201
个编辑
更改
无编辑摘要
* 社交网络韧性：推特网络 p<nowiki><sub>c</sub></nowiki>=0.65 (用户移除导致碎片化)
* 社交网络韧性：推特网络 p<nowiki><sub>c</sub></nowiki>=0.65 (用户移除导致碎片化)
=== 历史里程碑 ===
=== 渗流阈值发展史 ===
==== 奠基时期（1950s-1960s） ====
* 1957年：Broadbent与Hammersley发表奠基论文：
** 建立边渗流和点渗流模型
** 证明一维系统[math]\displaystyle{ p_c = 1 }[/math]，二维以上[math]\displaystyle{ p_c < 1 }[/math]
** 给出贝特晶格精确解：[math]\displaystyle{ p_c = \frac{1}{z-1} }[/math]
* 1960年：Montroll与Weiss建立渗流与随机行走关联： [math]\displaystyle{ \langle R^2 \rangle \propto t^{2/d_w} }[/math]
==== 理论突破期（1970s-1980s） ====
* 1980年：Kesten严格证明二维方格边渗流阈值： <nowiki>[math]\displaystyle{ p_c^{\text{bond}} = \frac{1}{2} }[/math]</nowiki>
* 1982年：临界指数普适性理论确立：
{| class="wikitable"
!维度
![math]\displaystyle{ \nu }[/math]
![math]\displaystyle{ \beta }[/math]
|-
|2D
|4/3
|5/36
|-
|≥6D
|1/2
|1
|}
==== 数学严格化（1990s-2000s） ====
* 2001年：Smirnov证明三角晶格点渗流： <nowiki>[math]\displaystyle{ p_c^{\text{site}} = 2\sin\frac{\pi}{18} }[/math]</nowiki>
* 2010年：Duminil-Copin解决双玻色模型： <nowiki>[math]\displaystyle{ p_c(q) = \frac{\sqrt{q}}{1+\sqrt{q}} }[/math]</nowiki>
==== 现代发展（2010s至今） ====
* 2013年：Jacobsen计算超高精度阈值：
{| class="wikitable"
!格类型
![math]\displaystyle{ p_c }[/math]值
!精度
|-
|Kagome点渗流
|0.652703645...
|[math]\displaystyle{ 10^{-12} }[/math]
|}
* 2023年：AI预测复杂结构阈值： [math]\displaystyle{ \Delta p_c < 10^{-4} }[/math]
==== 关键问题进展 ====
{| class="wikitable"
!未解之谜
!当前最佳结果
|-
|三维精确解
|<nowiki>[math]\displaystyle{ p_c^{\text{site}} = 0.3116077(4) }[/math]</nowiki>
|-
|量子渗流临界点
|[math]\displaystyle{ \frac{W_c}{t} = 16.5(5) }[/math]
|-
|宇宙结构渗流阈值
|<nowiki>[math]\displaystyle{ p_c^{\text{cosmic}} = 0.68 }[/math]</nowiki>
|}
[[文件:理论工具演进.png|缩略图|理论工具演进]]
[[文件:渗流理论发展.png|缩略图|渗流理论发展]]
[[文件:渗流理论发展.png|缩略图|渗流理论发展]]
# 动态阈值：时变网络中的[math]\displaystyle{ p_c(t) }[/math]如何定义？
# 动态阈值：时变网络中的[math]\displaystyle{ p_c(t) }[/math]如何定义？
=== '''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）。
=== 前沿应用 ===
=== 前沿应用 ===
==== 1. 新型材料设计 ====
==== 新型材料设计 ====
* 梯度功能材料：通过空间调制 p<nowiki><sub>c</sub></nowiki> 实现局部性质优化 [math]\displaystyle{ \nabla p_c(x,y) = a \exp\left(-b\sqrt{x^2+y^2}\right) }[/math]
* 梯度功能材料：通过空间调制 p<nowiki><sub>c</sub></nowiki> 实现局部性质优化 [math]\displaystyle{ \nabla p_c(x,y) = a \exp\left(-b\sqrt{x^2+y^2}\right) }[/math]
* 自修复材料：微胶囊浓度超过 p<nowiki><sub>c</sub></nowiki> 时形成连续修复网络
* 自修复材料：微胶囊浓度超过 p<nowiki><sub>c</sub></nowiki> 时形成连续修复网络
==== 2. 生物医学工程 ====
==== 生物医学工程 ====
* 组织工程支架：孔隙连通阈值 φ<nowiki><sub>c</sub></nowiki>=0.25 决定细胞迁移效率
* 组织工程支架：孔隙连通阈值 φ<nowiki><sub>c</sub></nowiki>=0.25 决定细胞迁移效率
* 肿瘤血管网络：当分支密度 p>p<nowiki><sub>c</sub></nowiki> 时发生转移性扩散
* 肿瘤血管网络：当分支密度 p>p<nowiki><sub>c</sub></nowiki> 时发生转移性扩散
==== 3. 人工智能 ====
==== 人工智能 ====
* 脉冲神经网络：突触密度阈值决定信息传递可靠性
* 脉冲神经网络：突触密度阈值决定信息传递可靠性
* 神经网络剪枝：临界保留率 p<nowiki><sub>c</sub></nowiki>
* 神经网络剪枝：临界保留率 p<nowiki><sub>c</sub></nowiki>
==== 4. 气候科学 ====
==== 气候科学 ====
* 海冰连通性：当海冰覆盖率 < p<nowiki><sub>c</sub></nowiki>≈0.15 时极地生态系统崩溃
* 海冰连通性：当海冰覆盖率 < p<nowiki><sub>c</sub></nowiki>≈0.15 时极地生态系统崩溃
* <nowiki>森林火灾模型：燃烧传播阈值 [math]\displaystyle{ p_c^{\text{fire}} = \frac{1}{1+e^{-0.5(T-30)}} }[/math] (T为温度)</nowiki>
* <nowiki>森林火灾模型：燃烧传播阈值 [math]\displaystyle{ p_c^{\text{fire}} = \frac{1}{1+e^{-0.5(T-30)}} }[/math] (T为温度)</nowiki>
=== 典型例子 ===
* 粒子填充材料：在复合材料中，填料浓度达到渗流阈值[math]\displaystyle{ p_c }[/math]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[math]\displaystyle{ p_c }[/math]对应电子通道首次贯通体系的浓度。
* 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[math]\displaystyle{ p_c }[/math]时，整个网络失去主连通分量。