🌀 अरेखीय विज्ञान

Dynamical phase transition for a logarithm observable in chaotic systems

यह शोध पत्र अराजक मानचित्रों (chaotic maps) में एक लघुगणकीय गतिक चर (logarithmic dynamical observable) के पूर्ण वितरण की जांच करता है, जो यह प्रकट करता है कि जबकि विशिष्ट उतार-चढ़ाव गाऊसी (Gaussian) होते हैं, बायां सिरा (left tail) एक असामान्य $N^{1/3}$ स्केलिंग प्रदर्शित करता है जिसमें एक सार्वभौमिक बड़े विचलन फलन (large-deviation function) होता है जो एक महत्वपूर्ण मान पर संघनन-समान (condensation-like) चरण संक्रमण से गुजरता है, जो एक विशिष्ट चरण को उस चरण से अलग करता है जहाँ कुछ प्रक्षेपवक्र बिंदु (trajectory points) उतार-चढ़ाव पर हावी होते हैं।

मूल लेखक: Lucianno Defaveri, Naftali R. Smith

प्रकाशित 2026-10-16

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Lucianno Defaveri, Naftali R. Smith

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

जटिल प्रणालियों के अध्ययन में, वैज्ञानिक अक्सर अराजकता (chaos) में पैटर्न की तलाश करते हैं। वे उन प्रणालियों का परीक्षण करते हैं जो यादृच्छिक (random) और अप्रत्याशित दिखाई देती हैं, जैसे कि एक तूफान का घूमना या शेयर बाजार का उतार-चढ़ाव, लेकिन वास्तव में वे सख्त नियमों का पालन करती हैं। इस क्षेत्र में एक केंद्रीय विचार यह है कि जबकि व्यक्तिगत घटनाओं की भविष्यवाणी करना कठिन है, एक लंबी अवधि में किसी प्रणाली का समग्र व्यवहार एक अनुमानित औसत की ओर प्रवृत्त होता है। हालाँकि, प्रकृति दुर्लभ, चरम घटनाओं से भरी हुई है जो इन औसतों को चुनौती देती हैं। ये बाहरी घटनाएं (outliers) हैं: अचानक आती लू, भीषण भूकंप, या बाजार की विनाशकारी गिरावट। ये दुर्लभ घटनाएँ कैसे होती हैं, और इनके होने की कितनी संभावना है, इसे समझना आपदाओं की भविष्यवाणी करने और भौतिकी के मौलिक नियमों को समझने, दोनों के लिए महत्वपूर्ण है। दशकों से, शोधकर्ता यादृच्छिक प्रणालियों में होने वाले इन "लार्ज डेविएशन" (large deviations) का अध्ययन कर रहे हैं, जहाँ अनिश्चितता स्वयं उस प्रक्रिया से आती है। लेकिन कई वास्तविक दुनिया की प्रणालियाँ, जिनमें मौसम के पैटर्न भी शामिल हैं, वास्तव में यादृच्छिक नहीं हैं; वे नियतात्मक (deterministic) हैं, जिसका अर्थ है कि उनका भविष्य उनके शुरुआती बिंदु से पूरी तरह से तय होता है, फिर भी वे अराजक प्रतीत होती हैं। एक लंबे समय से यह प्रश्न बना हुआ था कि क्या ये नियतात्मक अराजक प्रणालियाँ चरम उतार-चढ़ाव के मामले में यादृच्छिक प्रणालियों के समान व्यवहार करती हैं।

