رفتن به نوشته‌ها

دسته: شبکه‌های پیچیده

🎞 گفت‌وگو در مورد نوروساینس

این برنامه به منظور آشنایی بیشتر با نوروساینس و به طور خاص علوم اعصاب محاسباتی در قالب یک گفت‌وگوی زنده اینستاگرامی برگزار شد.

میهمانان

🎤 دکتر سمانه نصیری 🇺🇸
دکتری انفورماتیک پزشکی، یادگیری ماشین و پردازش سیگنال، پژوهشگر در دانشگاه پزشکی هاروارد

🎤 دکتر شیما سید علایی 🇮🇷
دکتری علوم اعصاب شناختی، فرایندهای عالی شناختی، پژوهشگر پسادکتری ارشد IPM

🎤 علیرضا سعیدی 🇩🇪
دانشجوی دکتری علوم اعصاب سیستمی، آگاهی و ادراک دیداری، موسسه ماکس پلانک برای سایبرنتیک زیستی

منابع معرفی شده

از MIT OCW:

سایر منابع:

Summer school on Mathematical Methods in Computational Neuroscience at the Fred Kavli Science Center, Eresfjord, Norway
All seminars will be available for the public to attend digitally (no need to register or apply)
https://NTNU.zoom.us/j/98589653142?pwd=SnFLK0lmd2Z0bzJSOXlxbk5jTFRHQT09
Passcode: 235220 

پرسش‌های اصلی این برنامه

  • اسم دقیق این گرایش چیست؟
  • هدف و پرسش‌های معروف در این گرایش چیست؟ متخصصان به چه نوع از مسائل علاقه دارن؟
  • به نظر شما چه تصویر رایج غلطی در ذهن عوام در مورد این گرایش وجود دارد؟
  • چگونه با این رشته آشنا شدین؟ 
  • چه‌طور متوجه شدید که این گرایش مناسب شماست؟
  • محیط کار شما چه شکلی است؟ (آزمایشگاه، رصدخانه، پشت میز، کار با کامپیوتر و …)
  • یک روز عادی در زندگی حرفه‌ای شما چگونه سپری می‌شود؟
  • آیا از انتخابتان راضی هستید؟
  • سختی‌های زندگی شما شامل چه چیزهایی می‌شود؟
  • آیا به سایر علاقه‌مندان به این گرایش توصیه می‌کنید که به‌طور حرفه‌ای به این گرایش بپردازند؟
  • مقدمات علمی و فنی لازم برای ورود به این گرایش
  • درس‌های اصلی (ارائه شده و نشده در مقطع کارشناسی)
  • مهارت‌های جانبی (توانایی محاسباتی و کار کردن با نرم‌افزارهای خاص)
  • کدام دانشگاه و یا مراکز تحقیقاتی در ایران به این گرایش می‌پردازند؟
  • بازار کار در ایران و خارج چگونه است؟
  • امکان تحصیل در خارج از کشور و پذیرش گرفتن در این گرایش چگونه است؟
  • آینده کاری و وضعیت رفاهی خود را چگونه می‌بینید؟ در ایران/خارج

در اینستاگرام ببینید:

sitpor_media
گفت‌وگو در مورد نوروساینس ۱/۲
sitpor_media
گفت‌وگو در مورد نوروساینس ۲/۲

در یوتیوب بینید:

