“自组织临界性”的版本间的差异
小 （→自组织临界动力学的例子） |
小 （增加部分基于作者《How nature works》的描述和部分争议问题） |
||
| 第104行： | 第104行： | ||
* 金融巿场： 股价波动的幅度分布常呈幂律尾部（尽管驱动因素更复杂）。 | * 金融巿场： 股价波动的幅度分布常呈幂律尾部（尽管驱动因素更复杂）。 | ||
| + | |||
| + | ==关键特征与意义（基于巴克的阐述）== | ||
| + | |||
| + | *复杂性的简单起源： SOC 提供了一种解释，说明复杂的、看似随机的、大尺度的事件如何从简单的局部规则和相互作用中涌现出来。无需顶层设计或外部微调。 | ||
| + | |||
| + | *鲁棒性与普遍性： 临界状态是系统自组织达到的吸引子（attractor），对模型细节（如具体的崩塌规则、网格类型）具有一定鲁棒性。这解释了为何幂律分布在如此多不同的系统中出现。 | ||
| + | |||
| + | *内在不可预测性： 在临界状态，由于微小的扰动可能导致任意规模的响应（“蝴蝶效应”在临界点被放大），精确预测单次事件（如下一次大地震的确切时间和地点）从根本上变得极其困难。SOC 关注的是统计规律（幂律），而非个体事件的预测。 | ||
| + | |||
| + | *“生命在混沌的边缘”： 巴克认为临界状态是动态的、信息处理效率高的状态。系统既不过于僵化（远离临界），也不过于混乱（无序）。在这个边缘，系统具有最大的灵活性和适应性，能对外界变化做出丰富响应。他将此概念扩展到生物进化、大脑功能甚至经济学。 | ||
| + | |||
| + | ==争议与后续发展== | ||
| + | |||
| + | 尽管 SOC 极具启发性和影响力，巴克在《How Nature Works》中有时过于热情地将其推广为“万物理论”，也引发了争议和讨论： | ||
| + | |||
| + | *普适性争议： SOC 是否是所有观测到幂律现象的唯一或主要原因？其他机制（如相变、优化过程、乘性噪声）也能产生幂律。需要更严格的检验来区分不同机制。 | ||
| + | |||
| + | *模型验证： 将沙堆等简化模型的结果严格定量地应用到真实复杂系统（如地震、进化）存在挑战。真实系统往往包含更多层次和相互作用。 | ||
| + | |||
| + | *预测能力： SOC 强调统计特性而非个体事件预测，其实际预测价值（如地震预报）有限。 | ||
| + | |||
| + | *深入理解： 后续研究更深入地探讨了 SOC 发生的精确条件、普适类、不同模型变种（如奥斯陆模型）、与相变理论的关系，以及如何通过实验和观测数据进行更严格的验证。 | ||
| + | |||
| + | ==总结性概述== | ||
| + | |||
| + | 自组织临界（SOC），正如佩尔·巴克在《How Nature Works》中精彩阐述的，是一个深刻而富有洞察力的概念。它揭示了复杂系统通过简单的局部规则和相互作用，如何能够自发地演化到一种微妙的临界状态。在这种状态下，系统表现出无特征尺度的行为：微小的扰动可能引发从微不足道到灾难性的、跨越所有尺度的连锁反应（雪崩），并且这些事件的发生频率遵循幂律分布。沙堆模型完美地诠释了这一核心思想。巴克的贡献在于将 SOC 提升为一个理解自然界复杂性的统一框架，应用于从地质学到生物学再到社会科学的广泛领域，强调了鲁棒性、普遍性和“混沌边缘”的创造性潜力。尽管其普适性和具体应用仍存在讨论，SOC 无疑彻底改变了我们对复杂系统动力学、幂律起源以及自然界中秩序与混乱交织方式的理解。 | ||
==参见== | ==参见== | ||
2025年6月12日 (四) 18:24的版本
在物理学中，自组织临界性 Self-organized criticality (SOC)是动力系统的一种特性，动力系统有一个临界点作为吸引子 Attractor。它们在相变临界点的宏观行为因此显示了空间或时间尺度不变特性，但不需要把控制参数调整到一个精确的值，因为系统有效地自我调整趋向于临界状态。
这个概念是由 Per Bak，Chao Tang 和 Kurt Wiesenfeld (简称“BTW”)在1987年的《物理评论快报 Physical Review Letters》上的论文中提出的，[1] 其被认为是复杂性在自然界出现的机制之一。[2]它的概念已经被应用于各个领域，比如地球物理学，[3] 物理宇宙学，进化生物学和生态学，生物启发计算和优化(数学) ，经济学，量子引力，社会学，太阳物理学，等离子物理学，神经生物学等。[4][5][6]SOC通常在多自由度、强非线性动力学的缓慢驱动非平衡系统中被观察到。自从 BTW 的原始论文以来，已经确定了许多单独的例子，但是到目前为止还没有一组已知的一般特征来保证一个系统将显示 SOC。