जेरूसलम की हिब्रू यूनिवर्सिटी के भौतिकविदों की एक टीम ने अब एक सरल, अराजक प्रणाली के व्यवहार को देखकर इस प्रश्न की खोज की है। उन्होंने एक विशिष्ट प्रकार के गणितीय मॉडल पर ध्यान केंद्रित किया जिसे 'केओटिक मैप' (chaotic map) कहा जाता है, जो एक निश्चित नियम के आधार पर संख्याओं का एक क्रम उत्पन्न करता है। उन्होंने तीन क्लासिक उदाहरणों को चुना: 'डबलिंग मैप', 'टेंट मैप' और 'लॉजिस्टिक्स मैप'। ये सरल समीकरण हैं जो एक संख्या लेते हैं, एक नियम लागू करते हैं, और एक नई संख्या उत्पन्न करते हैं, जो फिर अगले चरण के लिए इनपुट बन जाती है। शोधकर्ता इन अनुक्रमों से प्राप्त एक विशिष्ट माप में रुचि रखते थे: उत्पन्न संख्याओं के ऋणात्मक लघुगणक (negative logarithms) का योग। सरल शब्दों में, यह माप बड़ा हो जाता है जब अनुक्रम बहुत छोटी संख्याएँ उत्पन्न करता है। इन मैप्स को हजारों चरणों तक चलाकर, टीम सभी परिणामों की पूरी सीमा देख सकी, सामान्य परिणामों से लेकर सबसे चरम, दुर्लभ परिणामों तक।

उन्होंने पाया कि सिस्टम के "सामान्य" व्यवहार और इसके चरम व्यवहार के बीच एक स्पष्ट अंतर है। जब सिस्टम सामान्य परिणाम उत्पन्न करता था, तो औसत के आसपास के उतार-चढ़ाव एक मानक बेल कर्व (bell curve) का पालन करते थे, जैसा कि कई प्राकृतिक घटनाओं से अपेक्षित होता है। शोधकर्ताओं ने पुष्टि की कि वितरण का बायां हिस्सा, जो औसत से कम परिणामों का प्रतिनिधित्व करता है, अराजक प्रणालियों के स्थापित सिद्धांतों के अनुसार बिल्कुल वैसा ही व्यवहार करता है जैसा कि अपेक्षित था। हालाँकि, वितरण का दायां हिस्सा, जो औसत से बहुत बड़े परिणामों का प्रतिनिधित्व करता है, एक बिल्कुल अलग कहानी बताता है। एक मानक बेल कर्व की तरह सुचारू रूप से लुप्त होने के बजाय, इन चरम घटनाओं की संभावना एक अजीब, धीमी गिरावट का पालन करती थी। इसका अर्थ यह था कि चरम उतार-चढ़ाव होने की संभावना मानक सिद्धांत जो सुझाव देते हैं, उससे कहीं अधिक थी।

इस विसंगति की कुंजी यह है कि सिस्टम इन बड़ी संख्याओं को कैसे उत्पन्न करता है। एक विशिष्ट उतार-चढ़ाव में, संख्याओं का पूरा अनुक्रम अंतिम परिणाम में थोड़ा योगदान देता है, जिसमें प्रत्येक चरण थोड़ा बदलाव जोड़ता है। लेकिन दाहिने छोर (right tail) की चरम घटनाओं के लिए, सिस्टम अलग तरह से व्यवहार करता है। शोधकर्ताओं ने पाया कि ये विशाल उतार-चढ़ाव आमतौर पर एक एकल, स्थानीय घटना के कारण होते हैं: एक संक्षिप्त अवधि जहाँ अनुक्रम की संख्याएं अविश्वसनीय रूप से छोटी हो जाती हैं और कुछ समय के लिए वहीं रहती हैं। चूंकि माप इन संख्याओं के लघुगणक (logarithm) पर आधारित है, इसलिए एक छोटी सी वैल्यू कुल योग में एक बहुत बड़ा उछाल पैदा करती है। यह "बिग जंप" (big jump) सिद्धांत नामक एक घटना है, जहाँ एक एकल घटना पूरे परिणाम पर हावी हो जाती है, बजाय इसके कि पूरा सिस्टम समान रूप से योगदान दे।

