ಸಂಕೀರ್ಣ ವ್ಯವಸ್ಥೆಗಳ ಬಗ್ಗೆ ಯೋಚಿಸಲು ನೀವು ಯಾವುದೇ ಸಮಯವನ್ನು ಕಳೆದಿದ್ದರೆ, ನೀವು ಬಹುಶಃ ನೆಟ್‌ವರ್ಕ್‌ಗಳ ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತೀರಿ. ನೆಟ್‌ವರ್ಕ್‌ಗಳು ನಮ್ಮ ಜಗತ್ತನ್ನು ಆಳುತ್ತವೆ. ಜೀವಕೋಶದೊಳಗಿನ ರಾಸಾಯನಿಕ ಕ್ರಿಯೆಗಳಿಂದ, ಪರಿಸರ ವ್ಯವಸ್ಥೆಯಲ್ಲಿನ ಸಂಬಂಧಗಳ ಜಾಲದಿಂದ, ಇತಿಹಾಸದ ಹಾದಿಯನ್ನು ರೂಪಿಸುವ ವ್ಯಾಪಾರ ಮತ್ತು ರಾಜಕೀಯ ಜಾಲಗಳವರೆಗೆ.

ಅಥವಾ ನೀವು ಓದುತ್ತಿರುವ ಈ ಲೇಖನವನ್ನು ಪರಿಗಣಿಸಿ. ನೀವು ಬಹುಶಃ ಅದನ್ನು ಕಂಡುಕೊಂಡಿದ್ದೀರಿ ಸಾಮಾಜಿಕ ತಾಣ, ನಿಂದ ಡೌನ್‌ಲೋಡ್ ಮಾಡಲಾಗಿದೆ ಗಣಕಯಂತ್ರದ ಜಾಲ ಮತ್ತು ಪ್ರಸ್ತುತ ನಿಮ್ಮ ಅರ್ಥವನ್ನು ಅರ್ಥೈಸಿಕೊಳ್ಳುತ್ತಿದ್ದಾರೆ ನರಮಂಡಲ.

ಆದರೆ ನಾನು ವರ್ಷಗಳಿಂದ ನೆಟ್‌ವರ್ಕ್‌ಗಳ ಬಗ್ಗೆ ಯೋಚಿಸಿದಷ್ಟು, ಇತ್ತೀಚಿನವರೆಗೂ ನಾನು ಸರಳವಾದ ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲಿಲ್ಲ ಪ್ರಸರಣ.

ಇದು ಇಂದಿನ ನಮ್ಮ ವಿಷಯವಾಗಿದೆ: ಹೇಗೆ, ಎಷ್ಟು ಅಸ್ತವ್ಯಸ್ತವಾಗಿ ಎಲ್ಲವೂ ಚಲಿಸುತ್ತದೆ ಮತ್ತು ಹರಡುತ್ತದೆ. ನಿಮ್ಮ ಹಸಿವನ್ನು ಹೆಚ್ಚಿಸಲು ಕೆಲವು ಉದಾಹರಣೆಗಳು:

• ಜನಸಂಖ್ಯೆಯೊಳಗೆ ವಾಹಕದಿಂದ ವಾಹಕಕ್ಕೆ ಹಾದುಹೋಗುವ ಸಾಂಕ್ರಾಮಿಕ ರೋಗಗಳು.
• ಸಾಮಾಜಿಕ ಜಾಲತಾಣಗಳಲ್ಲಿ ಅನುಸರಿಸುವವರ ಗ್ರಾಫ್‌ನಲ್ಲಿ ಮೀಮ್‌ಗಳು ಹರಡುತ್ತಿವೆ.
• ಕಾಡ್ಗಿಚ್ಚು.
• ಸಂಸ್ಕೃತಿಯನ್ನು ವ್ಯಾಪಿಸುವ ಕಲ್ಪನೆಗಳು ಮತ್ತು ಆಚರಣೆಗಳು.
• ಪುಷ್ಟೀಕರಿಸಿದ ಯುರೇನಿಯಂನಲ್ಲಿ ನ್ಯೂಟ್ರಾನ್ ಕ್ಯಾಸ್ಕೇಡ್.

