Aula 3
Instituto de Física
Universidade de São Paulo
ttome@if.usp.br
http://fge.if.usp.br/~ttome/
Mário J. de Oliveira
Instituto de Física
Universidade de São Paulo
oliveira@if.usp.br
Esses estudos são realizados utilizando principalmente simulações de Monte Carlo, pois essas são
capazes de prover padrões espaciais de distribuição dos elementos, os quais são essenciais na
análise do papel do espaço na modelagem desses sistemas.
Uma abordagem:
Tânia (2010)
Mecânica estatística de não-equilíbrio
Dinâmica Estocástica
Tânia (2010)
1 , 2 , ..., i ,..., N “Vetor estocástico”
sítio i da
rede
i 1
cada sítio i variável
ii assume k=2 valores:
i 1
N sítios
2 N estados microscópicos
do sistema ( 1 , ..., N )
Tânia (2010)
Tânia Tomé IFUSP 9
Modelos estocásticos em reticulados
Equação Mestra
d
P( , t ) W ( , ´) P( ´, t ) W ( ´ , ) P( , t )
dt ´( )
Estado
P ( , t ) Probabilidade do estado
no instante t
d
P( , t ) W ( , ´) P( ´, t ) W ( ´ , ) P( , t )
dt ´( )
Equação mestra
Regime estacionário
W ( , ´) P
´( )
est ( ´) W ( ´ , ) Pest ( ) 0
W ( , ´) Pest ( ´) W ( ´ , ) Pest ( ) BD
A probabilidade de transição
em t é igual a sua reversa. ´
H ( ) /k BT
e
P( )
Tânia (2010)
Z
F F ( ) P( )
1
i
1
Glauber, 1963
Para simular a evolução de um estado inicial qualquer de um sistema de Ising (*)
para o devemos acoplar uma dinâmica estocástica
que possui .
...
soma sobre os pares de átomos vizinhos
na rede.
( ij )
Vamos considerar: H 0 E ( ) J i j
( ij )
J 0
Tânia Tomé IFUSP 17
Dinâmicas com mudança de um único sítio
d
P( , t ) wi ( i ) P( i , t ) wi ( ) P( , t )
dt i
1 J
wi ( ) [1 i tanh(
2
k BT
i )] Glauber
(*) a soma é
sobre os
primeiros
vizinhos
2J
wi ( ) min(1, exp{ i i }) Metropolis do sítio i
kT
e E ( ) /kT
P( ) E ( ) J i j
Z ( ij )
Tc Temperatura crítica
i
1 Sítio ocupado por um indivíduo infectado (I)
Estado absorvente:
t t
Tânia Tomé IFUSP 24
Modelo de contato ou Processo de Contato (PC)
Modelo estocástico em reticulado com um estado absorvente
Estados estacionários:
Estado absorvente: rede completamente vazia (preenchida por indivíduos S).
/ 2
(i) Infecção auto-catalítica: i 1 i i 1 i 1 i i 1
Tânia (2010)
Se o sítio i está ocupado por um indivíduo infectado:
i i
(ii) Recuperação espontânea: 1
Rede 1d
i 1 i 1i
___o______o______o_____o_____o____
Tânia Tomé IFUSP 26
Modelo de contato em uma dimensão
i 0 I
(i) Infecção: 0
i 1 S
1
i 1 i i 1 i 1 i i 1 i 1 i i 1
1 0 1 0 0 1 1 0 0
Taxa de
infecção:
/2 /2
1 1 0 0 1 1 1 1 0
Dinâmica de
um sítio i 0 I
Dinâmica i 1 S
global:
j
(...)Soma sobre
os primeiros
{(1 i ) j j } i
Dinâmica
local: wi (i ) vizinhos do sítio i
2
wi (i ) (1 i ) j j i
4
i 0 I
i 1 S
j
(...) Soma sobre
os primeiros
vizinhos do sítio i
Modelo de contato
Taxa de transição por sítio:
(d=1)
Soma sobre
(1 i ) j j i
(...)
wi (i ) j os primeiros
2 vizinhos do sítio i
k P(1) Isotropia
N
d
A( ) { [ A( j ) A( )] w j ( ) }
(III)
dt j 1
(*) Essa equação pode ser obtida utilizando a equação mestra (I) e
a definição (II). OBTER!!
Tânia Tomé IFUSP
33
Equação de evolução para a densidade de infectados
Tânia (2010)
A( j ) k k j
Então
A( j ) 1 k k j
0 k j
A( j ) A( )
1 2 k k j
Utilizando a Eq. (III):
d
k [1 2 k ] wk ( ) Equação de evolução para a
dt densidade de infectados
Tânia Tomé IFUSP
34
Equação de evolução para a densidade de infectados
k
d
[1 2 k ] wk ( )
dt
1 2 3 4
Rede 1d ___o______o______o_____o_____o____
Exemplo:
k 2 2 Isotropia
d
[1 2 2 ] w2 ( )
dt
Eq. Evolução de infectados
Tânia Tomé IFUSP 35
Equação de evolução para a
densidade de infectados
1 2 3 4
Rede 1d ___o______o______o_____o_____o____
k 2 2 I
d
[1 2 2 ] w2 ( ) P(101) P(1 1,2 0,3 1)
dt
d
[1 2 (1)] w2 (111) P(111)
dt
[1 2 (1)] w2 (110) P(110)
[1] w2 (101) P(101) [1] w2 (100) P(100)
-
...