核心概念与巴克的观点（源自《How Nature Works》）
巴克在书中以通俗易懂且引人入胜的方式论证，SOC 是理解自然界复杂性的一种“新范式”。他挑战了传统的平衡态或线性思维，认为像沙堆、地震、森林火灾、生物进化、金融市场波动甚至大脑活动等看似截然不同的现象，其内在动力学可能都受 SOC 机制支配。
关键要素包括： 自组织（Self-Organization）： 系统通过自身内部组成部分之间的局部相互作用和动力学规则（如沙粒间的摩擦力、地震断层的应力传递、树木的可燃性），无需外部“指挥”或精细控制参数，就能自发地向临界状态演化。这种演化是开放的、远离平衡态的过程。
临界状态（Criticality）： 这是系统的一种特殊状态，通常具有： 长程关联（Long-range correlations）： 系统不同部分之间存在强烈的相互依赖关系，即使它们在空间上相距很远。
尺度不变性（Scale invariance）与分形结构（Fractals）： 系统的结构或行为在多个尺度上看起来相似（如海岸线、山脉轮廓、雪崩的形状）。幂律分布是尺度不变性在统计上的体现。
敏感性与连锁反应： 系统对微小的扰动异常敏感，一个小的输入（“一粒沙”）可能触发一系列连锁反应（“雪崩”），其规模大小不可预测，可能很小也可能席卷整个系统。
概览
自组织临界性是20世纪下半叶统计物理学及相关领域的众多重要发现之一，这些发现尤其与研究自然界的复杂性有关。例如，元胞自动机的研究---- 从 Stanislaw Ulam 和Von Neumann的早期发现到 John Conway 的生命游戏和 Stephen Wolfram 的大量工作---- 清楚地表明，复杂性可以作为具有简单局部相互作用的扩展系统的一个涌现特征而产生。在相似的时间段内，Benoit Mandelbrot关于分形的大量工作表明，自然界的许多复杂性可以用某些无处不在的数学定律来描述，而在20世纪60年代和70年代对相变的广泛研究表明，诸如分形和幂律等尺度不变现象是如何出现不同相的临界点上的。
自组织临界性最早由 Bak，Tang 和 Wiesenfeld 在1987年的论文中提出，这篇论文将这些因素清楚地联系在一起: 一个简单的细胞自动机被证明可以产生在自然复杂性中观察到的几个特征（分形几何、粉红噪声和幂律） ，这种方式可以与临界点现象联系起来。然而，关键的是，这篇论文强调，观察到的复杂性是以一种强有力的方式出现的，并不依赖于系统精细调整的细节：模型中的可变参数可以被广泛改变，而不会影响临界行为的涌现：因此，具有自组织临界性。因此，BTW 论文的关键结果是发现了一种机制，通过这种机制，从简单的局部相互作用中产生的复杂性可能是自发的---- 因此是合理的自然复杂性的来源---- 而不是只有在控制参数调整到精确的临界值的人工情况下才可能出现的东西。这项研究的发表引起了理论家和实验家的极大兴趣，产生了一些在科学文献中被引用最多的论文。
由于 BTW 将他们的模型比喻为一个“沙堆” ，在沙堆上缓慢地喷洒新的沙粒以引起“雪崩” ，所以最初的实验工作主要集中在研究颗粒物质中的真实雪崩，其中最著名和最广泛的研究可能是奥斯陆地震实验。其他实验还包括在磁畴图案、超导体中的巴克豪森效应 Barkhausen effect和涡旋 vortices上进行的实验。
早期的理论工作包括开发各种不同于 BTW 模型的 soc 生成动力学，试图解析证明模型的性质(包括计算临界指数[7][8]) ，以及检验发生SOC的必要条件。后一项研究的一个重要问题是，在局部动态交换模型时是否需要能量守恒: 一般的答案是否定的，但有一些保留意见，因为一些交换动力学(如 BTW 的动态)确实需要局部至少平均的能量守恒。从长远来看，有待解决的关键理论问题包括SOC行为可能的普适性类的计算，以及是否有可能推导出一个一般规则来确定一个随机算法是否显示SOC。
除了这些大部分基于实验室的方法，许多其他的研究都集中在大规模的自然或社会系统上，这些系统已经知道(或怀疑)表现出尺度不变的行为。虽然这些方法并不总是受到研究对象专家的欢迎(至少最初是这样) ，但 SOC 已经成为解释一些自然现象的强有力的候选者，包括: 地震(早在SOC被发现之前，地震就被认为是尺度不变行为的来源，例如描述地震大小统计分布的古腾堡-里克特定律，以及描述余震频率的描述余震的 Omori 定律[9][3]）；太阳耀斑; 经济系统的波动，比如金融市场(经济物理学中经常提到 SOC) ; 景观形成; 森林火灾; 滑坡; 流行病; 大脑皮层的神经雪崩;[5][10]电生理信号振幅的1 / f 噪声，[4]以及生物进化(其中 SOC 已被调用，例如，作为背后的动力机制的理论“间断平衡”由 Niles Eldredge 和史蒂芬·古尔德提出)。对SOC的这些”应用”研究既包括建模(开发新模型或使现有模型适应特定自然系统的具体情况) ，也包括广泛的数据分析，以确定是否存在和 / 或具有自然幂率的特点。
