Aqui você vê as diferenças entre duas revisões dessa página.
|
pesquisa [2013/11/27 14:48] nuno |
pesquisa [2015/06/19 10:30] (atual) nuno |
||
|---|---|---|---|
| Linha 5: | Linha 5: | ||
| O grupo se caracteriza por uma forte componente interdisciplinar, tendo como ponto em comum o uso frequente de simulações computacionais de sistemas complexos. Sistemas complexos são sistemas com um grande número de unidades interagentes, com interesses conflitantes. O comportamento macroscópico de um sistema complexo é muito diferente do das partes que o compõem. O estudo de sistemas complexos é uma área essencialmente multidisciplinar e, como tal, têm características bastante peculiares. O fato das interações serem conflitantes, introduzindo desordem, e serem frequentemente assimétricas, torna difícil o estudo através de métodos analíticos. Como o comportamento global é significativamente diferente do comportamento local, aproximações tipo campo médio, que são normalmente utilizadas em estudo de sistemas com grande número de componentes, podem falhar dramaticamente nestas situações. Assim, simulações computacionais aparecem como ferramentas poderosas para o estudo destes sistemas. Por outro lado, por envolverem um grande número de componentes e pela desordem nas interações, o tempo de computação pode se tornar proibitivamente longo. A escolha e desenvolvimento de modelos simplificados e de novas técnicas de simulação é um campo bastante interessante e necessário, neste contexto. | O grupo se caracteriza por uma forte componente interdisciplinar, tendo como ponto em comum o uso frequente de simulações computacionais de sistemas complexos. Sistemas complexos são sistemas com um grande número de unidades interagentes, com interesses conflitantes. O comportamento macroscópico de um sistema complexo é muito diferente do das partes que o compõem. O estudo de sistemas complexos é uma área essencialmente multidisciplinar e, como tal, têm características bastante peculiares. O fato das interações serem conflitantes, introduzindo desordem, e serem frequentemente assimétricas, torna difícil o estudo através de métodos analíticos. Como o comportamento global é significativamente diferente do comportamento local, aproximações tipo campo médio, que são normalmente utilizadas em estudo de sistemas com grande número de componentes, podem falhar dramaticamente nestas situações. Assim, simulações computacionais aparecem como ferramentas poderosas para o estudo destes sistemas. Por outro lado, por envolverem um grande número de componentes e pela desordem nas interações, o tempo de computação pode se tornar proibitivamente longo. A escolha e desenvolvimento de modelos simplificados e de novas técnicas de simulação é um campo bastante interessante e necessário, neste contexto. | ||
| - | A seguir descreveremos alguns dos temas e tópicos abordados pelo nosso grupo. | + | A seguir descreveremos alguns dos temas e tópicos abordados pelo nosso grupo, com algumas referências associadas. Para uma bibliografia mais detalhada, ver o tópico **Publicações** no menu ao lado. |
| Linha 19: | Linha 19: | ||
| O envelhecimento de indivíduos de uma população é um fenômeno evolutivo bastante interessante: a pressão evolutiva para a extensão da duração da vida é pequena. Uma das prováveis causas do envelhecimento é o acúmulo de mutações deletérias (ou ruins) nas idades mais avançadas. O chamado "modelo Penna" é hoje o modelo computacional mais usado no estudo de fenômenos evolucionários relacionado com o processo de envelhecimento. Este modelo é baseado na teoria do acúmulo de mutações de Medawar. Boa parte deste sucesso deve-se à facilidade de implementação e modificações em computadores e, em casos especiais, a existência de soluções analíticas exatas. | O envelhecimento de indivíduos de uma população é um fenômeno evolutivo bastante interessante: a pressão evolutiva para a extensão da duração da vida é pequena. Uma das prováveis causas do envelhecimento é o acúmulo de mutações deletérias (ou ruins) nas idades mais avançadas. O chamado "modelo Penna" é hoje o modelo computacional mais usado no estudo de fenômenos evolucionários relacionado com o processo de envelhecimento. Este modelo é baseado na teoria do acúmulo de mutações de Medawar. Boa parte deste sucesso deve-se à facilidade de implementação e modificações em computadores e, em casos especiais, a existência de soluções analíticas exatas. | ||