ಫಾರ್ಮ್ ಬಗ್ಗೆ ತ್ವರಿತ ಟಿಪ್ಪಣಿ.

ನನ್ನ ಹಿಂದಿನ ಎಲ್ಲಾ ಕೃತಿಗಳಿಗಿಂತ ಭಿನ್ನವಾಗಿ, ಈ ಪ್ರಬಂಧವು ಸಂವಾದಾತ್ಮಕವಾಗಿದೆ [in ಮೂಲ ಲೇಖನ ಸಂವಾದಾತ್ಮಕ ಉದಾಹರಣೆಗಳನ್ನು ಪರದೆಯ ಮೇಲಿನ ವಸ್ತುಗಳನ್ನು ನಿಯಂತ್ರಿಸುವ ಸ್ಲೈಡರ್‌ಗಳು ಮತ್ತು ಬಟನ್‌ಗಳೊಂದಿಗೆ ನೀಡಲಾಗಿದೆ - ಅಂದಾಜು. ಲೇನ್].

ಆದ್ದರಿಂದ ಪ್ರಾರಂಭಿಸೋಣ. ನೆಟ್ವರ್ಕ್ಗಳಲ್ಲಿ ಪ್ರಸರಣಕ್ಕಾಗಿ ದೃಶ್ಯ ಶಬ್ದಕೋಶವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು ಮೊದಲ ಕಾರ್ಯವಾಗಿದೆ.

ಸರಳ ಮಾದರಿ

ನೆಟ್‌ವರ್ಕ್‌ಗಳ ಆಧಾರವು ನಿಮಗೆ ತಿಳಿದಿದೆ ಎಂದು ನನಗೆ ಖಾತ್ರಿಯಿದೆ, ಅಂದರೆ ನೋಡ್‌ಗಳು + ಅಂಚುಗಳು. ಪ್ರಸರಣವನ್ನು ಅಧ್ಯಯನ ಮಾಡಲು, ನೀವು ಕೆಲವು ನೋಡ್‌ಗಳನ್ನು ಗುರುತಿಸಬೇಕಾಗಿದೆ ಸಕ್ರಿಯ. ಅಥವಾ, ಸಾಂಕ್ರಾಮಿಕ ರೋಗಶಾಸ್ತ್ರಜ್ಞರು ಹೇಳಲು ಇಷ್ಟಪಡುವಂತೆ, ಸೋಂಕಿತ:

ಈ ಸಕ್ರಿಯಗೊಳಿಸುವಿಕೆ ಅಥವಾ ಸೋಂಕು ನಾವು ಕೆಳಗೆ ಅಭಿವೃದ್ಧಿಪಡಿಸುವ ನಿಯಮಗಳ ಪ್ರಕಾರ ನೋಡ್‌ನಿಂದ ನೋಡ್‌ಗೆ ನೆಟ್‌ವರ್ಕ್ ಮೂಲಕ ಹರಡುತ್ತದೆ.

ಈ ಸರಳ ಏಳು-ನೋಡ್ ನೆಟ್‌ವರ್ಕ್‌ಗಿಂತ ನೈಜ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಸಾಮಾನ್ಯವಾಗಿ ದೊಡ್ಡದಾಗಿರುತ್ತವೆ. ಅವು ಹೆಚ್ಚು ಗೊಂದಲಮಯವಾಗಿವೆ. ಆದರೆ ಸರಳತೆಗಾಗಿ, ಲ್ಯಾಟಿಸ್ ಅನ್ನು ಅಧ್ಯಯನ ಮಾಡಲು ನಾವು ಇಲ್ಲಿ ಆಟಿಕೆ ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸುತ್ತೇವೆ, ಅಂದರೆ ಲ್ಯಾಟಿಸ್ ನೆಟ್ವರ್ಕ್.