此外，SOC 已经应用于计算算法。最近，人们发现来自 SOC 过程的雪崩，如 BTW 模型，在图的最优解的随机搜索中形成有效的模式。 [11] 图着色就是这种最佳化问题的一个例子。SOC过程显然有助于避免优化陷入局部最优，而无需使用任何以前的极值优化工作所建议的退火方案。
无标度网络 Scale-free networks最近的热潮为SOC相关研究提出了一些有趣的新问题：许多不同的SOC模型已经被证明是作为一种涌现现象产生这样的网络，而不是网络研究人员提出的更简单的模型，其中网络往往被假定独立于任何物理空间或动力学存在。虽然许多单一现象已被证明在狭窄的范围内表现出无标度特性，但是到目前为止提供了大量数据的现象是球状蛋白质中溶剂可及的表面区域。[12]这些研究量化了蛋白质的微分几何，并解决了许多关于生物复杂性出现的进化之谜。[13]
尽管 SOC 假说引起了相当大的兴趣和研究成果，但是关于其抽象数学形式的机制仍然没有普遍的一致性。Bak Tang 和 Wiesenfeld 基于他们的沙堆模型的行为建立了他们的假设。然而,有人认为，这种模型实际上会产生1/fa 噪声而不是1 / f 噪声。[14]这种说法是基于未经测试的比例假设，更严格的分析表明在a>2沙堆模型一般产生1/fa 光谱。[15]其他的仿真模型能产生真正的1/f的噪声也被提出，[16]并且实验上的实验模型能被观测到产生1/f噪音。[17]除了上面提到的非保守理论模型之外，其他关于 SOC 的理论模型都是基于信息论, [18] 平均场论，[19]随机变量的收敛[20]和聚集信息。[21]一个自组织临界的连续模型是通过使用热带几何来提出的。[22]
自组织临界动力学的例子
按发展时间顺序排列:
- Bak–Tang–Wiesenfeld沙堆 Abelian sandpile model
- 森林火灾模型 Forest-fire model
- 奥拉米·费德·克里斯滕森模型 Olami–Feder–Christensen model
- 背景模型 Bak–Sneppen model
按巴克在书中的例证：
- 地震（Earthquakes）：
地壳板块运动不断积累应力（相当于“加沙”）。当断层某点的应力超过摩擦临界值（“临界坡度”），发生滑动（“崩塌”），可能触发邻近断层滑动，形成余震序列或大地震（“大雪崩”）。著名的古登堡-里克特定律（Gutenberg-Richter law）指出地震震级的频度服从幂律分布 (log N = a - b M)，这正是 SOC 的特征。地震断层网络可视为一个自组织临界系统。
- 森林火灾（Forest Fires）：
树木缓慢生长（“加沙”），增加燃料密度和连通性。一次雷击或小火花（“一粒沙”）可能引发小范围火苗或蔓延整个森林的大火（“雪崩”）。过火面积的分布通常接近幂律。防火隔离带的作用类似于降低系统连通性（“降低临界坡度”），限制雪崩规模。
- 生物进化（Evolution）：
巴克提出“间断平衡”理论（punctuated equilibrium）中的大规模物种灭绝事件可能具有 SOC 特征。生态系统通过物种间的相互作用（捕食、竞争、共生）和缓慢的适应性变化（“加沙”），自组织到临界状态。小扰动（如环境微小变化、新物种迁入）可能引发连锁灭绝事件（“雪崩”），灭绝规模呈现幂律分布。化石记录中灭绝事件的大小分布支持这一观点。
其他例子：
- 地貌演化： 山体滑坡、河流网络形成。
- 太阳耀斑（Solar Flares）： 太阳磁场能量缓慢积累后突然释放，释放能量大小呈幂律分布。
- 湍流（Turbulence）： 能量级联过程。
- 神经系统： 神经元集群活动（如癫痫发作、脑电图中的某些特征）。
- 金融巿场： 股价波动的幅度分布常呈幂律尾部（尽管驱动因素更复杂）。
关键特征与意义（基于巴克的阐述）
- 复杂性的简单起源： SOC 提供了一种解释，说明复杂的、看似随机的、大尺度的事件如何从简单的局部规则和相互作用中涌现出来。无需顶层设计或外部微调。
- 鲁棒性与普遍性： 临界状态是系统自组织达到的吸引子（attractor），对模型细节（如具体的崩塌规则、网格类型）具有一定鲁棒性。这解释了为何幂律分布在如此多不同的系统中出现。
