<kbd id="fnkjpgic"></kbd><address id="qehgtxn4"><style id="1ut9uiln"></style></address><button id="8o4oeq1n"></button>

          William & Mary

          密谋遗忘的最佳途径

          • 造型灭绝
            造型灭绝  利亚肖 of William & Mary's applied science department explains part of her model of an optimal path to extinction. She collaborated with other scientists in preparing a model that draws on both deterministic and stochastic approaches.  照片由约瑟夫·麦克莱恩
          照片 - 的 -

          有时你要防止灭绝。在其他情况下, 你想快点灭绝一起。

          采取的,例如,感冒病毒通过黑客攻击它的方式 小学。学生体内病毒的灭绝是什么 大家欢呼。这是当目标是试图避开不同 灭绝,以维持野生动物的人口日益减少。 利亚肖 说,有很多路径 消光无论你想加速灭绝或试图避开它 关闭但是,每个系统都有一个路由遗忘这是最有把握的和直接的。

          Shaw, an assistant professor in William & Mary’s 应用科学系, 适用于灭绝的数学模型。肖一的合着者 文件,概述了最优路径的模型灭绝在日记 接口, 英国的出版 皇族社会。了解灭绝的机制在许多重要 问候,她说。

          “首先,这将是信息只是为了了解 该系统更好。如果你能理解一个系统的一部分,如何去灭绝, 你了解的动态,你知道是什么因素在重要 灭绝,”她解释说。 “但对于感兴趣的重要原因,当然, 有可能你如何控制灭绝的事。”

          她指出,物种灭绝是比较罕见的。在 其实,萧氏集团被彻底研究一些确定性模型的网络 没有随机性,其中灭绝只是不会发生。 “人口 继续在稳定的水平存在,”她解释道。 “或流行病坚持 无限期“。

          所有真正的系统都有一定程度的固有的随机性, 虽然。纳入现实世界中的讨厌的坚持上的不可预测性, Shaw和她的同事们遵循随机,或基于概率的,方法 造型灭绝。

          “因为所有的系统本质上是随机的,有轻微 机会,例如,每个人都感染了疾病可能 同时恢复,”肖解释说,”有一个轻微的机会,一个 整个人口可能突然同时死去。”

          这种极端不太可能,不过,这意味着 消光在一个大的人口,在数学上,一个不可能的命题。 但肖指出,小种群可以相当容易 变化,现象最好由所提供的强大的预测工具调查 数学建模。

           “如果你有一个真正的 自然系统,你可以不看灭绝很多次,看看它是如何发生的。 这是行不通的,”她说。 “但是,数字,我们可以模拟这些 系统。我们有随机性的一些元素的模拟,我们可以做 它很多次,每次看到灭绝是如何发生的,并计算某种 平均行为“。

          在他们的论文,“朝为最优路径收敛 灭绝,” Shaw和她的合着者发现,他们的模型表明, 消光可以按照多种途径,但一个路由的最优路由,是 比任何其他可能的路径更倾向于终止于灭绝。 Shaw和她的同事们发现在他们的模型中的一些路标 朝着这个最佳的指点下,最有可能的,路线。

          本文表明,对于一两件事,最佳路线 似乎是对初始条件非常敏感。转换后的 随机模型的确定性问题,研究人员借用了一些 从混沌理论和经典的确定性概念概念 力学所使用的物理学家,并把它们应用到他们基本上是随机的 模型。

          “这项工作已经非常跨学科,在以下方面 生物系统,我们正在努力建立数学模型,”肖说,“但 在我们这个数学物理学正在处理它甚至多学科交叉 区,并与随机系统成为确定性“。

          对于肖和她的合作者下一步是调查 可能的方法来干预的最佳路径,找到模型方法 尝试要么趋灭绝或延缓其关闭。

          “你有兴趣知道的最可能路径 灭绝,如果你在你只有有限的控制,你的情况下, 想用它尽可能有效的,”她说。一个实际的例子可能 是如何在一个最大化的疫苗数量有限的好处 普遍流行,她解释说。

          纸上的合着者之一,是西蒙尼 Bianco, who was Shaw’s post-doc at William & Mary and now is at the 美国加州大学旧金山分校。其他作者是艾拉湾施瓦茨 的海军研究实验室和蒙特克莱尔大学的Eric forgoston。

              <kbd id="d4aw8uhd"></kbd><address id="hdudfh7d"><style id="t2jmpw2q"></style></address><button id="ocotjjxp"></button>