| + | |||
| + | |||
| + | ==== Referências ==== | ||
| + | |||
| + | * T. J. P. Penna, //A bit-string model for biological aging//, J. Stat. Phys. 78, 1629 (1992) | ||
| + | |||
| + | * T. J. P. Penna, A. Racco and A. O. Sousa, //Can microscopic models for age-structured populations contribute to ecology?//, Physica A 295, 31 (2001) | ||
| + | |||
| + | * D. Stauffer, S. Cebrat, T. J. P. Penna and A. O. Sousa, //Love kills: simulations in Penna ageing model//, Int. J. Mod. Phys. C 22, 283 (2011) | ||
| + | |||
| + | * D. N. Haddad and T. J. P. Penna, //Anomalous relaxation of the Penna model//, Int. J. Mod. Phys. C 19, 671 (2008) | ||
| Linha 26: | Linha 37: | ||
| **__Professores__:** [[http://profs.if.uff.br/tjpp/|Thadeu Penna]], Paulo Murilo Castro de Oliveira, [[http://complex.if.uff.br/nuno|Nuno Crokidakis]] | **__Professores__:** [[http://profs.if.uff.br/tjpp/|Thadeu Penna]], Paulo Murilo Castro de Oliveira, [[http://complex.if.uff.br/nuno|Nuno Crokidakis]] | ||
| - | Sistemas com motivações sociais e econômicas têm obtido bastante destaque nos últimos anos. Do ponto de vista prático, a modelagem destes sistemas pode nos ajudar a entender melhor o comportamento de pessoas em diversas situações, como por exemplo em processos eleitorais, debates públicos, empresas e outros. Assim, os modelos simulam experimentos de tomada de decisão, que podem impactar diretamente na dinâmica do sistema. Do ponto de vista da física, aparecem com frequência nestes modelos leis de escala, transições de fase e universalidade, típicos de problemas usuais da física estatística. Assim, temos estudado modelos que visam representar situações diversas como dinâmicas de opinião e rumores, comportamento de eleitores, dinâmica de contribuintes, mobilidade humana, espalhamento de epidemias em populações, dinâmica de linguagens e outros. | + | Sistemas com motivações sociais e econômicas têm obtido bastante destaque nos últimos anos, tanto no Brasil como no exterior. Do ponto de vista prático, a modelagem destes sistemas pode nos ajudar a entender melhor o comportamento de pessoas em diversas situações, como por exemplo em processos eleitorais, debates públicos, no mercado financeiro, em empresas e outros. Assim, os modelos simulam experimentos de tomada de decisão, que podem impactar diretamente na dinâmica do sistema. Do ponto de vista da física, aparecem com frequência nestes modelos leis de escala, transições de fase e universalidade, típicos de problemas usuais da Física Estatística. Portanto, os problemas estudados têm grande interesse teórico e prático. Os modelos em geral não podem ser descritos por Hamiltonianos, ou seja, não há uma energia associada. Além disso, eles não obedecem em geral o princípio do balanço detalhado, fundamental para um sistema em equilíbrio. Assim, a modelagem destes sistemas é um grande desafio, e utilizamos como ferramentas as aproximações do tipo campo médio e principalmente as simulações computacionais. Dessa forma, temos estudado modelos baseados em agentes que visam representar situações diversas como dinâmicas de opinião e rumores, comportamento de eleitores, dinâmica de contribuintes, mobilidade humana em cidades, espalhamento de epidemias em populações, dinâmica de formação e evolução de linguagens e outros. Além do melhor entendimento das dinâmicas sociais, também temos interesse em determinar as classes de universalidade dos modelos a partir do estudo dos expoentes críticos associados às transições de fase. Neste caso, tanto podemos identificar nos modelos classes de universalidade conhecidas como podemos descobrir novas classes de universalidade, o que é um tema de interesse geral da Física Estatística de Não-Equilíbrio. |
| ==== Referências ==== | ==== Referências ==== | ||
| - | * N. Crokidakis, //Role of noise and agents' convictions on opinion spreading in a three-state voter-like model//, J. Stat. Mech. P08008 (2013) | ||