- 内在不可预测性： 在临界状态，由于微小的扰动可能导致任意规模的响应（“蝴蝶效应”在临界点被放大），精确预测单次事件（如下一次大地震的确切时间和地点）从根本上变得极其困难。SOC 关注的是统计规律（幂律），而非个体事件的预测。
- “生命在混沌的边缘”： 巴克认为临界状态是动态的、信息处理效率高的状态。系统既不过于僵化（远离临界），也不过于混乱（无序）。在这个边缘，系统具有最大的灵活性和适应性，能对外界变化做出丰富响应。他将此概念扩展到生物进化、大脑功能甚至经济学。
争议与后续发展
尽管 SOC 极具启发性和影响力，巴克在《How Nature Works》中有时过于热情地将其推广为“万物理论”，也引发了争议和讨论：
- 普适性争议： SOC 是否是所有观测到幂律现象的唯一或主要原因？其他机制（如相变、优化过程、乘性噪声）也能产生幂律。需要更严格的检验来区分不同机制。
- 模型验证： 将沙堆等简化模型的结果严格定量地应用到真实复杂系统（如地震、进化）存在挑战。真实系统往往包含更多层次和相互作用。
- 预测能力： SOC 强调统计特性而非个体事件预测，其实际预测价值（如地震预报）有限。
- 深入理解： 后续研究更深入地探讨了 SOC 发生的精确条件、普适类、不同模型变种（如奥斯陆模型）、与相变理论的关系，以及如何通过实验和观测数据进行更严格的验证。
总结性概述
自组织临界（SOC），正如佩尔·巴克在《How Nature Works》中精彩阐述的，是一个深刻而富有洞察力的概念。它揭示了复杂系统通过简单的局部规则和相互作用，如何能够自发地演化到一种微妙的临界状态。在这种状态下，系统表现出无特征尺度的行为：微小的扰动可能引发从微不足道到灾难性的、跨越所有尺度的连锁反应（雪崩），并且这些事件的发生频率遵循幂律分布。沙堆模型完美地诠释了这一核心思想。巴克的贡献在于将 SOC 提升为一个理解自然界复杂性的统一框架，应用于从地质学到生物学再到社会科学的广泛领域，强调了鲁棒性、普遍性和“混沌边缘”的创造性潜力。尽管其普适性和具体应用仍存在讨论，SOC 无疑彻底改变了我们对复杂系统动力学、幂律起源以及自然界中秩序与混乱交织方式的理解。
参见
- 1/f噪音 Pink noise，巴克强调许多 SOC 系统在时间序列上也表现出幂律谱（
S(f) ∝ 1/f^β），称为 1/f 噪声或闪烁噪声。这反映了事件在时间上也没有特征尺度，小波动和大波动共存。
- 复杂系统 Complex system
- 关键大脑假说 Critical brain hypothesis
- 临界指数 Critical exponents
- Detrended涨落分析，一种检测中幂律标度的方法
- 双相演化 Dual-phase evolution,另一个有助于自我组织的过程
- 分形 Fractal;
- 伊利亚·普里高津 Ilya Prigogine，一位帮助将耗散系统形式化的系统科学家
- 幂律分布 Power law，SOC 系统最显著的统计特征。事件大小（雪崩规模、地震震级、火灾面积）的发生频率 N(s) 与其大小 s 满足关系：
N(s) ∝ s^(-τ)，其中 τ 是幂律指数。这意味着小事件极其频繁，大事件虽然罕见但发生的概率显著高于高斯分布等“钟形曲线”的预测（即“黑天鹅”事件在 SOC 系统中是内在特性，而非异常）。
- 红皇后假说 Red Queen hypothesis
- 标度不变性 Scale invariance
- 自组织 Self-organization
- 自组织临界控制 Self-organized criticality control
参考文献
- ↑ Per Bak, Chao Tang and Kurt Wiesenfeld (1987). "Self-organized criticality: an explanation of 1/f noise". Physical Review Letters. 59 (4): 381–384. Bibcode:1987PhRvL..59..381B. doi:10.1103/PhysRevLett.59.381. PMID 10035754. Papercore summary: http://papercore.org/Bak1987.并由巴克在其极具影响力的科普著作《How Nature Works》（1996年）中进行了深入阐述和推广，
- ↑ Per Bak, and Maya Paczuski (1995). "Complexity, contingency, and criticality". Proc Natl Acad Sci U S A. 92 (15): 6689–6696. Bibcode:1995PNAS...92.6689B. doi:10.1073/pnas.92.15.6689. PMC 41396. PMID 11607561.
