबैक और कपलिंग पद सामूहिक रूप से धनात्मक ड्राइव को ऑसिलेटर्स के एक उपसमूह के लिए अधिग्रहित कर सकते हैं, बिना पूरे सिस्टम के पिन हुए।

3. विश्लेषणात्मक सत्यापन:

अनकप्ल्ड लिमिट: विश्लेषणात्मक भविष्यवाणी $D_0(r)$ संख्यात्मक सिमुलेशन से पूरी तरह मेल खाती है। यह दिखाता है कि कमजोर डिसऑर्डर ( $r \ll 1$ ) के लिए, ड्रिफ्ट अधिकतम ( $D \approx 1$ ) के करीब होता है, जबकि मजबूत डिसऑर्डर ( $r \gg 1$ ) के लिए, ड्रिफ्ट $1/r$ के रूप में स्केल करता है क्योंकि पिन किए गए ऑसिलेटर्स का अंश बढ़ जाता है।
स्ट्रॉन्ग कपलिंग: कोहेरेंट-फेज सन्निकटन के तहत, कम-ड्रिफ्ट और बहाल ड्रिफ्ट के बीच की सीमा द्विघात (quadratically) रूप से स्केल करती है: $\kappa \sim r^2$ । कोहेरेंट प्रारंभिक स्थितियों के साथ संख्यात्मक परिणाम इस परवलयिक स्केलिंग की पुष्टि करते हैं, जो पिन किए गए शासन के नीचे के क्षेत्र की पहचान करते हैं।

4. परिमित-आकार प्रभाव (Finite-Size Effects):
गुणात्मक व्यवहार सिस्टम साइज ( $N=20$ से $200 $) के बावजूद सुदृढ़ है। कमजोर-कपलिंग ड्रिफ्ट दमन$ N$ से काफी हद तक स्वतंत्र है। हालाँकि, स्ट्रॉन्ग कपलिंग पर ड्रिफ्ट की रिकवरी सिस्टम साइज पर थोड़ा निर्भर करती है, जहाँ बड़े सिस्टम मध्यम डिसऑर्डर शासन में थोड़े उच्च ड्रिफ्ट स्तर प्रदर्शित करते हैं।

5. शून्य-माध्य आंतरिक आवृत्तियाँ:
एक भिन्न मॉडल में जहाँ सामान्य ड्राइव को शून्य-माध्य वितरित आंतरिक आवृत्तियों द्वारा प्रतिस्थापित किया जाता है, स्ट्रॉन्ग कपलिंग एक निर्देशित सामूहिक ड्रिफ्ट को बहाल नहीं करती है। इसके बजाय, क्योंकि आंतरिक आवृत्ति वितरण शून्य पर केंद्रित है, स्ट्रॉंग कपलिंग गति को पूरी तरह से दबा देती है, जिससे एक लगभग स्थिर सामूहिक अवस्था प्राप्त होती है। यह प्राथमिक मॉडल में निश्चित धनात्मक ड्राइव की विशिष्ट भूमिका को उजागर करता है।

महत्व और दावे

यह शोध पत्र दावा करता है कि मिश्रित-चिह्न स्थानीय फीडबैक डिसऑर्डर अकेले ही युग्मित सक्रिय रोटेटर नेटवर्क में पिनिंग और ड्रिफ्टिंग के बीच संतुलन को बदलने के लिए पर्याप्त है, भले ही आंतरिक ड्राइव सजातीय (homogeneous) हो।

फ्रीक्वेंसी डिसऑर्डर से अंतर: यह कार्य इस बात पर जोर देता है कि स्थानीय पिनिंग तंत्र (फीडबैक आयाम) में डिसऑर्डर, आंतरिक आवृत्तियों में डिसऑर्डर से मौलिक रूप से भिन्न है। पूर्व मामला एक ऐसी प्रतिस्पर्धा बनाता है जहाँ स्थानीय पद वैश्विक ड्राइव का विरोध कर सकते हैं, जबकि उत्तरार्द्ध आमतौर पर अकोहेरेंस या सिंक्रोनाइज़ेशन की ओर ले जाता है।
पुनर्स्थापना का तंत्र (Mechanism of Restoration): अध्ययन यह प्रदर्शित करता है कि कपलिंग उस ड्रिफ्ट को "बहाल" करने के लिए एक तंत्र के रूप में कार्य कर सकती है जिसे अन्यथा स्थानीय पिनिंग द्वारा दबा दिया जाता, बशर्ते कि डिसऑर्डर की तीव्रता अत्यधिक न हो।
न्यूनतम ढांचा (Minimal Framework): लेखक इस मॉडल को यह अध्ययन करने के लिए एक न्यूनतम ढांचे के रूप में प्रस्तुत करते हैं कि कैसे स्थानीय पिनिंग, फीडबैक डिसऑर्डर और सामूहिक संरेखण प्रतिस्पर्धा करते हैं। वे सुझाव देते हैं कि ये परिणाम उन भौतिक और जैविक संदर्भों को समझने के लिए प्रासंगिक हैं जहाँ फीडबैक तंत्रों में स्थानीय विषमता मौजूद होती है।

शोध पत्र विनम्रतापूर्वक निष्कर्ष निकालता है, यह नोट करते हुए कि परिणाम पूरी तरह से जुड़े नेटवर्क (fully connected networks) और शून्य-माध्य गाऊसी डिसऑर्डर के लिए विशिष्ट हैं, और भविष्य के कार्यों के लिए रैंडम नेटवर्क टोपोलॉजी, गैर-गाऊसी वितरण और अधिक जटिल सहसंबंधों का सुझाव देता है।