Sisältö. Vuorovaikutusten dynamiikkaa. Lämpöenergia: brownin liike. Tassu Takala, TML Inf Verkostojen perusteet

Samankaltaiset tiedostot
Vuorovaikutusten dynamiikkaa

Kognitiivinen mallintaminen Neuraalimallinnus, luento 1

Lectio Praecursoria: Epälokaali epälineaarinen potentiaaliteoria ja fraktionaaliset integraalioperaattorit

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS

Värähtelevä jousisysteemi

Voima ja potentiaalienergia II Energian kvantittuminen

FyMM IIa Kertausta loppukoetta varten

Johdatus tekoälyn taustalla olevaan matematiikkaan


Mekaniikan jatkokurssi Fys102

FYSA242 Statistinen fysiikka, Harjoitustentti

Säätötekniikan matematiikan verkkokurssi, Matlab tehtäviä ja vastauksia

Opetusperiodi:I, suunnattu hakukohteille:

Opetusperiodi:I, suunnattu hakukohteille: Teknillinen fysiikka ja matematiikka

Kemiallinen reaktio

2. kierros. 2. Lähipäivä

Dynaamiset regressiomallit

Puhtaan kaasun fysikaalista tilaa määrittävät seuraavat 4 ominaisuutta, jotka tilanyhtälö sitoo toisiinsa: Paine p

Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun

Luento 11: Potentiaalienergia. Potentiaalienergia Konservatiiviset voimat Voima potentiaalienergiasta gradientti Esimerkkejä ja harjoituksia

Luento 9: Potentiaalienergia

Dynaamisten systeemien teoriaa. Systeemianalyysilaboratorio II

Nopeus, kiihtyvyys ja liikemäärä Vektorit

1 Eksergia ja termodynaamiset potentiaalit

FYSA2031 Potentiaalikuoppa

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos. MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016

FYSA234 Potentiaalikuoppa, selkkarityö

FY1 Fysiikka luonnontieteenä

Matematiikan tukikurssi

LASKENNALLISEN TIETEEN OHJELMATYÖ: Diffuusion Monte Carlo -simulointi yksiulotteisessa systeemissä

3 Derivoituvan funktion ominaisuuksia

Antti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16

Termodynamiikan suureita ja vähän muutakin mikko rahikka

Mat Systeemien identifiointi, aihepiirit 1/4

Leptonit. - elektroni - myoni - tauhiukkanen - kolme erilaista neutriinoa. - neutriinojen varaus on 0 ja muiden leptonien varaus on -1

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35

Ideaalikaasulaki. Ideaalikaasulaki on esimerkki tilanyhtälöstä, systeemi on nyt tietty määrä (kuvitteellista) kaasua

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

W el = W = 1 2 kx2 1

Harjoitus Etsi seuraavien autonomisten yhtälöiden kriittiset pisteet ja tutki niiden stabiliteettia:

FYSA234 Potentiaalikuoppa, selkkarityö

Mallien perusteet. Tavoittena on valottaa (kontinuumi)mallien yleistä rakennetta säilymislakien ja systeemiajattelun pohjalta.

Numeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33

Kon Simuloinnin Rakentaminen Janne Ojala

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

KKT: log p i v 1 + v 2 x i = 0, i = 1,...,n.

3 = Lisäksi z(4, 9) = = 21, joten kysytty lineaarinen approksimaatio on. L(x,y) =

BM20A0300, Matematiikka KoTiB1

Valomylly. (tunnetaan myös Crookesin radiometrinä) Pieni välipala nykyisin lähinnä leluksi jääneen laitteen historiasta.

Teoreetikon kuva. maailmankaikkeudesta

Massakeskipiste Kosketusvoimat

Integrointialgoritmit molekyylidynamiikassa

PHYS-C0220 TERMODYNAMIIKKA JA STATISTINEN FYSIIKKA

Dynaamiset regressiomallit

Luento 4. Termodynamiikka Termodynaamiset prosessit ja 1. pääsääntö Entropia ja 2. pääsääntö Termodynaamiset potentiaalit

Normaaliryhmä. Toisen kertaluvun normaaliryhmä on yleistä muotoa

MS-C1340 Lineaarialgebra ja

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

Chapter 3. The Molecular Dance. Luento Terminen liike Kineettinen kaasuteoria Boltzmann-jakauma Satunnaiskävely