| - | * N. Crokidakis and C. Anteneodo, //Role of conviction in nonequilibrium models of opinion formation//, Phys. Rev. E 86, 061127 (2012) | + | * N. Crokidakis and P. M. C. de Oliveira, //The first shall be last: Selection-driven minority becomes majority//, Physica A 409, 48 (2014) |
| - | * N. Crokidakis and M. A. de Menezes, //Critical behavior of the SIS epidemic model with time-dependent infection rate//, J. Stat. Mech. P05012 (2012) | + | * N. Crokidakis, //A three-state kinetic agent-based model to analyze tax evasion dynamics//, Physica A 414, 321 (2014) |
| - | * N. Crokidakis and P. M. C. de Oliveira, //The Sznajd model with limited persuasion: competition between high-reputation and hesitant agents// P11004 (2011) | + | * N. Crokidakis, //Role of noise and agents' convictions on opinion spreading in a three-state voter-like model//, J. Stat. Mech. P08008 (2013) |
| + | * N. Crokidakis and C. Anteneodo, //Role of conviction in nonequilibrium models of opinion formation//, Phys. Rev. E 86, 061127 (2012) | ||
| + | * A. L. Espindola, D. Girardi, T. J. P. Penna, C. T. Bauch, A. S. Martinez and B. C. T. Cabella, //Exploration of the parameter space in an agent-based model of Tuberculosis spread: emergence of drug resistance in developing vs developed countries//, Int. J. Mod. Phys. C 23, 1250046 (2012) | ||
| + | * N. Crokidakis and M. A. de Menezes, //Critical behavior of the SIS epidemic model with time-dependent infection rate//, J. Stat. Mech. P05012 (2012) | ||
| + | * N. Crokidakis and P. M. C. de Oliveira, //The Sznajd model with limited persuasion: competition between high-reputation and hesitant agents//, J. Stat. Mech. P11004 (2011) | ||
| ===== Túnel de Vento ===== | ===== Túnel de Vento ===== | ||
| - | **__Professores__:** Paulo Murilo Castro de Oliveira | + | **__Professor__:** Paulo Murilo Castro de Oliveira |
| A solução numérica das equações de Navier Stokes para o fluxo de um fluido que escoa em torno de um obstáculo simula experimentos num túnel de vento. Um exemplo simples é um obstáculo cilíndrico (Feynman Lectures on Physics, vol II, cap 41). A partir do repouso, depois de um certo tempo aparecem dois vórtices simétricos atrás do cilindro, um deles mostrado no arquivo {{projeto:flux.pdf|PDF}} anexo. Para visualizar a animação, tecle seguidamente PgDn (ou PgUp para voltar no tempo). | A solução numérica das equações de Navier Stokes para o fluxo de um fluido que escoa em torno de um obstáculo simula experimentos num túnel de vento. Um exemplo simples é um obstáculo cilíndrico (Feynman Lectures on Physics, vol II, cap 41). A partir do repouso, depois de um certo tempo aparecem dois vórtices simétricos atrás do cilindro, um deles mostrado no arquivo {{projeto:flux.pdf|PDF}} anexo. Para visualizar a animação, tecle seguidamente PgDn (ou PgUp para voltar no tempo). | ||
| Linha 50: | Linha 64: | ||
| Um experimento simples já realizado é a queda de uma bola de isopor com raio de uns 2cm. Devido à força de arrasto do ar em torno da bola, a velocidade de queda acaba por se estabilizar num valor limite de 3,3 m/s. Antes disto, porém, no início a queda é livre (aceleração 9,8 m/s2), a única força a atuar na bola é seu próprio peso com a força de arrasto (de Stokes) desprezível. O regime de queda livre perdura até que a bola atinge a velocidade crítica de 4,2 m/s, maior portanto que o futuro valor limite. A partir desse ponto, a bola surpreendentemente freia! A força de arrasto aparece de repente, maior que o peso, e gera uma resultante para cima! Então, a força de arrasto diminui lentamente até se igualar ao peso, a resultante se anula e a velocidade limite é atingida no regime final. A explicação para este fenômeno é a formação dos vórtices, responsáveis pela força de arrasto não desprezível (além de Stokes). Iniciada a queda, os vórtices não aparecem imediatamente, ao contrário, demoram um certo tempo para se formar como na simulação apresentada. Quando aparecem, a força de arrasto não desprezível aparece junto. Portanto, a força de arrasto só se faz sentir depois de algum tempo de queda. | Um experimento simples já realizado