शायद सबसे आश्चर्यजनक खोज इन दो व्यवहारों के बीच एक तीक्ष्ण संक्रमण (transition) थी। जैसे-जैसे शोधकर्ताओं ने बढ़ते आकार के उतार-चढ़ाव देखे, उन्होंने एक महत्वपूर्ण बिंदु पाया जहाँ सिस्टम अचानक "सामान्य" मोड से, जहाँ पूरा अनुक्रम योगदान देता है, "कंडेंस्ड" (condensed) मोड में बदल जाता है, जहाँ एक एकल छोटी गतिविधि हावी हो जाती है। यह संक्रमण एक क्रमिक बदलाव नहीं है, बल्कि एक अचानक परिवर्तन है, ठीक वैसे ही जैसे पानी एक विशिष्ट तापमान पर तुरंत बर्फ में जम जाता है। शोधकर्ताओं ने इसे एक 'डायनेमिकल फेज ट्रांजिशन' (dynamical phase transition) के रूप में पहचाना। इस महत्वपूर्ण बिंदु से नीचे, सिस्टम कई छोटे, स्वतंत्र भागों के संग्रह की तरह व्यवहार करता है। इसके ऊपर, सिस्टम प्रभावी रूप से अपनी ऊर्जा को एक एकल, विशाल उतार-चढ़ाव में "कंडेंस" (condense) कर देता है जो अनुक्रम के एक बहुत छोटे हिस्से द्वारा संचालित होता है।

इन निष्कर्षों को सत्यापित करने के लिए, टीम ने लाखों डेटा बिंदुओं को उत्पन्न करते हुए व्यापक कंप्यूटर सिमुलेशन चलाए ताकि इन दुर्लभ घटनाओं की संभावना का मानचित्र बनाया जा सके। उन्होंने उन्नत सांख्यिकीय तकनीकों का उपयोग यह सुनिश्चित करने के लिए किया कि वे सबसे दुर्लभ परिणामों को स्पष्ट रूप से देख सकें। सिमुलेशन ने पुष्टि की कि यह संक्रमण मौजूद है और चरम टेल (extreme tail) का गणितीय विवरण सार्वभौमिक है, जिसका अर्थ है कि यह परीक्षण किए गए तीनों प्रकार के मैप्स के लिए समान दिखता है, जो केवल कुछ स्केलिंग कारकों में भिन्न होता है। दिलचस्प बात यह है कि इस चरम टेल में इस अजीब, गैर-मानक व्यवहार के बावजूद, शोधकर्ताओं ने पाया कि सिस्टम के समग्र सांख्यिकीय गुण, जैसे कि औसत और विचरण (variance), अनुक्रम के लंबा होने के साथ सरल, रैखिक तरीके से बढ़ते हैं। यह सुझाव देता है कि जबकि दुर्लभ घटनाएं अनियंत्रित और अप्रत्याशित हैं, सिस्टम की मौलिक संरचना व्यवस्थित बनी रहती है।

यह कार्य यादृच्छिक प्रणालियों और नियतात्मक अराजकता (deterministic chaos) के बीच के अंतर को पाटता है। यह दिखाता है कि एक ऐसी प्रणाली में भी जिसमें कोई अंतर्निहित यादृच्छिकता नहीं है, जहाँ प्रत्येक चरण पिछले चरण से निर्धारित होता है, दुर्लभ घटनाओं को नियंत्रित करने वाले नियम वास्तव में यादृच्छिक प्रणालियों जितने जटिल और आश्चर्यजनक हो सकते हैं। अराजक मैप्स में इस कंडेंसेशन ट्रांजिशन की खोज बताती है कि ऐसा व्यवहार तरल गतिकी (fluid dynamics) से लेकर वित्तीय बाजारों तक, कई जटिल प्रणालियों की एक सार्वभौमिक विशेषता हो सकती है। यह समझकर कि ऐसी प्रणालियाँ सामूहिक व्यवहार से एकल-घटना प्रभुत्व में कैसे बदलती हैं, वैज्ञानिक प्राकृतिक दुनिया की सबसे चरम और खतरनाक घटनाओं की भविष्यवाणी करने और प्रबंधित करने के लिए नई अंतर्दृष्टि प्राप्त कर सकते हैं। यह अध्ययन विशिष्ट आपदाओं की भविष्यवाणी करने की समस्या को हल करने का दावा नहीं करता है, बल्कि यह उन अंतर्निहित तंत्रों की एक स्पष्ट तस्वीर प्रदान करता है जो ऐसी घटनाओं को संभव बनाते हैं।

