“渗流阈值”的版本间的差异
| 第36行： | 第36行： | ||
|[math]\displaystyle{ \sigma \prop | |[math]\displaystyle{ \sigma \prop | ||
|} | |} | ||
| + | |||
| + | === 数学模型扩展 === | ||
| + | |||
| + | # 异质网络渗流阈值 | ||
| + | #* 无标度网络（度分布 [math]\displaystyle{ P(k)\sim k^{-\gamma} }[/math]）： [math]\displaystyle{ p_c = \frac{\langle k \rangle}{\langle k^2 \rangle} }[/math] 当 [math]\displaystyle{ \gamma \leq 3 }[/math] 时 [math]\displaystyle{ p_c \to 0 }[/math]，解释社交网络的强鲁棒性。 | ||
| + | # 多层网络耦合失效 [math]\displaystyle{ p_c^{(m)} = 1 - \left(1-p_c^{(1)}\right)^{1/m} }[/math] （[math]\displaystyle{ m }[/math] 为耦合网络层数，文献[9]） | ||
| 第66行： | 第72行： | ||
对于贝特晶格（Bethelattice），其渗流阈值可解析为： | 对于贝特晶格（Bethelattice），其渗流阈值可解析为： | ||
| − | + | ||
| + | <math> p_c=1/(z-1) </math> | ||
其中''z''是每个节点的平均度（配位数）。 | 其中''z''是每个节点的平均度（配位数）。 | ||
2025年6月15日 (日) 17:11的版本
定义：
渗流阈值（Percolation Threshold, pc） 是指在给定网络或材料结构中，某一关键占据概率下首次出现“无限连通集群”的临界点。也就是说，当连接概率[math]\displaystyle{ \ p < p_c }[/math]
时，系统中的集群都是有限的；当[math]\displaystyle{ \ p >p_c }[/math] 时，有正概率形成覆盖系统的大规模连通路径。这个“突然出现”的无限集群是渗流理论中的核心相变现象，其对应于系统宏观性质（如电导、流体通量、力学性能）的突变。
在渗流理论中，渗流阈值（常用符号表示pc指的是使无限系统出现从局部连接跃迁至全局连通的最小概率。当填充概率[math]\displaystyle{ \ p < p_c }[/math]时，系统中不会出现贯通路径，而当[math]\displaystyle{ \ p >p_c }[/math]时，出现无限集群的概率从0跃升为1，这种突变是典型的相变现象，符合所谓的零一律（0–1law）。
数学上，如果将系统建模为图，渗流模型会随机选择子集或，使得每条边或每个顶点以概率被“激活”。当时，图中几乎总是存在一条连接任意两个远点的大路径。
数学模型与公式分析
[math]\displaystyle{ dS=\frac{1}{T}dU+\frac{p}{T}dV-\sum_{i=1}^s\frac{\mu_i}{T}dN_i }[/math]
临界现象与普适类
渗流阈值是二阶连续相变的典型代表，其临界行为满足标度律：
[math]\displaystyle{ \xi \propto |p - p_c|^{-\nu} }[/math]
其中 [math]\displaystyle{ \xi }[/math] 为关联长度，[math]\displaystyle{ \nu }[/math] 是临界指数（二维：[math]\displaystyle{ \nu=4/3 }[/math]；三维：[math]\displaystyle{ \nu \approx 0.88 }[/math]）。其他关键指数：
- 无穷集群密度：[math]\displaystyle{ P_\infty \propto (p-p_c)^\beta \quad (\beta=5/36 \text{ in 2D}) }[/math]
- 平均集群大小：[math]\displaystyle{ \chi \propto |p-p_c|^{-\gamma} \quad (\gamma=43/18 \text{ in 2D}) }[/math]
相变行为对比
| 性质 | 亚临界相 ([math]\displaystyle{ p < p_c }[/math]) | 超临界相 ([math]\displaystyle{ p > p_c }[/math]) |
|---|---|---|
| 最大集群 | [math]\displaystyle{ O(\log N) }[/math] | [math]\displaystyle{ O(N) }[/math] |
| 电导率 | [math]\displaystyle{ \sigma = 0 }[/math] | [math]\displaystyle{ \sigma \prop |
数学模型扩展
- 异质网络渗流阈值
- 无标度网络（度分布 [math]\displaystyle{ P(k)\sim k^{-\gamma} }[/math]）： [math]\displaystyle{ p_c = \frac{\langle k \rangle}{\langle k^2 \rangle} }[/math] 当 [math]\displaystyle{ \gamma \leq 3 }[/math] 时 [math]\displaystyle{ p_c \to 0 }[/math]，解释社交网络的强鲁棒性。
- 多层网络耦合失效 [math]\displaystyle{ p_c^{(m)} = 1 - \left(1-p_c^{(1)}\right)^{1/m} }[/math] （[math]\displaystyle{ m }[/math] 为耦合网络层数，文献[9]）
典型例子
粒子填充材料：在复合材料中，填料浓度达到某一渗流阈值后，材料的电导率、热导率或力学性质会发生急剧变化。