PHYS-A0120 Termodynamiikka syksy 2016

Z 1 = Np i. 2. Sähkömagneettisen kentän värähdysliikkeen energia on samaa muotoa kuin molekyylin värähdysliikkeen energia, p 2

Monissa fysiikan probleemissa vaikuttavien voimien yksityiskohtia ei tunneta

Neutriinokuljetus koherentissa kvasihiukkasapproksimaatiossa

SISÄLTÖ Venymän käsite Liukuman käsite Venymä ja liukuma lujuusopin sovelluksissa

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

H7 Malliratkaisut - Tehtävä 1

Numeeriset menetelmät

Aineen olemuksesta. Jukka Maalampi Fysiikan laitos Jyväskylän yliopisto

53714 Klassinen mekaniikka syyslukukausi 2010

Tilastotiede ottaa aivoon

Kognitiivinen mallintaminen. Nelli Salminen

Mekaniikan jatkokurssi Fys102

766334A Ydin- ja hiukkasfysiikka

6101 Vääntöteoriat. Teknillisen mekaniikan kandidaatintyö

a(t) = v (t) = 3 2 t a(t) = 3 2 t < t 1 2 < 69 t 1 2 < 46 t < 46 2 = 2116 a(t) = v (t) = 50

Kognitiivinen mallintaminen Neuraalimallinnus 11.3.

Tietokonemallinnus fysiikan työvälineenä. Juha Samela Luonnonfilosofian seura

Mitä elämä on? Astrobiologian luento Kirsi

Tilastotiede ottaa aivoon

763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 4 Kevät 2017

Differentiaali- ja integraalilaskenta 2 TFM Laskuharjoitus 2L

Königsbergin sillat. Königsberg 1700-luvulla. Leonhard Euler ( )

1. (*) Luku 90 voidaan kirjoittaa peräkkäisen luonnollisen luvun avulla esimerkiksi

E p1 = 1 e 2. e 2. E p2 = 1. Vuorovaikutusenergian kolme ensimmäistä termiä on siis

Fysiikan maailmankuva 2015 Luento 8. Aika ja ajan nuoli lisää pohdiskelua Termodynamiikka Miten aika ja termodynamiikka liittyvät toisiinsa?

ψ(x) = A cos(kx) + B sin(kx). (2) k = nπ a. (3) E = n 2 π2 2 2ma 2 n2 E 0. (4)

Matemaattisesta mallintamisesta

Talousmatematiikan perusteet: Luento 13. Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu

Kuljetusilmiöt. Diffuusio Lämmönjohtuminen Viskoosin nesteen virtaus Produktio ja absorptio

Lämpöopin pääsäännöt. 0. pääsääntö. I pääsääntö. II pääsääntö

Derivaatta: funktion approksimaatio lineaarikuvauksella.

infoa Viikon aiheet Potenssisarja a n = c n (x x 0 ) n < 1

Board Game Lab. 7 Pelimekaniikat ja -systeemit. Materiaalit CC-BY 4.0 Mikko Lampi

13. Taylorin polynomi; funktioiden approksimoinnista. Muodosta viidennen asteen Taylorin polynomi kehityskeskuksena origo funktiolle

6 Variaatiolaskennan perusteet

Transkriptio:

Vuorovaikutusten dynamiikkaa Tassu Takala, TML Inf-0.3100 Verkostojen perusteet Sisältö Lineaarisia ilmiöitä diffuusio-ilmiöistä: energian tasottuminen signaalin leviäminen: aaltoliike sovelluksia: mekaniikka, akustiikka, innovaatiot Epälineaarisia prosesseja reaktio-diffuusio-ilmiö neuroverkot: itseorganisoituminen laumailmiöt: animaatioita keinoelämä Paikallisesti kytkeytyneitä verkkoja näissä esimerkeissä yhteyksiä vain lähinaapureihin atomi solu elin yksilö yhteisö 11.4.2006 Tassu Takala 1 11.4.2006 Tassu Takala 3 Käsitteitä diffuusio = (aineen, ilmiön, tms.) leviäminen informaatio = tapahtuman yllätyksellisyyden mitta I(m) = log p(m) entropia = keskim. informaatio joukossa H(S) = S p(m)log p(m) emergenssi = kiinnostavien laajempien muotojen syntyminen itsestään, kenenkään etukäteen suunnittelematta epälineaarisuus = kokonaisuus on enemmän kuin osiensa summa, osia erikseen tarkastelemalla ei voi tietää mitä niistä syntyy Oppimistavoitteita luonnollisten ilmiöiden mallintaminen jatkuvan ja diskreetin mallintamisen yhteys millaiset yhtälöt tuottavat epälineaarisia ilmiöitä? maailman hahmottaminen kompleksina systeeminä wikipedia: information entropy Lämpöenergia: brownin liike hiukkanen (atomi, molekyyli ) liikkuu jatkuvasti lämpötila hiukkasten keskimääräinen liikeenergia törmäykset siirtävät energiaa naapurihiukkasiin satunnaisuus aiheuttaa Brownin liikkeen (random walk) yhdestä pisteestä alkava liike leviää vähitellen kaikkialle energiaa virtaa kuumemmasta kylmempään (gradientin suuntaan) 11.4.2006 Tassu Takala 2 11.4.2006 Tassu Takala 4