تراوش جهت‌دار در شبکه‌های زمانی

به فیزیک چکه کردن آب از سقف خونه تاحالا فکر کردید؟! آب روی پشت‌بوم به خاطر جاذبه وارد سقف به عنوان یک محیط متخلخل میشه و بعد از طی کردن یک مسیر پر پیچ و خم ممکنه به پایین سقف برسه و در نهایت چکه کنه! این فرایند خیلی شبیه به سازوکار قهوه درست کردنه؛ اونجا آب یا بخار با فشار زیادی از محیطی به اسم پودر قهوه می‌گذره و در نهایت نوشیدنی قهوه ایجاد میشه. به این پدیده «تراوش» گفته میشه. اگر آب از پشت بوم به داخل اتاق نرسه یا وقتی نوشیدنی قهوه از قهوه‌ساز خارج نشه اصطلاحا می‌گیم تراویدن موفقیت‌آمیز نبوده و تراوش انجام نشده. ساز و کار تراوش به عنوان یک مسئله گذارفاز پیوسته، از نظر فیزیک پدیده‌های بحرانی خیلی جالبه. خصوصا وقتی که تراوش جهت‌دار باشه. مثلا اگه آب فقط بتونه از بالا به پایین بره، تراوش فقط در یک جهت خاص انجام میشه.

شبکه برهمکنشی در مدل آیزینگ – نگاره از مجله کوانتا

مدل آیزینگ ساده‌ترین مدلی هست که گذار فاز پیوسته در شرایط تعادل رو نشون میده.

مسئله دسترسی و مدل تراوش – ویدیو از مجله کوانتا

مدل تراوش جهت‌دار ساده‌ترین مدلیه که گذار فاز پیوسته در شرایط دور از تعادل رو نشون میده.

با این که مدل تراوش جهت‌دار (directed percolation) خیلی ساده‌ به نظر می‌رسه و بیشتر از ۶۰ سال از مطرح شدنش می‌گذره، اما این مسئله روی اکثر شبکه‌ها حل تحلیلی نداره. همین‌طور تا امروز شواهد بسیار محدود در شرایط بسیار کنترل شده‌ی آزمایشگاهی برای این پدیده داشتیم. یعنی تا همین چندسال پیش تردید وجود داشت که آیا این مدل فقط یک مسئله انتزاعی ریاضیه یا این‌که واقعا در طبیعت تراوش جهت‌دار رخ می‌ده؟! خلاصه کلی خون دل خورده شده برای قسمت تجربی ماجرا تا این چیزها رو مردم در آزمایشگاه هم ببینند! مثلا اخیرا یک گروه ژاپنی-فرانسوی این پدیده رو در بلورهای مایع (electrohydrodynamic convection of liquid crystal) مشاهده کردن.

ما در مقاله جدیدمون نشون دادیم که اتفاقا این پدیده زیاد در طبیعت رخ می‌ده؛ فَارْجِعِ الْبَصَر! در واقع نشون دادیم که گذار فاز در مسئله دسترسی (reachability) در شبکه‌های زمانی، تحت شرایطی نگاشت میشه به مسئله تراوش جهت‌دار و گذار فاز دسترسی عضو کلاس عمومی تراوش‌جهت‌داره. میکّو جزئیات فنی‌ بیشتری در این رشته توییت نوشته.

https://twitter.com/bolozna/status/1413046032666177538

می‌تونید این مقاله از مجموعه کارهای ما روی پدیده‌های بحرانی در شبکه‌های زمانی رو اینجا ببینید. همکار ما در این پروژه مارتن کارزای از CEU بود و آرش بدیع‌-مدیری زحمت اصلی این پروژه رو کشیده. این کار از جهت‌های مختلف برای من هیجان‌انگیزه: هم فیزیک داره، هم ریاضی و هم شبیه‌سازی‌های بسیار بسیار بزرگ! هم فاله و هم تماشا! از همه مهم‌تر این‌که هر کس که برای اولین بار به این مسئله فکر کنه ممکنه به این نتیجه برسه که خب این مسئله کاملا بدیهی به نظر می‌رسه! شما چیو نشون دادین پس؟! اما اولا اونقدرا که مردم تصور می‌کنن بدیهی نیست (همون طور که بحث کردیم در مقاله) و از اون مهم‌تر بالاخره بعد از مدت‌ها حدس و گمان باید تکلیف این مسئله روشن می‌شد و گروهی نشون میدادن که وضعیت آگاهی ما از این مسئله در شرایط و تنظیمات مختلف چیه.