é a queda de uma bola de isopor com raio de uns 2cm. Devido à força de arrasto do ar em torno da bola, a velocidade de queda acaba por se estabilizar num valor limite de 3,3 m/s. Antes disto, porém, no início a queda é livre (aceleração 9,8 m/s2), a única força a atuar na bola é seu próprio peso com a força de arrasto (de Stokes) desprezível. O regime de queda livre perdura até que a bola atinge a velocidade crítica de 4,2 m/s, maior portanto que o futuro valor limite. A partir desse ponto, a bola surpreendentemente freia! A força de arrasto aparece de repente, maior que o peso, e gera uma resultante para cima! Então, a força de arrasto diminui lentamente até se igualar ao peso, a resultante se anula e a velocidade limite é atingida no regime final. A explicação para este fenômeno é a formação dos vórtices, responsáveis pela força de arrasto não desprezível (além de Stokes). Iniciada a queda, os vórtices não aparecem imediatamente, ao contrário, demoram um certo tempo para se formar como na simulação apresentada. Quando aparecem, a força de arrasto não desprezível aparece junto. Portanto, a força de arrasto só se faz sentir depois de algum tempo de queda. | ||
| - | Vários estudos semelhantes podem ser tentados a partir da mesma estratégia de solução numérica: 1) cálculo da força de arrasto com número de Reynolds (velocidade) constante; 2) com velocidade variável (caso da bola de isopor); 3) cilindro girante (força de Magnus); 4) obstáculo em formato de asa; 5) obstáculo esférico; etc. Colaborações são benvindas. | + | Vários estudos semelhantes podem ser tentados a partir da mesma estratégia de solução numérica: 1) cálculo da força de arrasto com número de Reynolds (velocidade) constante; 2) com velocidade variável (caso da bola de isopor); 3) cilindro girante (força de Magnus); 4) obstáculo em formato de asa; 5) obstáculo esférico; etc. Colaborações são bem vindas. |
| Linha 56: | Linha 70: | ||
| ===== Econofísica ===== | ===== Econofísica ===== | ||
| - | **__Professores__:** [[http://profs.if.uff.br/tjpp/|Thadeu Penna]] | + | **__Professor__:** [[http://profs.if.uff.br/tjpp/|Thadeu Penna]] |
| Outra área em que estamos envolvidos é a Econofísica. A Econofísica é uma área interdisciplinar e multidisciplinar: conceitos de neurociências, psicologia, computação além de macroeconomia, microeconomia, matemática e física são comumente aplicados nesta área. O objetivo da Econofísica é entender e prever o comportamento dos agentes e das instituições econômicas como consumidores, firmas e os mercados. | Outra área em que estamos envolvidos é a Econofísica. A Econofísica é uma área interdisciplinar e multidisciplinar: conceitos de neurociências, psicologia, computação além de macroeconomia, microeconomia, matemática e física são comumente aplicados nesta área. O objetivo da Econofísica é entender e prever o comportamento dos agentes e das instituições econômicas como consumidores, firmas e os mercados. | ||
| Linha 71: | Linha 85: | ||
| Há também uma outra característica comum aos genes e às línguas: ambas evoluem segundo o paradigma Darwiniano de pequenas mudanças implementadas ao acaso, e selecionadas conforme o sucesso reprodutivo (de filhos no caso dos gens humanos, ou de populações falantes no caso das línguas). Esta dinâmica gera algumas propriedades estatísticas, na distibuição do tamanho e duração de famílias por exemplo, que não dependem das contingências históricas que realmente ocorreram ao longo do tempo, mas apenas de terem ocorrido de acordo com alguma regra probabilística determinada pela própria dinâmica. Desta forma, modelos computacionais que consigam captar este mecanismo probabilístico, e que implementem as contingências de forma aleatória (diferente portanto da história real) podem nos dar informações sobre as citadas distribuições estatísticas. Algumas destas informações podem ser comparadas com a realidade, para confirmar que o modelo realmente capta a regra probabilística correta, enquanto outras podem ser preciosas na previsão de propriedades ainda não observadas. Nosso grupo de pesquisa no IF/UFF têm se dedicado há duas décadas a este tipo de modelagem