wikipedia: heat equation Diffuusio: lämpötilan leviäminen Laplace n differentiaaliyhtälö u = lämpötila t = aika k = lämmönjohtavuus u u (x) > 0 esineen muoto (reunaehdot) ja lämpöjakauma alussa ratkaisuja esim. Fourierin tai Greenin funktioiden avulla tasoittava prosessi: esine lämpenee siellä, missä sen ympärillä on kuumempaa (minimikohta) entropia lisääntyy x y z 11.4.2006 Tassu Takala 5 Sovellus: kuvankäsittely edellä esitetty kaavio määrittelee suodattimen ytimen (filter kernel), joka saa aikaan kuvan sumentumisen, värityksen keskimääräistymisen Huom. diskreetti approksimaatio aiheuttaa virhettä otettava huomioon kulmittainen tai laajempikin naapurusto 11.4.2006 Tassu Takala 7 u(t) 1-4 1 u(t+1) 1 1 Diffuusio diskreettinä prosessina u i-1 i i+1 wikipedia: wave equation Signaalin leviäminen: aaltoliike differentiaalit approksimoidaan äärellisinä differensseinä säännöllisessä hilassa : u x (i,j) = u(i+1,j) u(i,j) ja u y (i,j) = u(i,j+1) u(i,j) 2 : u xx (i,j) = u x (i,j) u x (i-1,j) = u(i+1,j) 2u(i,j) + u(i-1,j) vastaavasti suunnissa y ja z sekä ajassa t u x i-1 i u i xx Helmholtzin yhtälö ( sama kuin Laplace n yhtälö, mutta ajan suhteen toinen derivaatta! ) koko yhtälö (2-ulotteisena): u(t) u(i,j, t+1) = u(i,j, t) + j+1 k ( [u(i+1,j, t) 2u(i,j, t) + u(i-1,j, t)] i-1 i,j i+1 + [u(i,j+1, t) 2u(i,j, t) + u(i,j-1, t) ] ) tuloksena soluautomaatti j-1 kukin solu tietää vain naapureistaan - 4 (naapurit löytyvät indeksoimalla) yhtälö: muutos solun sisällössä = k (naapureiden summa 4 oma arvo) i,j u(t+1) 11.4.2006 Tassu Takala 6 u = liikesuure (esim. ilmanpaine) t = aika r = paikkavektori (x,y,z) c = aaltoliikkeen etenemisnopeus energia (ja informaatio) säilyy emergentti ilmiö: aaltorintama 11.4.2006 Tassu Takala 8

Diskreetti aaltoyhtälö yksiulotteinen aaltolinja yhtälö sievenee muotoon u tt = c 2 u xx jolle saadaan yksinkertainen tarkka ratkaisu, kun normalisoidaan liikenopeus: 1 paikkayksikkö 1 aikayksikössä (c = 1) N-ulotteinen hila : huoneakustiikka u(i, t+1) = u(i+1, t) + u(i-1, t) u(i, t 1) vastaava diffuusioyhtälö normalisoituna (k=1): u(i, t+1) = u(i+1, t) + u(i-1, t) u(i, t) ominaisuus: syötetty informaatio siirtyy sellaisenaan eteenpäin 11.4.2006 Tassu Takala 9 11.4.2006 Tassu Takala 11 vastaavien ilmiöiden mallintamista, mutta ei säännöllisenä hilana Sovelluksia Jousimallit ja FEM akustiikka (värähtelevä kieli) tietoliikenne: signaalin eteneminen kaapelissa Jousi-massa-malli massapisteistä ja niitä yhdistävistä jousista muodostuva verkko joustavien materiaalien (esim. kankaat) mallinnuksessa paljon käytetty menetelmä fysiikan simulointia : soda constructor http://www.sodaplay.com/construc Elementtimenetelmä (FEM) lujuusopissa kehitetty menetelmä materiaalien jännitysten, venymien, lämpötilan yms. laskemiseksi approksimoi jatkuvaa differentiaaliyhtälöa diskreeteillä elementeillä elementtien kytkennät toisiinsa muodostavat verkon suurten yhtälöryhmien ratkaisua : http://www.vector-space.com/ 11.4.2006 Tassu Takala 10 11.4.2006 Tassu Takala 12