2107.015101

پدیده‌های بحرانی و علم شبکه

این ویدیو در مورد کار پژوهشی من یعنی پدیده‌های بحرانی و شبکه‌های پیچیده است. اینجا میگم که چی شد که به این موضوع علاقه‌مند شدم و الان مشغول چه کاری هستم:

منابعی برای یادگیری

منابع مفید و جالب برای سیستم‌های پیچیده

توی این ویدیو به منابع خوبی که به سیستم‌های پیچیده مربوط هستن اشاره می‌کنم.

سایت‌هایی که اشاره شد:
🔗 complexity.sitpor.org
🔗 twitter.com/abbas_k_rizi
🔗 complexityexplorer.org
🔗 complexity-explorables.org
🔗 ccl.northwestern.edu/netlogo

یک سری مطلب فارسی خوب هم اینجا وجود داره:
🔗 facultymembers.sbu.ac.ir/jafari/farsi/topics

در اینستاگرام ببینید

🎞 گفت‌وگو در مورد علم شبکه و علم داده

این برنامه به منظور آشنایی بیشتر با علم شبکه و علم داده در قالب یک گفت‌وگوی زنده اینستاگرامی برگزار شد. در این برنامه به این کتاب‌ها و مطالب اشاره شد:

میهمانان

مژگان خانجانیان پاک 🇮🇷
دانشجوی دکتری فیزیک سیستم‌های پیچیده، انتشار بیماری در شبکه‌های پیچیده، دانشگاه تحصیلات تکمیلی زنجان

سارا حیدری 🇫🇮
دانشجوی دکتری سیستم‌های پیچیده، جامعه‌شناسی محاسباتی، دانشکده علوم کامپیوتر، دانشگاه آلتو

سینا سجادی 🇦🇹
دانشجوی دکتری علم شبکه، علوم اجتماعی محاسباتی، مرکز علوم پیچیدگی وین

پرسش‌های اصلی که در این برنامه دنبال شد به شرح زیر است:

  • اسم دقیق این گرایش چیست؟
  • هدف و پرسش‌های معروف در این گرایش چیست؟ متخصصان به چه نوع از مسائل علاقه دارن؟
  • به نظر شما چه تصویر رایج غلطی در ذهن عوام در مورد این گرایش وجود دارد؟
  • چگونه با این رشته آشنا شدین؟ 
  • چه‌طور متوجه شدید که این گرایش مناسب شماست؟
  • محیط کار شما چه شکلی است؟ (آزمایشگاه، رصدخانه، پشت میز، کار با کامپیوتر و …)
  • یک روز عادی در زندگی حرفه‌ای شما چگونه سپری می‌شود؟
  • آیا از انتخابتان راضی هستید؟
  • سختی‌های زندگی شما شامل چه چیزهایی می‌شود؟
  • آیا به سایر علاقه‌مندان به این گرایش توصیه می‌کنید که به‌طور حرفه‌ای به این گرایش بپردازند؟
  • مقدمات علمی و فنی لازم برای ورود به این گرایش
  • درس‌های اصلی (ارائه شده و نشده در مقطع کارشناسی)
  • مهارت‌های جانبی (توانایی محاسباتی و کار کردن با نرم‌افزارهای خاص)
  • کدام دانشگاه و یا مراکز تحقیقاتی در ایران به این گرایش می‌پردازند؟
  • بازار کار در ایران و خارج چگونه است؟
  • امکان تحصیل در خارج از کشور و پذیرش گرفتن در این گرایش چگونه است؟
  • آینده کاری و وضعیت رفاهی خود را چگونه می‌بینید؟ در ایران/خارج

در اینستاگرام ببینید:

در یوتیوب بینید:

اطلاعات بیشتر:

فیزیک آماری و سیستم‌های پیچیده

🎞 علم شبکه‌ و کمک به مهار کردن شیوع کرونا

بیش از یک‌ سال از شروع دنیاگیری کووید-۱۹ می‌گذرد. در این مدت‌‌ دولت‌های مختلف با روش‌های متفاوتی شرایط ناشی از این بیماری را مدیریت کرده‌اند. در این برنامه آرشام غواصیه و عباس ک. ریزی که هر دو دانشجوی دکتری شبکه‌های پیچیده هستند در مورد راه‌حل‌های کنترلی ارائه شده توسط دانشمندان پیچیدگی در مورد بیماری‌ها خصوصا کرونا صحبت خواهند کرد. این برنامه به دنبال بیان تجربه‌های حاصل از گزارش‌های علمی و داده‌محور در جوامع مختلف تدارک دیده شده.

قسمت‌ اول

🔗 ویدیو در اینستاگرام
🔗 ویدیو در یوتیوب

قسمت دوم

🔗 ویدیو در اینستاگرام
🔗 ویدیو در یوتیوب

گشت و گذاری در علم شبکه

به دعوت بچه‌های انجمن علمی فیزیک دانشگاه تهران در مورد شبکه‌های پیچیده حرف زدم. ویدیو جلسات ضبط شده. در ادامه اسلایدها رو گذاشتم.

قسمت اول: پیچیدگی و تحول انگاره

در این قسمت ابتدا به سراغ انگاره پیچیدگی می‌رویم و پیرامون تحول انگاره در فیزیک در دهه‌های گذشته صحبت می‌کنیم. نشان می‌دهیم که فیزیک آماری در گذار از ریزمقیاس به بزرگ‌مقیاس با چه چالش‌هایی روبه‌رو بوده. سپس به دنبال توجیه رفتارهای جمعی در سیستم‌های فیزیکی و زیستی به اهمیت برهمکنش‌های نابدیهی و شبکه‌های پیچیده می‌رسیم.

قسمت دوم: مقدمه‌ای بر علم شبکه

در ادامه قسمت قبل، به دنبال توجیه رفتارهای جمعی در سیستم‌های فیزیکی و زیستی به اهمیت برهمکنش‌های نابدیهی و شبکه‌های پیچیده می‌رسیم و به ویژگی‌‌های این شبکه‌ها و پدیده‌های دینامیکی روی آن‌ها می‌پردازیم. سرانجام در مورد مدل‌سازی‌های انتشار ویروس کرونا صحبت خواهیم کرد!

اسلایدها

نظریه گراف و علم شبکه

نزدیک به ۲۰ ساله که چیزی به اسم نظریه شبکه‌ یا علم شبکه در ادبیات علمی پیدا شده. شاید نزدیک‌ترین یا نام‌آشناترین نظریه به علم شبکه، نظریه گراف در ریاضیات باشه. چیزی که از زمان اویلر (۱۷۳۶) شکل گرفته و در چند قرن اخیر هم همیشه حوزه‌ی پژوهشی برای ریاضیدون‌ها بوده. اما این فقط ظاهر کاره! نگاهی به جامعه‌ی علمی این دو شاخه از معرفت بشری، تصویری از دو گروه از متخصصین رو نشون می‌ده که چندان هم کارشون شبیه به هم نیست! به عبارتی، با این‌که نظریه شبکه بسیار وام‌دار نظریه گراف هست، اما چیزی که در عمل در حال اتفاق افتادنه اینه که مسائلی که گراف‌کارها مشغول مطالعه‌شون هستند اصلا شبیه به مسائل شبکه‌کارها (دانشمندان شبکه!) نیست. با تقریب خوبی البته!