- ↑ 3.0 3.1 3.2 Smalley, R. F., Jr.; Turcotte, D. L.; Solla, S. A. (1985). "A renormalization group approach to the stick-slip behavior of faults". Journal of Geophysical Research. 90 (B2): 1894. Bibcode:1985JGR....90.1894S. doi:10.1029/JB090iB02p01894.
{{cite journal}}: CS1 maint: multiple names: authors list (link) - ↑ 4.0 4.1 K. Linkenkaer-Hansen; V. V. Nikouline; J. M. Palva; R. J. Ilmoniemi. (2001). "Long-Range Temporal Correlations and Scaling Behavior in Human Brain Oscillations". J. Neurosci. 21 (4): 1370–1377. doi:10.1523/JNEUROSCI.21-04-01370.2001. PMC 6762238. PMID 11160408.
- ↑ 5.0 5.1 J. M. Beggs; D. Plenz (2006). "Neuronal Avalanches in Neocortical Circuits". J. Neurosci. 23 (35): 11167–77. doi:10.1523/JNEUROSCI.23-35-11167.2003. PMC 6741045. PMID 14657176.
- ↑ Chialvo, D. R. (2004). "Critical brain networks". Physica A. 340 (4): 756–765. arXiv:cond-mat/0402538. Bibcode:2004PhyA..340..756R. doi:10.1016/j.physa.2004.05.064.
- ↑ Chao Tang and Per Bak (1988). "Critical exponents and scaling relations for self-organized critical phenomena". Physical Review Letters. 60 (23): 2347–2350. Bibcode:1988PhRvL..60.2347T. doi:10.1103/PhysRevLett.60.2347. PMID 10038328.
- ↑ Chao Tang and Per Bak (1988). "Mean field theory of self-organized critical phenomena". Journal of Statistical Physics (Submitted manuscript). 51 (5–6): 797–802. Bibcode:1988JSP....51..797T. doi:10.1007/BF01014884.
- ↑ 9.0 9.1
Turcotte, D. L.; Smalley, R. F., Jr.; Solla, S. A. (1985). "Collapse of loaded fractal trees". Nature. 313 (6004): 671–672. Bibcode:1985Natur.313..671T. doi:10.1038/313671a0.
{{cite journal}}: CS1 maint: multiple names: authors list (link) - ↑ Poil, SS; Hardstone, R; Mansvelder, HD; Linkenkaer-Hansen, K (Jul 2012). "Critical-state dynamics of avalanches and oscillations jointly emerge from balanced excitation/inhibition in neuronal networks". Journal of Neuroscience. 32 (29): 9817–23. doi:10.1523/JNEUROSCI.5990-11.2012. PMC 3553543. PMID 22815496.