(ವಾಸ್ತವಿಕತೆಯಲ್ಲಿ ಜಾಲರಿಯು ಏನನ್ನು ಹೊಂದಿಲ್ಲವೋ, ಅದನ್ನು ಸೆಳೆಯಲು ಸುಲಭವಾಗುವಂತೆ ಮಾಡುತ್ತದೆ 😉

ಬೇರೆಯಾಗಿ ಗಮನಿಸಿದರೆ ಹೊರತುಪಡಿಸಿ, ನೆಟ್ವರ್ಕ್ ನೋಡ್ಗಳು ನಾಲ್ಕು ನೆರೆಹೊರೆಗಳನ್ನು ಹೊಂದಿವೆ, ಉದಾಹರಣೆಗೆ:

ಮತ್ತು ಈ ಲ್ಯಾಟಿಸ್ಗಳು ಎಲ್ಲಾ ದಿಕ್ಕುಗಳಲ್ಲಿಯೂ ಅನಂತವಾಗಿ ವಿಸ್ತರಿಸುತ್ತವೆ ಎಂದು ನೀವು ಊಹಿಸಬೇಕಾಗಿದೆ. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ನೆಟ್ವರ್ಕ್ನ ಅಂಚುಗಳಲ್ಲಿ ಅಥವಾ ಸಣ್ಣ ಜನಸಂಖ್ಯೆಯಲ್ಲಿ ಮಾತ್ರ ಸಂಭವಿಸುವ ನಡವಳಿಕೆಯಲ್ಲಿ ನಾವು ಆಸಕ್ತಿ ಹೊಂದಿಲ್ಲ.

ಲ್ಯಾಟಿಸ್‌ಗಳನ್ನು ತುಂಬಾ ಕ್ರಮಗೊಳಿಸಿರುವುದರಿಂದ, ನಾವು ಅವುಗಳನ್ನು ಪಿಕ್ಸೆಲ್‌ಗಳಿಗೆ ಸರಳಗೊಳಿಸಬಹುದು. ಉದಾಹರಣೆಗೆ, ಈ ಎರಡು ಚಿತ್ರಗಳು ಒಂದೇ ನೆಟ್‌ವರ್ಕ್ ಅನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತವೆ:

ಒಂದು ನಡವಳಿಕೆಯಲ್ಲಿ, ಸಕ್ರಿಯ ನೋಡ್ ಯಾವಾಗಲೂ ಸೋಂಕನ್ನು ಅದರ (ಸೋಂಕಿಲ್ಲದ) ನೆರೆಹೊರೆಯವರಿಗೆ ರವಾನಿಸುತ್ತದೆ. ಆದರೆ ಬೇಸರವಾಗಿದೆ. ವರ್ಗಾವಣೆಯಾದಾಗ ಹೆಚ್ಚು ಆಸಕ್ತಿದಾಯಕ ಸಂಗತಿಗಳು ಸಂಭವಿಸುತ್ತವೆ ಸಂಭವನೀಯ.

SIR ಮತ್ತು SIS

В SIR ಮಾದರಿಗಳು (ಸೂಕ್ಷ್ಮ-ಸೋಂಕಿತ-ತೆಗೆದುಹಾಕಲಾಗಿದೆ) ಒಂದು ನೋಡ್ ಮೂರು ಸ್ಥಿತಿಗಳಲ್ಲಿರಬಹುದು:

• ಒಳಗಾಗುವ
• ಸೋಂಕಿತ
• ತೆಗೆದುಹಾಕಲಾಗಿದೆ

ಸಂವಾದಾತ್ಮಕ ಸಿಮ್ಯುಲೇಶನ್ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂಬುದು ಇಲ್ಲಿದೆ ಮೂಲ ಲೇಖನ ನೀವು ಸೋಂಕಿನ ಪ್ರಸರಣ ದರವನ್ನು 0 ರಿಂದ 1 ರವರೆಗೆ ಆಯ್ಕೆ ಮಾಡಬಹುದು, ಪ್ರಕ್ರಿಯೆಯನ್ನು ಹಂತ ಹಂತವಾಗಿ ಅಥವಾ ಸಂಪೂರ್ಣವಾಗಿ ನೋಡಿ - ಅಂದಾಜು. ಅನುವಾದ]:

• ಸೋಂಕಿತವಾಗಿ ಪ್ರಾರಂಭವಾಗುವ ಕೆಲವು ನೋಡ್‌ಗಳನ್ನು ಹೊರತುಪಡಿಸಿ, ನೋಡ್‌ಗಳು ಸೂಕ್ಷ್ಮವಾಗಿ ಪ್ರಾರಂಭವಾಗುತ್ತವೆ.
• ಪ್ರತಿ ಬಾರಿಯ ಹಂತದಲ್ಲೂ, ಸೋಂಕಿತ ನೋಡ್‌ಗಳು ತಮ್ಮ ಪ್ರತಿ ಒಳಗಾಗುವ ನೆರೆಹೊರೆಯವರಿಗೆ ಸೋಂಕನ್ನು ಹರಡುವ ದರಕ್ಕೆ ಸಮಾನವಾದ ಸಂಭವನೀಯತೆಯೊಂದಿಗೆ ಹರಡುವ ಅವಕಾಶವನ್ನು ಹೊಂದಿರುತ್ತವೆ.
• ಸೋಂಕಿತ ನೋಡ್‌ಗಳು ನಂತರ "ಅಳಿಸಲಾದ" ಸ್ಥಿತಿಯನ್ನು ಪ್ರವೇಶಿಸುತ್ತವೆ, ಅಂದರೆ ಅವರು ಇನ್ನು ಮುಂದೆ ಇತರರಿಗೆ ಸೋಂಕು ತಗುಲಿಸಲು ಅಥವಾ ಸ್ವತಃ ಸೋಂಕಿಗೆ ಒಳಗಾಗಲು ಸಾಧ್ಯವಾಗುವುದಿಲ್ಲ.

ರೋಗದ ಸಂದರ್ಭದಲ್ಲಿ, ತೆಗೆದುಹಾಕುವಿಕೆಯು ವ್ಯಕ್ತಿಯು ಸತ್ತಿದ್ದಾನೆ ಅಥವಾ ರೋಗಕಾರಕಕ್ಕೆ ಅವರು ಪ್ರತಿರಕ್ಷೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ ಎಂದು ಅರ್ಥೈಸಬಹುದು. ಸಿಮ್ಯುಲೇಶನ್‌ನಿಂದ "ತೆಗೆದುಹಾಕಲಾಗಿದೆ" ಎಂದು ನಾವು ಹೇಳುತ್ತೇವೆ ಏಕೆಂದರೆ ಅವರಿಗೆ ಬೇರೆ ಏನೂ ಆಗುವುದಿಲ್ಲ.

ನಾವು ಏನನ್ನು ರೂಪಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದೇವೆ ಎಂಬುದರ ಆಧಾರದ ಮೇಲೆ, SIR ಗಿಂತ ವಿಭಿನ್ನ ಮಾದರಿಯ ಅಗತ್ಯವಿರಬಹುದು.