computacional, e incorporado continuamente novos desafios interdisciplinares dentro do tema geral da dinâmica evolucionária. | Há também uma outra característica comum aos genes e às línguas: ambas evoluem segundo o paradigma Darwiniano de pequenas mudanças implementadas ao acaso, e selecionadas conforme o sucesso reprodutivo (de filhos no caso dos gens humanos, ou de populações falantes no caso das línguas). Esta dinâmica gera algumas propriedades estatísticas, na distibuição do tamanho e duração de famílias por exemplo, que não dependem das contingências históricas que realmente ocorreram ao longo do tempo, mas apenas de terem ocorrido de acordo com alguma regra probabilística determinada pela própria dinâmica. Desta forma, modelos computacionais que consigam captar este mecanismo probabilístico, e que implementem as contingências de forma aleatória (diferente portanto da história real) podem nos dar informações sobre as citadas distribuições estatísticas. Algumas destas informações podem ser comparadas com a realidade, para confirmar que o modelo realmente capta a regra probabilística correta, enquanto outras podem ser preciosas na previsão de propriedades ainda não observadas. Nosso grupo de pesquisa no IF/UFF têm se dedicado há duas décadas a este tipo de modelagem computacional, e incorporado continuamente novos desafios interdisciplinares dentro do tema geral da dinâmica evolucionária. | ||
| + | |||
| + | |||
| + | ==== Referências ==== | ||
| + | |||
| + | |||
| + | * N. Crokidakis and E. Brigatti, //Discontinuous phase transition in an open-ended Naming Game//, J. Stat. Mech. P01019 (2015) | ||
| + | |||
| + | * P. M. C. de Oliveira, A. O. Sousa and S. Wichmann, //On the disintegration of (proto-)languages//, Int. J. of the Sociology of Language 2013, 11 (2013) | ||
| + | |||
| + | * V. Schwammle and P. M. C. de Oliveira, //A Simple Branching Model that Reproduces Language Family and Language Population Distributions//, Physica A 388, 2874 (2009) | ||
| + | |||
| + | * P. M. C. de Oliveira, D. Stauffer, S. Wichmann and S. M. de Oliveira //A Computer Simulation of Language Families//, J. of Linguistics 44, 659 (2008) | ||
| + | |||
| + | |||
| Linha 98: | Linha 126: | ||
| O interesse nesta colaboração apareceu porque em 1995, utilizamos técnicas de física estatística (DFA, distribuições de Levy, etc.) para a caracterização da série temporal da torneira gotejante. A torneira gotejante era até então considerada o paradigma de um sistema caótico. Nosso trabalho sugere que o sistema encontra-se na borda do caos, na criticalidade. Um outro trabalho sugeriu também o mesmo resultado para a série de um coração saudável. Desde então nos envolvemos com o problema bastante geral da análise de séries temporais. | O interesse nesta colaboração apareceu porque em 1995, utilizamos técnicas de física estatística (DFA, distribuições de Levy, etc.) para a caracterização da série temporal da torneira gotejante. A torneira gotejante era até então considerada o paradigma de um sistema caótico. Nosso trabalho sugere que o sistema encontra-se na borda do caos, na criticalidade. Um outro trabalho sugeriu também o mesmo resultado para a série de um coração saudável. Desde então nos envolvemos com o problema bastante geral da análise de séries temporais. | ||
| + | |||
| + | |||
| + | ==== Referências ==== | ||
| + | |||
| + | * C. E. C. Galhardo, T. J. P. Penna, M. A. de Menezes and P. P. S. Soares, //Detrended fluctuation analysis of a systolic blood pressure control loop//, New J. Phys. 11, 103005 (2009) | ||
| + | |||
| + | |||
| Linha 129: | Linha 164: | ||
| * A. Gosh and D. Dhar, //On the orientational ordering of long rods on a lattice//, Eur. Phys. Lett. 78, 20003 (2007) | * A. Gosh and D. Dhar, //On the orientational ordering of long rods on a lattice//, Eur. Phys. Lett. 78, 20003 (2007) | ||
| + | * R. M. Brum and J. F. Stilck, //Pressure exerted by a grafted polymer: Bethe lattice solution//, Journal of Physics A: Mathematical and Theoretical 48, 035002 (2015). | ||
| + | |||
| + | * J. F. Stilck and R. Rajesh, //Polydispersed rods on the square lattice//, Phys. Rev. E 91, 012106 (2015). | ||