तकनीकी सारांश: अराजक प्रणालियों में एक लघुगणकीय अवलोकन (Logarithm Observable) के लिए गतिकीय चरण संक्रमण (Dynamical Phase Transition)

समस्या विवरण
यह अध्ययन एक गतिकीय अवलोकन $A = -\sum_{i=1}^N \ln x_i$ के पूर्ण प्रायिकता वितरण $P_N(A)$ की जांच करता है, जो विविक्त-समय (discrete-time), एक-आयामी अराजक मानचित्रों ( $x_{n+1} = f(x_n)$ ) द्वारा उत्पन्न होता है। लेखक लंबी प्रक्षेपवक्र लंबाई ( $N \gg 1$ ) के लिए तीन विशिष्ट अराजक प्रणालियों: डबिंग मैप (doubling map), टेंट मैप (tent map), और लॉजिस्टिक मैप (logistic map) पर ध्यान केंद्रित करते हैं। जबकि ऐसे अवलोकनों के विशिष्ट उतार-चढ़ाव (fluctuations) माध्य और विचरण के $N$ के साथ रैखिक रूप से स्केल होने वाले गाऊसी (Gaussian) वितरण के रूप में जाने जाते हैं, नियतात्मक अराजक प्रणालियों में दुर्लभ घटनाओं (large deviations) का व्यवहार स्टोकेस्टिक प्रक्रियाओं की तुलना में कम समझा गया है। विशेष रूप से, यह शोध पत्र असीमित अवलोकनों (unbounded observables) के लिए मानक बड़े विचलन सिद्धांतों (Large Deviation Principles - LDP) के टूटने और एक "संघनन संक्रमण" (condensation transition) की संभावित उपस्थिति को संबोधित करता है, जहाँ एक एकल स्थानीयकृत घटना (localized event) उतार-चढ़ाव पर हावी हो जाती है।

कार्यप्रणाली
लेखक सैद्धांतिक विश्लेषण और संख्यात्मक सिमुलेशन के संयोजन का उपयोग करते हैं:

सैद्धांतिक ढांचा:
- बायां टेल ( $A < \langle A \rangle$ ): अध्ययन डोंस्कर-वरियाडन (Donsker-Varadhan - DV) सिद्धांत का उपयोग करता है, जिसे विविक्त अराज गतिकी के लिए अनुकूलित किया गया है। दर फलन (rate function) $I(a)$ को स्केल्ड क्यूमुलेंट जनरेटिंग फंक्शन (SCGF), $\lambda(k)$ के लेजेंड्रे-फेंचेल रूपांतरण (Legendre-Fenchel transform) के माध्यम से प्राप्त किया जाता है।
- SCGF गणना: $\lambda(k)$ की गणना एक "टिल्टेड" (tilted) फ्रोबेनियस-पेरॉन ऑपरेटर, $L_k$ के सबसे बड़े आइजनमान (eigenvalue) के लघुगणक के रूप में की जाती है। $k \le 0$ के लिए, लेखक पावर मेथड का उपयोग करके आइजनमान समस्या को संख्यात्मक रूप से हल करते हैं। लॉजिस्टिक मैप के लिए, नकारात्मक पूर्णांक $k$ के लिए विश्लेषणात्मक समाधान पाए जाते हैं जहाँ आइजनमान एक बहुपद के सबसे बड़े वास्तविक मूल (root) के अनुरूप होता है; हालाँकि, $k \le -3$ के लिए ये मूल संख्यात्मक रूप से निर्धारित किए जाते हैं।
- दायां टेल ( $A > \langle A \rangle$ ): यह पहचानते हुए कि अवलोकन $g(x) = -\ln x$ ऊपर की ओर असीमित है, लेखक "बिग-जंप" (big-jump) तंत्र का विश्लेषण करते हैं। वे एक एकल स्थानीयकृत विक्षेपण (localized excursion) (छोटे $x_i$ मानों का एक अनुक्रम) के वितरण को व्युत्पन्न करते हैं और इसे शेष प्रक्षेपवक्र के सजातीय गाऊसी वितरण के साथ कनवल्शन (convolution) करते हैं।
- स्केलिंग विश्लेषण: लेखक संक्रमण के स्केलिंग शासन (scaling regime) की पहचान करने के लिए जहाँ संक्रमण होमोजेनियस (homogeneous) और कंडेंस्ड (condensed) चरणों के बीच होता है ( $A - \langle A \rangle \sim N^{2/3}$ ), कनवल्शन इंटीग्रल पर सैडल-पॉइंट सन्निकटन (saddle-point approximations) लागू करते हैं।
संख्यात्मक सिमुलेशन:
- इम्पॉर्टेंस सैंपलिंग (Importance Sampling): दाएं टेल में दुर्लभ घटनाओं को कुशलतापूर्वक नमूना लेने के लिए, लेखक इम्पॉर्टेंस-सैंपलिंग तकनीकों का उपयोग करते हैं।
- क्यूमुलेंट सत्यापन: क्यूमुलेंट्स के $N$ के साथ रैखिक विकास को सत्यापित करने के लिए प्रत्यक्ष प्रक्षेपवक्र सिमुलेशन का उपयोग किया जाता है।
- अभिसरण जाँच (Convergence Checks): सिमुलेशन $N = 50$ से $1600 $की सीमा में किए जाते हैं, जिसमें अभिसरण दरों का आकलन करने के लिए बहुत बड़े$ N$ के लिए सैद्धांतिक अनुमान लगाए जाते हैं।