- ↑ H. Hoffmann and D. W. Payton (2018). "Optimization by Self-Organized Criticality". Scientific Reports. 8 (1): 2358. Bibcode:2018NatSR...8.2358H. doi:10.1038/s41598-018-20275-7. PMC 5799203. PMID 29402956.
- ↑ M. A. Moret and G. Zebende (2007). "Amino acid hydrophobicity and accessible surface area". Phys. Rev. E. 75 (1): 011920. Bibcode:2007PhRvE..75a1920M. doi:10.1103/PhysRevE.75.011920. PMID 17358197.
- ↑ Phillips, J. C. (2014). "Fractals and self-organized criticality in proteins". Physica A. 415: 440–448. Bibcode:2014PhyA..415..440P. doi:10.1016/j.physa.2014.08.034.
- ↑ H. J. Jensen, K. Christensen and H. C. Fogedby (1989). "1/f noise, distribution of lifetimes, and a pile of sand". Phys. Rev. B. 40 (10): 7425–7427. Bibcode:1989PhRvB..40.7425J. doi:10.1103/physrevb.40.7425. PMID 9991162.
- ↑ Laurson, Lasse; Alava, Mikko J.; Zapperi, Stefano (15 September 2005). "Letter: Power spectra of self-organized critical sand piles". Journal of Statistical Mechanics: Theory and Experiment. 0511. L001.
- ↑ S. Maslov, C. Tang and Y. –C. Zhang (1999). "1/f noise in Bak-Tang-Wiesenfeld models on narrow stripes". Phys. Rev. Lett. 83 (12): 2449–2452. arXiv:cond-mat/9902074. Bibcode:1999PhRvL..83.2449M. doi:10.1103/physrevlett.83.2449.
- ↑ V.Frette, K. Christiansen, A. Malthe-Sørenssen, J. Feder, T. Jøssang and P. Meakin (1996). "Avalanche dynamics in a pile of rice". Nature. 379 (6560): 49–52. Bibcode:1996Natur.379...49F. doi:10.1038/379049a0.
{{cite journal}}: CS1 maint: multiple names: authors list (link) - ↑ Dewar, R. (2003). "Information theory explanation of the fluctuation theorem, maximum entropy production and self-organized criticality in non-equilibrium stationary states". J. Phys. A: Math. Gen. 36 (3): 631–641. arXiv:cond-mat/0005382. Bibcode:2003JPhA...36..631D. doi:10.1088/0305-4470/36/3/303.
- ↑ Alessandro Vespignani, and Stefano Zapperi (1998). "How self-organized criticality works: a unified mean-field picture". Phys. Rev. E. 57 (6): 6345–6362. arXiv:cond-mat/9709192. Bibcode:1998PhRvE..57.6345V. doi:10.1103/physreve.57.6345. hdl:2047/d20002173.
- ↑ Kendal, WS (2015). "Self-organized criticality attributed to a central limit-like convergence effect". Physica A. 421: 141–150. Bibcode:2015PhyA..421..141K. doi:10.1016/j.physa.2014.11.035.
- ↑ Hoffmann, H. (2018). "Impact of Network Topology on Self-Organized Criticality". Phys. Rev. E. 97 (2): 022313. Bibcode:2018PhRvE..97b2313H. doi:10.1103/PhysRevE.97.022313. PMID 29548239.
- ↑ Kalinin, N.; Guzmán-Sáenz, A.; Prieto, Y.; Shkolnikov, M.; Kalinina, V.; Lupercio, E. (2018-08-15). "Self-organized criticality and pattern emergence through the lens of tropical geometry". Proceedings of the National Academy of Sciences (in English). 115 (35): E8135–E8142. arXiv:1806.09153. doi:10.1073/pnas.1805847115. ISSN 0027-8424. PMC 6126730. PMID 30111541.
延伸阅读
- Adami, C. (1995). "Self-organized criticality in living systems". Physics Letters A. 203 (1): 29–32. arXiv:adap-org/9401001. Bibcode:1995PhLA..203...29A. CiteSeerX 10.1.1.456.9543. doi:10.1016/0375-9601(95)00372-A.