ನಾವು ದಡಾರ ಅಥವಾ ಕಾಳ್ಗಿಚ್ಚು ಹರಡುವಿಕೆಯನ್ನು ಅನುಕರಿಸುತ್ತಿದ್ದರೆ, SIR ಸೂಕ್ತವಾಗಿದೆ. ಆದರೆ ನಾವು ಧ್ಯಾನದಂತಹ ಹೊಸ ಸಾಂಸ್ಕೃತಿಕ ಅಭ್ಯಾಸದ ಹರಡುವಿಕೆಯನ್ನು ಅನುಕರಿಸುತ್ತೇವೆ ಎಂದು ಭಾವಿಸೋಣ. ಮೊದಲಿಗೆ ನೋಡ್ (ವ್ಯಕ್ತಿ) ಸ್ವೀಕರಿಸುತ್ತದೆ ಏಕೆಂದರೆ ಅದು ಹಿಂದೆಂದೂ ಇದನ್ನು ಮಾಡಿಲ್ಲ. ನಂತರ, ಅವನು ಧ್ಯಾನ ಮಾಡಲು ಪ್ರಾರಂಭಿಸಿದರೆ (ಬಹುಶಃ ಅದರ ಬಗ್ಗೆ ಸ್ನೇಹಿತರಿಂದ ಕೇಳಿದ ನಂತರ), ನಾವು ಅವನನ್ನು ಸೋಂಕಿತ ಎಂದು ಮಾದರಿ ಮಾಡುತ್ತೇವೆ. ಆದರೆ ಅವನು ಅಭ್ಯಾಸವನ್ನು ನಿಲ್ಲಿಸಿದರೆ, ಅವನು ಸಾಯುವುದಿಲ್ಲ ಮತ್ತು ಸಿಮ್ಯುಲೇಶನ್‌ನಿಂದ ಹೊರಬರುವುದಿಲ್ಲ, ಏಕೆಂದರೆ ಭವಿಷ್ಯದಲ್ಲಿ ಅವನು ಮತ್ತೆ ಈ ಅಭ್ಯಾಸವನ್ನು ಸುಲಭವಾಗಿ ತೆಗೆದುಕೊಳ್ಳಬಹುದು. ಆದ್ದರಿಂದ ಅವನು ಸ್ವೀಕರಿಸುವ ಸ್ಥಿತಿಗೆ ಹಿಂತಿರುಗುತ್ತಾನೆ.

ಈ SIS ಮಾದರಿ (ಸೂಕ್ಷ್ಮ-ಸೋಂಕಿತ-ಸೂಕ್ತ). ಶಾಸ್ತ್ರೀಯ ಮಾದರಿಯು ಎರಡು ನಿಯತಾಂಕಗಳನ್ನು ಹೊಂದಿದೆ: ಪ್ರಸರಣ ವೇಗ ಮತ್ತು ಚೇತರಿಕೆಯ ವೇಗ. ಆದಾಗ್ಯೂ, ಈ ಲೇಖನದ ಸಿಮ್ಯುಲೇಶನ್‌ಗಳಲ್ಲಿ, ಚೇತರಿಕೆ ದರದ ನಿಯತಾಂಕವನ್ನು ಬಿಟ್ಟುಬಿಡುವ ಮೂಲಕ ನಾನು ಸರಳೀಕರಿಸಲು ನಿರ್ಧರಿಸಿದೆ. ಬದಲಾಗಿ, ಸೋಂಕಿತ ನೋಡ್ ತನ್ನ ನೆರೆಹೊರೆಯವರಿಂದ ಸೋಂಕಿಗೆ ಒಳಗಾಗದ ಹೊರತು ಮುಂದಿನ ಹಂತದ ಹಂತದಲ್ಲಿ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಒಳಗಾಗುವ ಸ್ಥಿತಿಗೆ ಮರಳುತ್ತದೆ. ಜೊತೆಗೆ, ನಾವು ಹಂತ n ನಲ್ಲಿ ಸೋಂಕಿತವಾದ ನೋಡ್ ಅನ್ನು ಪ್ರಸರಣ ದರಕ್ಕೆ ಸಮಾನವಾದ ಸಂಭವನೀಯತೆಯೊಂದಿಗೆ ಹಂತ n+1 ನಲ್ಲಿ ಸ್ವತಃ ಸೋಂಕು ತಗುಲಿಸಲು ನಾವು ಅನುಮತಿಸುತ್ತೇವೆ.

ಚರ್ಚೆ

ನೀವು ನೋಡುವಂತೆ, ಇದು SIR ಮಾದರಿಗಿಂತ ತುಂಬಾ ಭಿನ್ನವಾಗಿದೆ.