प्रमुख योगदान और परिणाम

बायां टेल और विशिष्ट उतार-चढ़ाव:
- वितरण का बायां टेल ( $A < \langle A \rangle$ ) मानक LDP स्केलिंग $P_N(A) \sim e^{-NI(A/N)}$ का पालन करता है।
- दर फलन $I(a)$ उत्तल (convex) है, जिसका न्यूनतम $a^*$ पर है। न्यूनतम के पास, $I(a)$ परवलयाकार (parabolic) है, जो सेंट्रल लिमिट थ्योरम के अनुरूप है।
- SCGF $\lambda(k)$ $k \le 0$ के लिए सुपरिभाषित है लेकिन $k > 0$ के लिए अपसारी (diverge) हो जाता है, जो दाएं टेल के उप-चरघातांकीय (sub-exponential) क्षय को दर्शाता है।
- क्यूमुलेंट्स: दाएं टेल के लिए LDP के टूटने के बावजूद, लेखक यह प्रदर्शित करते हैं कि $P_N(A)$ के सभी क्यूमुलेंट्स $N$ के साथ रैखिक रूप से बढ़ते हैं ( $\langle A^n \rangle_c \sim \lambda_n N$ )। गुणांक $\lambda_n$ को $k=0$ पर $\lambda(k)$ के डेरिवेटिव से प्राप्त किया जाता है।
दायां टेल और विसंगत स्केलिंग (Anomalous Scaling):
- दायां टेल ( $A > \langle A \rangle$ ) विसंगत स्केलिंग प्रदर्शित करता है, जो मानक LDP रूप से विचलित होता है। $e^{-N}$ के बजाय, प्रायिकता एक स्ट्रेच्ड एक्सपोनेंशियल (stretched exponential) के रूप में घटती है: $P_N(A) \sim e^{-c\sqrt{A}}$ ।
- यह व्यवहार "बिग-जंप" सिद्धांत द्वारा संचालित होता है: बड़े उतार-चढ़ाव उन प्रक्षेपवक्रों द्वारा नियंत्रित होते हैं जहाँ प्रणाली $x=0$ (जहाँ $-\ln x$ बड़ा है) के फिक्स्ड पॉइंट के पास लंबे समय तक रहती है, न कि पूरे अनुक्रम के सामूहिक योगदान द्वारा।
गतिकीय चरण संक्रमण (संघनन):
- शोध पत्र एक महत्वपूर्ण मान $y_c$ की पहचान करता है (जहाँ $y = (A-\langle A \rangle)/N^{2/3}$ )।
- उप-क्रांतिक चरण (Subcritical Phase) ( $y < y_c$ ): उतार-चढ़ाव "होमोजेनियस" होते हैं, जो पूरे प्रक्षेपवक्र से योगदान से उत्पन्न होते हैं। लार्ज-डेविएशन फंक्शन $F(y)$ परवलयाकार है ( $F(y) \propto y^2$ )।
- अति-क्रांतिक चरण (Supercritical Phase) ( $y > y_c$ ): एक "संघनन" (condensation) होता है। प्रक्षेपवक्र का एक छोटा हिस्सा (छोटे $x_i$ का एक स्थानीयकृत विस्फोट) उतार-चढ़ाव में एक मैक्रोस्कोपिक योगदान प्रदान करता है।
- विलक्षणता (Singularity): लार्ज-डेविएशन फंक्शन $F(y)$ एक कॉर्नर सिंगुलैरिटी (प्रथम व्युत्पन्न में कूद) प्रदर्शित करता है, जो एक प्रथम-क्रम चरण संक्रमण (first-order phase transition) की विशेषता है। यह फलन तीनों मानचित्रों में एक सार्वभौमिक रूप लेता है, जो केवल स्केलिंग स्थिरांकों द्वारा भिन्न होता है।

