침투 현상

격자의 셀을 무작위로 열어 군집이 서로 연결되어 물이 통과할 수 있는 임계 확률을 탐색합니다.

  • Blocked
  • Open, one color per cluster
  • Cluster joining top and bottom
  • Water
100%

Each cell is open with chance p. Just above a critical chance, open clusters suddenly join into one that spans the board and water poured in at the top gets through. Drag across the board to open or close cells and try to block or connect the flow; Rerun keeps your changes.

Setup
Lattice
120 × 120 cells
Model
0.593
View
60 cells per second

침투 현상 도구는 만족스러우신가요?

침투 현상 소개

발표
Broadbent 및 Hammersley, 1957년
정사각 사이트
임계값 약 0.592746
정사각 본드 및 삼각 사이트
임계값 정확히 1/2
보드 크기
최대 200 × 200셀

침투 현상은 무작위 미로를 뚫고 지나가는 과정을 다루는 수학입니다. 커피 가루나 다공성 암석 사이로 스며드는 물, 드문드문 나무가 자란 숲을 가로지르는 불길, 집단 내에서 전파 경로를 찾아가는 전염병 등이 이에 해당합니다. 모델은 간단합니다. 보드의 각 셀은 p의 확률로 열리거나 닫히며, 서로 맞닿은 열린 셀들은 클러스터를 이룹니다. 여기서 핵심 질문은 클러스터가 보드의 맨 위와 맨 아래를 연결할 수 있는가입니다. Simon Broadbent와 John Hammersley가 1957년에 침투 이론을 제시한 이래, 이는 한 변수의 미세한 변화가 시스템의 전체적인 거동을 급격히 바꾸는 상전이의 대표적 모델이 되었습니다.

p를 천천히 올리며 관찰해 보세요. 임계 확률 아래에서는 열린 셀들이 작고 분리된 여러 클러스터를 이루므로 상단에 부은 물이 곧 멈춥니다. 하지만 임계값을 막 넘어서면 클러스터들이 결합하여 보드를 가로지르는 거대한 클러스터(황금색 표시)를 형성하고 물이 끝까지 흘러갑니다. 정사각 사이트의 임계 확률은 약 0.5927로, 2000년에 Mark Newman과 Robert Ziff가 소수점 아래 여러 자리까지 계산했습니다. 정사각 사이트 사이의 결합(본드 침투 현상)과 삼각 사이트의 임계값은 정확히 1/2이며, 이는 1980년에 Harry Kesten이 본드에 대해 증명했습니다. 클러스터의 색상은 Hoshen-Kopelman 라벨링 알고리즘을 사용해 지정됩니다.

차트는 변화가 얼마나 급격하게 일어나는지 잘 보여줍니다. 배경에서는 Newman과 Ziff가 제안한 방식대로 빈 격자에서 셀을 무작위 순서로 하나씩 열어가며 동일한 크기의 보드 수백 개를 생성하고, 각 보드가 처음으로 위아래로 연결되는 확률을 기록합니다. 각 p에서 연결되는 보드의 비율은 임계 확률 부근에서 가파르게 상승하는 S자 곡선을 그리며, 보드가 클수록 곡선은 더욱 가팔라집니다. 보드를 드래그하여 셀을 직접 열거나 막고, 세 가지 격자 구조를 비교하며, 연결 확률 데이터를 CSV 파일로 내보낼 수 있습니다.

침투 현상 사용법

  1. 확률 설정. Chance open (p) 값을 조절하여 열리는 셀의 비율을 변경합니다. 보드는 동일한 난수 배치를 유지하므로 p를 높이면 셀이 추가로 열리기만 합니다. Jump to the threshold를 누르면 곧바로 임계 확률로 이동합니다.
  2. 물 붓기. Pour water 옵션을 켜면 맨 윗줄에서 물이 흘러나와 한 번에 한 층씩 열린 셀을 통해 퍼져나갑니다. 카운터는 바닥에 도달했는지 여부를 표시하며, Flow speed로 물이 퍼지는 속도를 지정할 수 있습니다.
  3. 색상 확인. 연결된 열린 셀 클러스터마다 고유한 색상이 부여되며, 막힌 셀은 어둡게 표시됩니다. 맨 위부터 맨 아래까지 관통하는 클러스터는 황금색으로 강조됩니다.
  4. 격자 비교. Lattice 옵션에서 Square sites, Square bonds(모든 셀이 열려 있고 이웃 간의 연결선이 p의 확률로 열림), 6개의 이웃을 가진 벽돌 모양의 Triangular sites 사이를 전환할 수 있습니다.
  5. 보드 편집. 보드(Board) 위를 드래그하여 지나가는 셀(또는 본드 모델의 경우 연결선)을 열거나 차단해 보세요. 전체를 관통하는 클러스터를 끊거나 두 클러스터를 이어볼 수 있습니다. Rerun은 편집한 보드 형태 그대로 t = 0 시점부터 물(Water)을 다시 흘려보냅니다. Restart는 편집한 내용을 지우고 보드를 처음 상태로 다시 시작하며, Reset은 모든 설정까지 기본값으로 되돌립니다.
  6. 차트 분석. 곡선은 최대 400개의 무작위 보드를 바탕으로 각 확률에서 위아래가 연결된 보드의 비율을 나타냅니다. 원형 표시는 현재 설정된 p 값을 보여줍니다.
  7. 내보내기. PNG 이미지, 물이 흐르는 비디오나 GIF, 또는 침투 확률 데이터를 CSV 파일로 저장할 수 있습니다. Pour water(물 붓기)가 켜져 있을 때 Record full run(전체 실행 녹화)은 위쪽에서 물을 다시 부어 흐름이 멈출 때까지 녹화하며, 꺼져 있을 때 Record 30 s from the start(처음부터 30초 녹화)는 처음 30초를 기록합니다.