علت این اتفاق هم بیشتر به این برمیگرده که برای یک ریاضیدان، گراف یک موجود انتزاعی/مجرد و خوش‌تعریف ریاضی به همراه یک عقبه محکم و استوار ریاضی و تعداد زیادی لم، قضیه و حدسه، در حالی که برای دانشمندان شبکه، شبکه یک موجود کاربردی و پدیدارشناسانه‌ هست که نه تعریف چندان صریحی داره و نه عقبه کاملا مشخصی! علم شبکه یا نظریه شبکه، علمی جدید، پدیداره از علوم و دانش‌های مختلفه که حدودا ۲۰ ساله شکل گرفته و بیشتر از هر چیزی تحت تاثیر داده‌های بزرگ و کامپیوترها بوده تا کاغذ و قلم و حل‌های بسته (تحلیلی)!

نگاره از QuantaMagazine

در نظریه گراف تلاش عمدتا بر شناسایی و مطالعه ساختارهاییه که بتونیم اون‌ها رو به صورت تحلیلی دنبال کنیم. برای همین، گراف‌کارها (نظریه‌پردازان گراف!) معمولا به سراغ گراف‌های تصادفی، گراف‌های کامل و مسائلی مثل رنگ آمیزی و کاور کردن میرن. اما در علم شبکه، مردم بیشتر به دنبال مسائل کاربردی‌تر و مدل‌هایی هستند که بیشتر مسائل دنیای واقعی (فیزیکی، شیمیایی، زیستی، اجتماعی و اقتصادی) رو توجیه‌ کنند! برای همین لزوما از لحاظ ساختاری این شبکه‌ها، گراف‌هایی نه کاملا تصادفی و نه کامل، بلکه گراف‌هایی تنک با توزیع درجه‌‌های دم‌کلفت هستند!

علم شبکه، امروز یک ساختار پدیدارشناسانه از دنیای بس‌ذره‌ای و پیچیده بیرونه! یک مقایسه زمانی با فیزیک، میشه گفت که علم شبکه در زمان ما، بسیار شبیه به ترمودینامیک زمان کارنو هست و نه ترمودینامیک در زمان بولتزمان، مکسول و فون‌نویمان! انتظار بر اینه که تلاش‌های جدی صورت بگیره تا ریاضیات لازم برای علم شبکه به قدری توسعه پیدا کنه که علم شبکه به بلوغی برسه که ترمودینامیک بعد از بولتزمن رسید.

چیزی که خوندید، در حقیقت مقدمه‌ای بود برای دعوت به مطالعه این نوشته:

Iñiguez, G., Battiston, F. & Karsai, M. Bridging the gap between graphs and networks. Commun Phys 3, 88 (2020). https://doi.org/10.1038/s42005-020-0359-6

Bridging the gap between graphs and networks
arXiv:2004.01467 [physics.soc-ph] DOWNLOAD

مستقل از این‌که این نوشته دید خوبی می‌ده از تفاوت نگاه دو جامعه علمی متفاوت به یک مسئله و مسائل مختلف حوزه پژوهش در هر کدوم از اون جوامع، این نوشته دارای منابع گلچین شده‌ای هست که هر کسی که کارش مربوط به شبکه است خوبه که حتما اون‌ها رو بخونه!

برای همین اگر دانشجوی سیستم‌های پیچیده یا یکی از سه رشته فیزیک، ریاضی و علوم کامپیوتر هستید و علاقه‌مند به موضوع شبکه‌ها، این نوشته رو به شما توصیه می‌کنم تا بدونید که:

  • علم شبکه، نظریه گراف نیست و بالعکس!
  • تفاوت مسائل روز پژوهشی که ریاضیدون‌ها و شبکه‌کارها بهشون می‌پردازن چی هست.
  • آینده این علوم چه شکلی ممکنه داشته باشه؟!
  • اگر ریاضی خوندید و علاقه‌مند به شبکه هستید، مسیری که در پیش دارید چه‌طوری می‌تونه باشه!
  • اگه فکر می‌کنید علم شبکه چندان پشتوانه ریاضی قوی نداره، اون موقع باید چه‌طور نگاهتون رو اصلاح کنید!