महत्व और दावे
लेखक दावा करते हैं कि उन्होंने यह प्रदर्शित किया है कि संघनन संक्रमण, जो पहले स्टोकेस्टिक प्रक्रियाओं (जैसे ऑर्नस्टीन-उलेंबैक प्रक्रिया, स्टोकेस्टिक रिसेटिंग) और भारी पूंछ (heavy tails) वाले i.i.d. चरों के योग में देखे गए थे, अब नियतात्मक अराजक प्रणालियों में भी होते हैं।

सार्वभौमिकता (Universality): अध्ययन सुझाव देता है कि विसंगत स्केलिंग और लार्ज-डेव डेरिवेशन फंक्शन $F(y)$ का विशिष्ट रूप उन प्रणालियों के एक व्यापक वर्ग के लिए सार्वभौमिक विशेषताएं हैं जिनमें असीमित अवलोकन और स्ट्रेच्ड-एक्सपोनेंशियल टेल होती है, चाहे अंतर्निहित गतिकी स्टोकेस्टिक हो या नियतात्मक।
सहसंबंध प्रभाव (Correlation Effects): कार्य यह उजागर करता है कि अराजक गतिकी में टेम्पोरल कोरिलेशन (temporal correlations) i.i.d. मामले की तुलना में उतार-चढ़ाव को महत्वपूर्ण रूप से प्रभावित करते हैं, फिर भी संघनन संक्रमण की गुणात्मक प्रकृति मजबूत बनी रहती है।
क्यूमुलेंट व्यवहार: एक उल्लेखनीय निष्कर्ष यह है कि $N$ के साथ क्यूमुलेंट्स का रैखिक विकास तब भी बना रहता है जब मानक लार्ज-डेविएशन सिद्धांत (जो आमतौर पर पूंछों को नियंत्रित करता है) टूट जाता है। यह इस अंतर्ज्ञान के विपरीत है कि विसंगत टेल व्यवहार नियमित मोमेंट्स के स्केलिंग को बाधित कर सकता है।

शोध पत्र निष्कर्ष निकालता है कि हालांकि उपयोग की गई विश्लेषणात्मक विधियाँ सख्त अर्थों में गणितीय रूप से कठोर नहीं हैं (संख्यात्मक आइजनमान समाधानों और स्पर्शोन्मुख सन्निकटन पर निर्भर करती हैं), उप-लीडिंग-ऑर्डर के सैद्धांतिक भविष्यवाणियों और संख्यात्मक सिमुलेशन के बीच सहमति इन अराजक मानचित्रों में इस गतिकीय चरण संक्रमण के अस्तित्व के लिए मजबूत साक्ष्य प्रदान करती है।

तकनीकी सारांश: अराजक प्रणालियों में एक लघुगणकीय अवलोकन (Logarithm Observable) के लिए गतिकीय चरण संक्रमण (Dynamical Phase Transition)

इसी तरह के और पेपर