자주 묻는 질문

침투 현상이란 무엇인가요?

무작위 구조 내부의 연결성을 연구하는 분야입니다. 셀이나 연결선이 p의 확률로 무작위로 열릴 때, 열린 요소들이 한쪽 끝에서 반대쪽 끝까지 이어지는 경로를 형성하는지 분석합니다. 다공성 물질을 통과하는 유체의 흐름, 산불이나 전염병의 확산, 혼합물의 전기 전도 현상 등을 모델링하는 데 사용됩니다.

침투 임계값이란 무엇인가요?

충분히 큰 보드에서 위아래를 잇는 클러스터가 처음 나타나는 임계 확률입니다. 정사각 격자의 사이트 침투 현상에서는 약 0.592746이며, 정사각 격자의 본드 침투 현상과 삼각 격자의 사이트 침투 현상에서는 정확히 1/2입니다. 거대한 보드에서는 임계값 아래에서 연결 경로가 거의 존재하지 않지만, 임계값을 넘어서면 거의 항상 존재합니다.

왜 이렇게 급격하게 변화하나요?

상전이 현상이기 때문입니다. 무한한 크기의 보드에서는 특정 온도에서 물이 얼어붙듯, 임계값에서 관통 클러스터가 생길 확률이 0에서 1로 단번에 점프합니다. 유한한 크기의 보드에서는 이 급격한 변화가 차트에 나타난 S자 곡선처럼 완만하게 나타나며, 보드 크기가 커질수록 곡선의 기울기가 가팔라집니다.

본드와 삼각 격자에서 임계값이 정확히 1/2인 이유는 무엇인가요?

대칭성 때문입니다. 정사각 본드 격자에서 위아래로 이어지는 열린 경로의 존재는 대응하는 쌍대 격자에서 좌우를 가로지르는 막힌 경로가 없다는 조건과 일치하며, 정사각 격자의 쌍대 격자는 또 다른 정사각 격자입니다. 삼각 사이트 격자도 유사한 대칭성을 지닙니다. p = 1/2에서는 열린 상태와 막힌 상태의 확률이 같아져 두 유형의 횡단 확률이 균형을 이룹니다.

산불이나 전염병 확산과는 어떤 관계가 있나요?

불붙은 이웃 나무로부터 다른 나무에 불이 옮겨붙을 확률이 있거나 접촉을 통해 전염병이 전파될 확률이 있다면, 이 전파 과정은 침투 현상에 해당합니다. 임계값 아래에서는 확산이 소규모로 그치지만, 임계값을 초과하면 전체로 번질 수 있습니다. 전파 확률을 조금만 낮춰도 유행을 완전히 막을 수 있는 이유가 여기에 있습니다.

차트는 연결 확률을 어떻게 계산하나요?

빈 상태에서 시작해 무작위 격자를 생성합니다. 셀을 무작위 순서로 하나씩 열면서 빠른 Union-Find 자료구조로 클러스터를 추적하여 각 보드가 처음으로 연결되는 정확한 열린 셀의 비율을 기록합니다. 2000년에 Newman과 Ziff가 발표한 이 방법을 통해 각 p 이하에서 연결되는 보드의 개수를 세어 곡선을 도출합니다.

참고 문헌

  1. Broadbent, S. R., & Hammersley, J. M. (1957). Percolation processes: I. Crystals and mazes. Mathematical Proceedings of the Cambridge Philosophical Society 53(3), 629–641.
  2. Hoshen, J., & Kopelman, R. (1976). Percolation and cluster distribution. I. Cluster multiple labeling technique and critical concentration algorithm. Physical Review B 14(8), 3438–3445.
  3. Newman, M. E. J., & Ziff, R. M. (2000). Efficient Monte Carlo algorithm and high-precision results for percolation. Physical Review Letters 85(19), 4104–4107.
  4. Stauffer, D., & Aharony, A. (1994). Introduction to Percolation Theory (2nd ed.). London: Taylor & Francis.