Eq. Evolução de infectados
Tânia Tomé IFUSP 36
Equação de evolução para a densidade de infectados
d
P(01) P(1)
dt
Tânia (2010)
Probabilidade de um sítio estar no estado 0 e seu vizinho
P(01)
no estado 1 correlação de dois sítios
Isotropia
jk P(11)
Isotropia
d
P(11) 2 P(11) P(10) P(101) Eq .de evolução para
dt a correlação de dois
sítios depende da
correlação de
três sítios!
correlação de dois correlação
sítios de três sítios
Exemplo:
d
(1 )
dt
0
c
Soluções estacionárias:
1 Fase ativa c
Tânia Tomé IFUSP 40
Aproximação de campo médio com pares
Aproximação: P(12 )
P(1 | 2 3 )
P(2 )
d ( z)2
z ( z) 2z
Tânia (2010)
dt (1 )
Soluções estacionárias:
CAMPO
c 2
MÉDIO
0 de suscetíveis
CAMPO MÉDIO
COM
2 2
z 2
1
42
Esboço!
c
Nas proximidades do ponto crítico: ( c )
Campo médio simples c 1 Campo médio com pares c 2 Campo médio
1
Simulações numéricas
c 3.2978 (2) 0.277
Sabag & Oliveira (2002)
Classe de universalidade
Expansões em séries
3.29785 (2)
Jensen&Dickman (1993) c
da percolação direcionada
d+1 dimensões (d=1 neste caso).
c
L
c 3, 298(2)
Classe de
universalidade
da percolação
0, 277 direcionada
Limiar de
espalhamento TT & MJO, 2005
da epidemia
Taxa de
c 3, 298(2) Tânia Tomé IFUSP
infecção:
44
Simulações de Monte Carlo para o modelo de contato definido em cadeias
regulares
p Probabilidade de infecção:
1
1
q Taxa de infecção
1 Probabilidade de recuperação:
Suscetível (S)
Simulação do modelo
Se x < q então I S
Se x p nI / 2 então S I.
D K
1
K
D 1
F ( ( ) ) F ( )
c
L
c 3, 298(2)
Classe de
universalidade
da percolação
0, 277 direcionada
Limiar de
espalhamento TT & MJO, 2005
da epidemia
Taxa de
c 3, 298(2) Tânia Tomé IFUSP
infecção:
48
Tânia (2010)
Processo de Contato em uma dimensão.
Regime subcrítico c
Evolução temporal das configurações
c 3, 298(2)
2, 0
3, 0
Tempo
i
i
z Tânia Tomé IFUSP
z / // 49
Cumulante reduzido de segunda ordem como função da taxa de
infecção fornece o ponto crítico
q 2
u
2
A partir do cruzamento de u
Valores críticos:
λc=3.298(2), uc =0.204(4)
Regime de λ pequeno:
2
u 1
2 3
TT & de Oliveira (2005)
Tânia Tomé IFUSP 50
Modelos em reticulados
Exemplo (3) reticulado
Altos níveis
de infecção
r rc
baixos níveis
de infecção
r rc
Densidade de células como função
do inverso da taxa de infecção r.
Tipo de célula TH 0 TH 1 TH 2
Variável estocástica i 0 1 1
1 se
j 0
si S ( j )
Tânia (2010)
1 se
j 0 TH 0
0 se j 0 r r
p p
(...) Soma sobre os primeiros vizinhos
TH 1 TH 2
de i.
Ortega,
Pinheiro, TT
e Drugowich
(1998).
Autômato
celular para
sistema imunológico
m4
U 1
3 m2 2
U U ( L 1/ )
q
U ( L,0) U *
Ortega, Pinheiro, TT & Drugowich
(1998)
Comportamento coletivo.
Classes de universalidade.
m q qc
0 qc q
m (L, ) L /
f ( L1/ )
1
| m |2 | m | 2
N
1
m
1 2 ..... N
N N
de Oliveira (1992) q
q = parâmetro similar a temperatura.
Tânia (2010)
Para um certo N, a variância de m
no regime de temperaturas muito altas (T )
é proporcional a: 1
Teorema central do limite
N
Tânia Tomé IFUSP 58
Referências
N. G. van Kampen,
Stochastic Processes in Physics and Chemistry, North-Holland (1981).
Silvio R. A. Salinas,
Introdução à Física Estatística,
Editora da Universidade de São Paulo (Edusp), 1998.
R. J. Glauber,
Time-Dependent Statistics of the Ising Model
J. Math. Phys. 4, 294 (1963).