导电路径形成：电子材料中，渗流阈值对应电子通道首次贯通体系的浓度，称为导通阈值。
网络连通性：在复杂网络中，若随机移除一定比例的节点，当保留节点的比例低于阈值时，整个网络失去主连通分量，表现为系统性崩溃。
应用领域
物理学：在统计物理中研究从局部无序到全局有序的临界行为（例如：Ising模型、渗流模型）。
材料科学：设计具备特定电学或热学性能的复合材料，通过调控填充物比例控制其临界行为。
网络科学：用于衡量网络的鲁棒性，例如互联网、电网或社会网络在面对攻击时的稳定性。
生物学：在传染病模型中，流行病阈值可视为渗流模型的一种推广，描述疾病何时从局部传播变为大规模流行。
神经科学：大脑神经网络在临界阈值附近运作（"临界大脑假说"），此时信息传递效率最优。
人工智能：神经网络剪枝中，当权重保留率 [math]\displaystyle{ p < p_c }[/math] 时，性能发生断崖式下降（2020年 Nature 研究）。
数学表示
对于贝特晶格（Bethelattice），其渗流阈值可解析为：
[math]\displaystyle{ p_c=1/(z-1) }[/math]
其中z是每个节点的平均度（配位数）。
对于二维方格的边渗流模型，HarryKesten于1982年证明：
[math]\displaystyle{ p_c=1/2 }[/math]
| d | 配位数z | 点渗流 | 边渗流 |
| 2 | 4 | 0.59274601(2) | 0.5 |
| 3 | 6 | 0.3116077(4) | 0.2488126(5) |
| 4 | 8 | 0.1968861(14),0.19688561(3) | 0.1601314(13),0.16013122(6) |
| 5 | 10 | 0.1407966(15),0.14079633(4) | 0.118172(1),0.11817145(3) |
| 6 | 12 | 0.109017(2),0.109016661(8) | 0.0942019(6),0.09420165(2) |
| 7 | 14 | 0.0889511(9),0.088951121(1) | 0.0786752(3),0.078675230(2) |
| 8 | 16 | 0.0752101(5),0.075210128(1) | 0.06770839(7),0.0677084181(3) |
| 9 | 18 | 0.0652095(3),0.0652095348(6) | 0.05949601(5),0.0594960034(1) |
| 10 | 20 | 0.0575930(1),0.0575929488(4) | 0.05309258(4),0.0530925842(2) |
| 11 | 22 | 0.05158971(8),0.0515896843(2) | 0.04794969(1),0.04794968373(8) |
| 12 | 24 | 0.04673099(6),0.0467309755(1) | 0.04372386(1),0.04372385825(10) |
| 13 | 12 | 0.04271508(8),0.04271507960(10) | 0.04018762(1),0.04018761703(6) |
随着维度增加，阈值逐渐降低，表明高维系统更容易形成贯通集群。
参考资料
[1]Broadbent, S. R.; Hammersley, J. M. Percolation processes. Mathematical Proceedings of the Cambridge Philosophical Society. 1953, 53(03):629.Bibcode:1957PCPS...53..629B.ISSN0305-0041.doi:10.1017/S0305004100032680.
[2]Dietrich Stauffer; Ammon Aharony. Introduction to percolation theory revised second edition. CRC press. 2014. ISBN 0748400273.
[3]Bollobás, Béla; Riordan, Oliver. Sharp thresholds and percolation in the plane. Random Structures and Algorithms. 2006, 29 (4): 524–548. ISSN 1042-9832. doi:10.1002/rsa.20134
[4]Jacobsen, J. L. High-precision percolation thresholds and Potts-model critical manifolds from graph polynomials. J. Phys. A: Math. Theor. 2014, 47(13):135001.Bibcode:2014JPhA...47m5001G.doi:10.1088/1751-8113/47/13/135001
[5]Deng, Youjin; H. W. J. Blöte. Monte Carlo study of the site-percolation model in two and three dimensions. Physical Review E. 2005, 72 (1): 016126. Bibcode:2005PhRvE..72a6126D. doi:10.1103/PhysRevE.72.016126
[6]Lorenz, C. D.; R. M. Ziff. Precise determination of the bond percolation thresholds and finite-size scaling corrections for the sc, fcc, and bcc lattices. Physical Review E. 1998, 57: 230–236. Bibcode:1998PhRvE..57..230L. arXiv:cond-mat/9710044