Saltar para o conteúdo

Usuário(a):MGromov/Testes65

Origem: Wikipédia, a enciclopédia livre.



Página inicial: Testes

Edições completas: Mecânica estatística  • Modelo Hodgkin-Huxley  • Neurociência computacional  • Modelo probabilístico para redes neurais  • Teoria de campo médio  • Modelo FitzHugh–Nagumo  • Processo Lévy  • Cadeias de Markov  • Processo de Poisson  • Galves–Löcherbach model  • Stochastic chains with memory of variable length  • Lesão do plexo braquial  • Somatotopia  • Função densidade  • Modelos de grafos aleatórios exponenciais • Processo de Gram-Schmidt  • Equação de Chapman–Kolmogorov  • Predefinição:Processos estocásticos  • Algoritmo de autovalores  • Transição de fase  • Hipótese do cérebro crítico  • Critical brain hypothesis  • Passeio aleatório  • Plasticidade sináptica  • Potencial pós-sináptico excitatório  • Potencial pós-sináptico inibitório  • Modelo de Morris-Lecar  • Plexo braquial  • Processo gaussiano  • Campo aleatório de Markov  • Eletroencefalografia  • Modelo de Hindmarsh-Rose  • Sistemas de partícula em interação  • Medida de Gibbs  • Nervo escapular dorsal  • Nervo radial  • Nervo peitoral lateral  • Nervo musculocutâneo  • Medida de Dirac  • Nervo torácico longo  • Sigma-álgebra  • Nervo peitoral medial  • Nervo ulnar  • Potencial evocado  • Estimulação magnética transcraniana repetitiva  • Teorema de Donsker  • Desigualdade de Boole  • Codificação neural  • Aprendizado de máquina  • Independência condicional  • Inferência estatística  • Nervo subclávio  • Nervo supraescapular  • Nervo mediano  • Nervo axilar  • Movimento browniano geométrico  • Caminho autoevitante  • Tempo local  • Nervo subescapular superior  • Nervo toracodorsal  • Nervo subscapular inferior  • Caminho (teoria dos grafos)  • Campo aleatório  • Lei do logaritmo iterado

Edições em andamento: Nervo cutâneo medial do braço (N)  • Nervo cutâneo medial do antebraço (N)  • Cérebro estatístico (N)  • Statistician brain  • Distribuição de probabilidade condicional (N)  • Esperança condicional (N)  • Integral de Itō (N)  • Martingale  • Variação quadrática (N)  • Processo Ornstein–Uhlenbeck  • Ruído branco  • Teoria ergódica  • Avalanche neuronal (N)  • Teoria da percolação (N)  • Função totiente de Euler  • Ruído neuronal (N)  • Distribuição de Poisson  • Córtex cerebral  • Estímulo (fisiologia)




Referência: Self-avoiding walk
Um caminho autoevitante em um retículo quadrado.

Em matemática, um caminho autoevitante é uma sequência de movimentos em um retículo que não visita o mesmo ponto mais de uma vez. Este é um caso especial da noção de caminho da teoria dos grafos. Um polígono autoevitante é um caminho autoevitante fechado em um retículo. O termo caminho autoevitante foi introduzido pelo químico Paul Flory,[1] a fim de modelar o comportamento real de entidades de configuração em cadeia, tais como solventes e polímeros, cujos volumes físicos proíbem múltiplas ocupações do mesmo ponto espacial. Muito pouco é conhecido rigorosamente a respeito dos caminhos auto-evitantes a partir de uma perspectiva matemática, apesar de que físicos terem provido numerosas conjecturas que são acreditadas serem verdade e fortemente apoiadas por simulações matemáticas, e que existam diversas conjecturas que foram obtidas por meio de simulações computacionais.

Em física computacional um caminho autoevitante é um caminho em cadeia em ou com um certo número de nós, tipicamente um passo de tamanho fixo e com uma propriedade imperativa de que ele não cruza a si mesmo ou outro caminho. Um sistema de caminhos autoevitantes satisfaz a chamada condição do volume excluído. Em dimensões mais altas, acredita-se que um caminho autoevitante deve se comportar de modo bastante próximo de um passeio aleatório. Caminhos autoevitantes e polígonos autoevitantes ocupam um papel central em modelagem topológica e teoria dos nós no comportamento de moléculas em forma de filamentos e loops, como proteínas. Caminhos autoevitantes são fractais.[2][3] Por exemplo, em a dimensão fractal é , para é próxima a enquanto para , a dimensão fractal é . A dimensão é chamada dimensão crítica superior quando acima dela o volume excluído é insignificante. Um caminho autoevitante que não satisfaz a condição de volume excluído foi recentemente estudado para modelar superfícies geométricas explícitas resultante da expansão do caminho autoevitante.[4]

As propriedades dos caminhos autoevitantes não podem ser calculadas analiticamente, então simulações numéricas são empregadas. O algoritmo de pivô é um método comum para simulações de Monte Carlo via Cadeias de Markov (MCMC) para medidas uniformes em caminhos autoevitantes de n passos. O algoritmo de pivô trabalha pegando um caminho autoevitante e aleatoriamente escolhendo um ponto desse caminho, e então aplicando uma operação simétrica (rotações e reflexões) no caminho depois do enésimo passo para criar um novo caminho. Calcular o número de caminhos autoevitantes em cada rede é um problema computacional comum. Não existe nenhuma fórmula conhecida para determinar o número de caminhos autoevitantes, embora existam métodos rigorosos para a aproximação.[5][6] Conjectura-se que achar o número de caminhos dessa espécie seja um problema NP-difícil. Para caminhos autoevitantes, do fim de uma diagonal a outra, com apenas movimentos em posição positiva, existem exatamente caminhos para um retículo retangular m × n.