http://www-static.cc.gatech.edu/~turk/reaction_diffusion/reaction_diffusion.html Muita diffuusio-ilmiöitä Reaktio-diffuusio-ilmiö kaupunkien kasvu innovaatioiden leviäminen infektio-epidemiat metsäpalon leviäminen savun leviäminen ilmavirtauksessa sääennusteet jne... solujen kemiallinen vuorovaikutus aineet A ja B leviävät (diffuusio) solusta toiseen tiettyjen konsentraatiosuhteiden vallitessa syntyy uusia aineita (reaktio) syntyneet aineet toimivat alkionkehityksessä merkkiaineina (induktio) solut aktiivisia itseään säätäviä elementtejä, ei pelkkää alkutilanteen leviämistä emergenttiä: kuvioiden muodostuminen (eläinten turkki) 11.4.2006 Tassu Takala 13 11.4.2006 Tassu Takala 15 Miksi seepralla on raidat? Soluautomaatti: game of life kokeile itse: http://www.ibiblio.org/lifepatterns/ pelisäännöt solu pysyy hengissä (väri), jos riittävä määrä sen naapureita on hengissä tuloksena monenlaisia staattisia ja dynaamisia kuvioita 11.4.2006 Tassu Takala 14 11.4.2006 Tassu Takala 16

Neuroverkot perusmalli: perseptroni output = painotettu (w i ) summa inputeista solut muodostavat kerroksellisia verkkoja multi-layer-perceptron (MLP) automaaattiset oppimisprosessit synaptiset painokertoimet w i muuttuvat Hebb-vahvistus: kun solu aktivoituu, niin siihen vaikuttaneiden synapsien kertoimet kasvavat ja muut heikkenevät lateraali-inhibitio: aktivoitunut solu heikentää naapureittensa aktivaatiota (so. naapuriin tulevien synapsien kertoimia) epälineaarinen, emergentti ilmiö: itseorganisoituminen, entropia vähenee! self-organizing memory (SOM) w i Keinoelämä, a-life Mitä on [teoreettinen] elämä? = itsenäisistä yksiköistä muodostuva systeemi, jossa seuraavia aspekteja: olotilan säätely, hengissä säilyminen (homeostaasi) aineenvaihdunta ympäristön kanssa (metabolia) yksilönkehitys: kasvu, itse-organisoituminen (adaptaatio) lisääntyminen (reproduktio) ja lajinkehitys: muuntelu, kilpailu (evoluutio) hierarkkinen rakenne: pienempien yksiköiden vuorovaikutuksista syntyy korkeamman tason yksiköitä (emergenssi) Keinoelämä = mikä hyvänsä näitä piirteitä noudattava malli Elämä = monitasoinen vuorovaikutusverkosto www.cis.hut.fi/research/som-research/worldmap.html 11.4.2006 Tassu Takala 17 11.4.2006 Tassu Takala 19 Laumailmiöt Elämä on laiffia! Muurahaisten ruoanhaku ruokaa löytänyt muurahainen tulee pesään ja jättää hajujäljen hajujäljen löytänyt muurahainen seuraa sitä ruokapaikalle muuten muurahainen liikuu satunnaisesti sinne tänne emergenssi: syntyy itsestään isompia rakenteita, muurahaispolkuja : http://zool33.uni-graz.at/schmickl/models/ants_foraging_decision.html Eläinparven liikkuminen kukin otus näkee vain lähiympäristönsä yksinkertaiset säännöt (1) hakeudu muiden otusten lähelle (2) liiku samaan suuntaan ja samalla noepudella kuin naapuri (3) vältä törmäyksiä naapureiden ja ympäristön kanssa tuottavat emergenttejä laumoja/parvia : http://www.red3d.com/cwr/boids/ 11.4.2006 Tassu Takala 18 11.4.2006 Tassu Takala 20