ನೋಡ್‌ಗಳನ್ನು ಎಂದಿಗೂ ತೆಗೆದುಹಾಕದ ಕಾರಣ, ಬಹಳ ಚಿಕ್ಕದಾದ ಮತ್ತು ಸೀಮಿತವಾದ ಲ್ಯಾಟಿಸ್ ಸಹ ದೀರ್ಘಕಾಲದವರೆಗೆ SIS ಸೋಂಕನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ. ಸೋಂಕು ನೋಡ್‌ನಿಂದ ನೋಡ್‌ಗೆ ಜಿಗಿಯುತ್ತದೆ ಮತ್ತು ಹಿಂತಿರುಗುತ್ತದೆ.

ಅವರ ವ್ಯತ್ಯಾಸಗಳ ಹೊರತಾಗಿಯೂ, SIR ಮತ್ತು SIS ನಮ್ಮ ಉದ್ದೇಶಗಳಿಗಾಗಿ ಆಶ್ಚರ್ಯಕರವಾಗಿ ಪರಸ್ಪರ ಬದಲಾಯಿಸಿಕೊಳ್ಳುತ್ತವೆ. ಆದ್ದರಿಂದ ಈ ಲೇಖನದ ಉಳಿದ ಭಾಗಗಳಲ್ಲಿ ನಾವು SIS ಗೆ ಅಂಟಿಕೊಳ್ಳುತ್ತೇವೆ - ಮುಖ್ಯವಾಗಿ ಇದು ಹೆಚ್ಚು ಬಾಳಿಕೆ ಬರುವಂತಹದ್ದಾಗಿದೆ ಮತ್ತು ಆದ್ದರಿಂದ ಕೆಲಸ ಮಾಡಲು ಹೆಚ್ಚು ಖುಷಿಯಾಗುತ್ತದೆ.

ನಿರ್ಣಾಯಕ ಮಟ್ಟ

SIR ಮತ್ತು SIS ಮಾದರಿಗಳೊಂದಿಗೆ ಆಟವಾಡಿದ ನಂತರ, ಸೋಂಕಿನ ದೀರ್ಘಾಯುಷ್ಯದ ಬಗ್ಗೆ ನೀವು ಏನನ್ನಾದರೂ ಗಮನಿಸಿರಬಹುದು. 10% ನಂತಹ ಅತ್ಯಂತ ಕಡಿಮೆ ಪ್ರಸರಣ ದರಗಳಲ್ಲಿ, ಸೋಂಕು ಸಾಯುತ್ತದೆ. 50% ನಂತಹ ಹೆಚ್ಚಿನ ಮೌಲ್ಯಗಳಲ್ಲಿ, ಸೋಂಕು ಜೀವಂತವಾಗಿ ಉಳಿಯುತ್ತದೆ ಮತ್ತು ಹೆಚ್ಚಿನ ನೆಟ್ವರ್ಕ್ ಅನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. ನೆಟ್‌ವರ್ಕ್ ಅನಂತವಾಗಿದ್ದರೆ, ಅದು ಮುಂದುವರಿಯುತ್ತದೆ ಮತ್ತು ಶಾಶ್ವತವಾಗಿ ಹರಡುತ್ತದೆ ಎಂದು ನಾವು ಊಹಿಸಬಹುದು.

ಅಂತಹ ಮಿತಿಯಿಲ್ಲದ ಪ್ರಸರಣವು ಅನೇಕ ಹೆಸರುಗಳನ್ನು ಹೊಂದಿದೆ: "ವೈರಲ್", "ನ್ಯೂಕ್ಲಿಯರ್" ಅಥವಾ (ಈ ಲೇಖನದ ಶೀರ್ಷಿಕೆಯಲ್ಲಿ) ನಿರ್ಣಾಯಕ.