Universalidade

[editar | editar código-fonte]

Um dos fenômenos associados com caminhos autoevitantes e modelos estatísticos físicos bidimensionais em geral é a noção de universalidade, isto é, independência de observáveis macroscópicos a partir de detalhes microscópicos, assim como a escolha do retículo. Uma quantidade importante que aparece em conjecturas para leis universais é a constante conectiva, definida como segue:

Seja o número de caminhos autoevitantes de n passos. Uma vez que todo caminho autoevitante de (n+m) passos pode ser decomposto em um caminho autoevitante de n passos e um caminho autoevitante de m passos, segue que cn+mcncm. Portanto, a sequência {log()} é subaditiva e podemos aplicar o lema de Fekete para mostrar que o seguinte limite existe:

Sendo μ a constante conectiva, uma vez que cn depende do retículo escolhido para o caminho, assim também é com μ. O valor exato para μ só é conhecido para o retículo hexagonal, onde é igual a :[7]

Para outros retículos, μ só foi aproximado numericamente, e não se acredita tratar de acredita de um número algébrico. Conjectura-se que

quando n → ∞, onde μ depende do retículo, mas a correção da lei de potência não; em outras palavras, acredita-se que essa lei seja universal.

Caminhos autoevitantes em redes

[editar | editar código-fonte]

Caminhos autoevitantes também têm sido estudados no contexto da análise de rede.[8] Nesse contexto, é comum tratar caminhos autoevitantes como um processo dinâmico, de modo que a cada passo temporal um andarilho aleatoriamente salta entre nós vizinhos na rede. A caminhada acaba quando o andarilho atinge um estado sem saída, de modo que não pode mais avançar para nós vizinhos não visitados. Constatou-se recentemente que nas redes Erdős–Rényi, a distribuição do comprimento de caminho de tais caminhos autoevitantes com crescimento dinâmico podem ser calculados analiticamente, e segue a distribuição de Gompertz.[9]

Considere a medida uniforme em um caminho autoevitante de n passos em todo o plano. Atualmente é desconhecido se o limite da medida uniforme quando n → ∞ induz uma medida em caminhos infinitos. Contudo, Harry Kesten tem mostrado que assim como uma medida existe para caminhos autoevitantes na metade do plano. Uma questão importante envolvendo caminhos autoevitantes é a existência e invariância conforme do limite de escala, isso é, o limite de tamanho do caminho vai para o infinito, e a malha do retículo vai para zero. Se conjectura que o limite de escala para caminhos autoevitantes seja descrito por uma evolução Schramm–Loewner com parâmetro κ = 83.

  1. P. Flory (1953). Principles of Polymer Chemistry. [S.l.]: Cornell University Press. 672 páginas. ISBN 9780801401343 
  2. S. Havlin, D. Ben-Avraham (1982). «New approach to self-avoiding walks as a critical phenomenon». J. Phys. A. 15. 321 páginas. doi:10.1088/0305-4470/15/6/013 
  3. S. Havlin, D. Ben-Avraham (1982). «Theoretical and numerical study of fractal dimensionality in self-avoiding walks». Phys. Rev. A. 26 (3). 1728 páginas. Bibcode:1982PhRvA..26.1728H. doi:10.1103/PhysRevA.26.1728 
  4. A. Bucksch, G. Turk, J.S. Weitz (2014). «The Fiber Walk: A Model of Tip-Driven Growth with Lateral Expansion». PLOS ONE. 9 (1): e85585. doi:10.1371/journal.pone.0085585 
  5. Hayes B (Jul–Aug 1998). «How to Avoid Yourself». American Scientist. 86 (4). doi:10.1511/1998.31.3301  Verifique data em: |data= (ajuda)
  6. Liśkiewicz M; Ogihara M; Toda S (July 2003). «The complexity of counting self-avoiding walks in subgraphs of two-dimensional grids and hypercubes». Theoretical Computer Science. 304 (1–3): 129–56. doi:10.1016/S0304-3975(03)00080-X  Verifique data em: |data= (ajuda)
  7. Duminil-Copin, Hugo; Smirnov, Stanislav (1 May 2012). «The connective constant of the honeycomb lattice equals sqrt(2+sqrt 2)». Annals of Mathematics. 175 (3): 1653–1665. doi:10.4007/annals.2012.175.3.14  Verifique data em: |data= (ajuda)
  8. Carlos P. Herrero (2005). «Self-avoiding walks on scale-free networks». Phys. Rev. E. 71 (3). 1728 páginas. doi:10.1103/PhysRevE.71.016103 
  9. Tishby, Biham, Katzav (2016), The distribution of path lengths of self avoiding walks on Erdős-Rényi networks, arXiv:1603.06613.
  1. Madras, N.; Slade, G. (1996). The Self-Avoiding Walk. [S.l.]: Birkhäuser. ISBN 978-0-8176-3891-7 
  2. Lawler, G. F. (1991). Intersections of Random Walks. [S.l.]: Birkhäuser. ISBN 978-0-8176-3892-4 
  3. Madras, N.; Sokal, A. D. (1988). «The pivot algorithm – A highly efficient Monte-Carlo method for the self-avoiding walk». Journal of Statistical Physics. 50. doi:10.1007/bf01022990 
  4. Fisher, M. E. (1966). «Shape of a self-avoiding walk or polymer chain». Journal of Chemical Physics. 44 (2). 616 páginas. Bibcode:1966JChPh..44..616F. doi:10.1063/1.1726734 

Ligações externas

[editar | editar código-fonte]