MakarovSuites
Deutsch
EnglishDeutschРусскийУкраїнськаFrançaisEspañolItalianoPolski
Kontakt & Lizenzen

Math

Zufallsbewegungen

Ein Schwarm verlässt sein Zuhause auf dem Gitter: die Wolke wächst wie √n, die Endpunkte werden gaußsch, und in drei Dimensionen kehren zwei Drittel nie zurück.

Zufallsbewegungen — Bild aus der Anwendung
Bild aus der Anwendung

Was passiert

Tausende Wanderer starten im Ursprung und schreiten auf dem Gitter, jede Richtung gleich wahrscheinlich. Drei Dinge weiß die Mathematik darüber, wohin sie kommen, und jedes ist hier exakt geprüft: die Wolke wächst wie √n – eine Glaskugel genau dieses Radius wächst mit, und E|x|² = n auf dem Panel ist am Schwarm gemessen; die Endpunkte werden gaußsch, der zentrale Grenzwertsatz, über das laufende Histogramm gezeichnet; und Pólya – ein Wanderer, der durch den Ursprung zurückkommt, wird golden, und in einer und zwei Dimensionen tun das fast alle irgendwann, in drei nur 34 %. Der exakte Anteil zu Hause bis Schritt n kommt aus einem dynamischen Programm, das Masse im Ursprung absorbiert, aufgetragen gegen den gemessenen Anteil und den Grenzwert. Acht Wanderer tragen eine Spur, damit eine Bewegung als Weg zu sehen ist, nicht nur als Wolke.

Gleichungen des Moduls
Gleichungen
E|x_n|² = n   (Einheitsschritte auf dem Gitter, in beliebiger Dimension: die Wolke wächst wie √n)
x_n / √(n/d) → N(0, 1)   (zentraler Grenzwertsatz, jede Koordinate)
P(kehrt je zurück) = 1 in einer und zwei Dimensionen,  0.340537 in drei   (Pólya)
P(Rückkehr bis Schritt n): am Ursprung absorbierte Masse, exakt durch dynamische Programmierung berechnet

Weitere Experimente

Zum Katalog
Ising-Modell — Bild aus der Anwendung

Physics / Math

Ising-Modell

Phasenübergang eines Ferromagneten: Domänen und kritische Temperatur.

Neuronaler Abstieg — Bild aus der Anwendung

Physics / Math

Neuronaler Abstieg

Ein neuronales Netz lernt live Ziffern, gezeichnet als Physik: die Verlustlandschaft in 3D, Gradientenabstieg als bergab rollende Kugel, Momentum als Trägheit und Minibatch-Rauschen als Temperatur.

Hopfield-Gedächtnis — Bild aus der Anwendung

Physics / Math

Hopfield-Gedächtnis

Beschädige eine gespeicherte Erinnerung mit einem Pinsel, sage voraus, ob sie zurückkommt, und sieh zu, wie das Netz sie Neuron für Neuron repariert - jedes Umklappen senkt die Energie um 2|h| - oder in eine andere Erinnerung oder eine Scheinmischung fällt, beim Namen genannt.