ಇದೆ ಎಂದು ಅದು ತಿರುಗುತ್ತದೆ ನಿರ್ದಿಷ್ಟ ಬೇರ್ಪಡಿಸುವ ಬ್ರೇಕಿಂಗ್ ಪಾಯಿಂಟ್ ಸಬ್ಕ್ರಿಟಿಕಲ್ ನೆಟ್ವರ್ಕ್ಗಳು (ವಿನಾಶಕ್ಕೆ ಅವನತಿ ಹೊಂದುತ್ತದೆ) ನಿಂದ ಸೂಪರ್ಕ್ರಿಟಿಕಲ್ ನೆಟ್ವರ್ಕ್ಗಳು (ಅನಂತ ಬೆಳವಣಿಗೆಗೆ ಸಮರ್ಥವಾಗಿದೆ). ಈ ತಿರುವು ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ ನಿರ್ಣಾಯಕ ಮಿತಿ, ಮತ್ತು ಇದು ಸಾಮಾನ್ಯ ನೆಟ್ವರ್ಕ್ಗಳಲ್ಲಿ ಪ್ರಸರಣ ಪ್ರಕ್ರಿಯೆಗಳ ಸಾಕಷ್ಟು ಸಾಮಾನ್ಯ ಸಂಕೇತವಾಗಿದೆ.

ನಿರ್ಣಾಯಕ ಮಿತಿಯ ನಿಖರವಾದ ಮೌಲ್ಯವು ನೆಟ್ವರ್ಕ್ಗಳ ನಡುವೆ ಬದಲಾಗುತ್ತದೆ. ಇದು ಸಾಮಾನ್ಯವಾದದ್ದು ಲಭ್ಯತೆ ಅಂತಹ ಅರ್ಥ.

[ಇದರಿಂದ ಸಂವಾದಾತ್ಮಕ ಡೆಮೊದಲ್ಲಿ ಮೂಲ ಲೇಖನ ಪ್ರಸರಣ ವೇಗದ ಮೌಲ್ಯವನ್ನು ಬದಲಾಯಿಸುವ ಮೂಲಕ ನೀವು ನಿರ್ಣಾಯಕ ನೆಟ್ವರ್ಕ್ ಮಿತಿಯನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಹುಡುಕಲು ಪ್ರಯತ್ನಿಸಬಹುದು. ಇದು ಎಲ್ಲೋ 22% ಮತ್ತು 23% - ಅಂದಾಜು. ಟ್ರಾನ್ಸ್.]

22% (ಮತ್ತು ಕೆಳಗೆ), ಸೋಂಕು ಅಂತಿಮವಾಗಿ ಸಾಯುತ್ತದೆ. 23% (ಮತ್ತು ಮೇಲೆ), ಮೂಲ ಸೋಂಕು ಕೆಲವೊಮ್ಮೆ ಸಾಯುತ್ತದೆ, ಆದರೆ ಹೆಚ್ಚಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ ಅದು ಬದುಕಲು ಮತ್ತು ಅದರ ಅಸ್ತಿತ್ವವನ್ನು ಶಾಶ್ವತವಾಗಿ ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಸಾಕಷ್ಟು ಹರಡಲು ನಿರ್ವಹಿಸುತ್ತದೆ.

(ಅಂದಹಾಗೆ, ವಿಭಿನ್ನ ನೆಟ್‌ವರ್ಕ್ ಟೋಪೋಲಜಿಗಳಿಗಾಗಿ ಈ ನಿರ್ಣಾಯಕ ಮಿತಿಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಮೀಸಲಾಗಿರುವ ಸಂಪೂರ್ಣ ವೈಜ್ಞಾನಿಕ ಕ್ಷೇತ್ರವಿದೆ. ತ್ವರಿತ ಪರಿಚಯಕ್ಕಾಗಿ, ವಿಕಿಪೀಡಿಯ ಲೇಖನದ ಮೂಲಕ ತ್ವರಿತವಾಗಿ ಸ್ಕ್ರೋಲ್ ಮಾಡಲು ನಾನು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ ಸೋರಿಕೆಯ ಮಿತಿ).