- Bak, P. (1996). How Nature Works: The Science of Self-Organized Criticality. New York: Copernicus. ISBN 978-0-387-94791-4.
- Per Bak and Maya Paczuski (1995). "Complexity, contingency, and criticality". Proceedings of the National Academy of Sciences. 92 (15): 6689–6696. Bibcode:1995PNAS...92.6689B. doi:10.1073/pnas.92.15.6689. PMC 41396. PMID 11607561.
- Per Bak and Kim Sneppen (1993). "Punctuated equilibrium and criticality in a simple model of evolution". Physical Review Letters. 71 (24): 4083–4086. Bibcode:1993PhRvL..71.4083B. doi:10.1103/PhysRevLett.71.4083. PMID 10055149.
- Per Bak, Chao Tang and Kurt Wiesenfeld (1987). "Self-organized criticality: an explanation of [math]\displaystyle{ 1/f }[/math] noise". Physical Review Letters. 59 (4): 381–384. Bibcode:1987PhRvL..59..381B. doi:10.1103/PhysRevLett.59.381. PMID 10035754.
- Per Bak, Chao Tang and Kurt Wiesenfeld (1988). "Self-organized criticality". Physical Review A. 38 (1): 364–374. Bibcode:1988PhRvA..38..364B. doi:10.1103/PhysRevA.38.364. PMID 9900174. Papercore summary.
- Buchanan, M. (2000). Ubiquity. London: Weidenfeld & Nicolson. ISBN 978-0-7538-1297-6.
- Jensen, H. J. (1998). Self-Organized Criticality. Cambridge: Cambridge University Press. ISBN 978-0-521-48371-1.
- Katz, J. I. (1986). "A model of propagating brittle failure in heterogeneous media". Journal of Geophysical Research. 91 (B10): 10412. Bibcode:1986JGR....9110412K. doi:10.1029/JB091iB10p10412.
- Kron, T./Grund, T. (2009). "Society as a Selforganized Critical System". Cybernetics and Human Knowing. 16: 65–82.
{{cite journal}}: CS1 maint: multiple names: authors list (link)
- Paczuski, M. (2005). Networks as renormalized models for emergent behavior in physical systems. The Science and Culture Series – Physics. pp. 363–374. arXiv:physics/0502028. Bibcode 2005cmn..conf..363P. doi:10.1142/9789812701558_0042. ISBN 978-981-256-525-9.
- Turcotte, D. L. (1997). Fractals and Chaos in Geology and Geophysics. Cambridge: Cambridge University Press. ISBN 978-0-521-56733-6.
- Turcotte, D. L. (1999). "Self-organized criticality". Reports on Progress in Physics. 62 (10): 1377–1429. Bibcode:1999RPPh...62.1377T. doi:10.1088/0034-4885/62/10/201.
- Md. Nurujjaman/A. N. Sekar Iyengar (2007). "Realization of {SOC} behavior in a dc glow discharge plasma". Physics Letters A. 360 (6): 717–721. arXiv:physics/0611069. Bibcode:2007PhLA..360..717N. doi:10.1016/j.physleta.2006.09.005.
- Self-organized criticality on arxiv.org
编者推荐
集智课程
基于自组织临界性与沙堆模型的帝国兴衰研究
长期以来，人类传统社会的帝国兴衰更替现象不断吸引着社会与跨学科研究者关注。在社科领域，“超稳定结构说”具有广泛影响力。但存在循环论证、可重复性不足等问题。此弱项，可被自然与跨学科领域的自组织临界性（Self-Organized Criticality）视角补足。基于SOC视角，可采用沙堆模型、元胞自动机与ABM仿真方法，反演帝国历史进程。模型近似完美地拟合了历史上的帝国兴衰进程，匹配度高。沙堆模型与ABM仿真，是有效的国家安全、社会安全分析工具。此外，在世界体系演化、大国关系预测方面也具有实践意义。
复杂性与临界现象 2020
该课程为北京师范大学系统科学学院陈晓松教授开设的研究生课程《复杂性与临界现象》课程回放。 课程内容包括：
- 复杂系统与复杂性简介
- 统计系统理论
- 平衡态系统临界现象
- 非平衡与复杂系统临界现象
本中文词条由水流心不竞初译,Inch审校，薄荷编辑，如有问题，欢迎在讨论页面留言。
本词条内容源自wikipedia及公开资料，遵守 CC3.0协议。