ಸಾಮಾನ್ಯವಾಗಿ, ಇದು ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂಬುದು ಇಲ್ಲಿದೆ: ನಿರ್ಣಾಯಕ ಮಿತಿಯ ಕೆಳಗೆ, ನೆಟ್‌ವರ್ಕ್‌ನಲ್ಲಿ ಯಾವುದೇ ಸೀಮಿತ ಸೋಂಕು ಅಂತಿಮವಾಗಿ ಸಾಯುವ ಭರವಸೆ ಇದೆ (ಸಂಭವನೀಯತೆ 1 ರೊಂದಿಗೆ). ಆದರೆ ನಿರ್ಣಾಯಕ ಮಿತಿಗಿಂತ ಮೇಲೆ, ಸೋಂಕು ಶಾಶ್ವತವಾಗಿ ಮುಂದುವರಿಯುವ ಸಂಭವನೀಯತೆ (p > 0) ಇದೆ ಮತ್ತು ಹಾಗೆ ಮಾಡುವಾಗ ಮೂಲ ಸೈಟ್‌ನಿಂದ ನಿರಂಕುಶವಾಗಿ ಹರಡುತ್ತದೆ.

ಆದಾಗ್ಯೂ, ಸೂಪರ್ಕ್ರಿಟಿಕಲ್ ನೆಟ್ವರ್ಕ್ ಅಲ್ಲ ಎಂಬುದನ್ನು ಗಮನಿಸಿ ಖಾತರಿಗಳುಸೋಂಕು ಶಾಶ್ವತವಾಗಿ ಮುಂದುವರಿಯುತ್ತದೆ ಎಂದು. ವಾಸ್ತವವಾಗಿ, ಇದು ಸಾಮಾನ್ಯವಾಗಿ ಮಸುಕಾಗುತ್ತದೆ, ವಿಶೇಷವಾಗಿ ಸಿಮ್ಯುಲೇಶನ್‌ನ ಆರಂಭಿಕ ಹಂತಗಳಲ್ಲಿ. ಇದು ಹೇಗೆ ಸಂಭವಿಸುತ್ತದೆ ಎಂದು ನೋಡೋಣ.

ನಾವು ಒಂದು ಸೋಂಕಿತ ನೋಡ್ ಮತ್ತು ನಾಲ್ಕು ನೆರೆಹೊರೆಯವರೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿದ್ದೇವೆ ಎಂದು ಭಾವಿಸೋಣ. ಮೊದಲ ಮಾಡೆಲಿಂಗ್ ಹಂತದಲ್ಲಿ, ಸೋಂಕು ಹರಡುವ 5 ಸ್ವತಂತ್ರ ಅವಕಾಶಗಳನ್ನು ಹೊಂದಿದೆ (ಮುಂದಿನ ಹಂತದಲ್ಲಿ ಸ್ವತಃ "ಹರಡುವ" ಅವಕಾಶವನ್ನು ಒಳಗೊಂಡಂತೆ):

ಈಗ ವರ್ಗಾವಣೆ ದರವು 50% ಎಂದು ಭಾವಿಸೋಣ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಮೊದಲ ಹಂತದಲ್ಲಿ ನಾವು ನಾಣ್ಯವನ್ನು ಐದು ಬಾರಿ ತಿರುಗಿಸುತ್ತೇವೆ. ಮತ್ತು ಐದು ತಲೆಗಳನ್ನು ಉರುಳಿಸಿದರೆ, ಸೋಂಕು ನಾಶವಾಗುತ್ತದೆ. ಇದು ಸುಮಾರು 3% ಪ್ರಕರಣಗಳಲ್ಲಿ ಸಂಭವಿಸುತ್ತದೆ - ಮತ್ತು ಇದು ಮೊದಲ ಹಂತದಲ್ಲಿ ಮಾತ್ರ. ಮೊದಲ ಹಂತದಲ್ಲಿ ಉಳಿದುಕೊಂಡಿರುವ ಸೋಂಕು ಎರಡನೇ ಹಂತದಲ್ಲಿ ಸಾಯುವ ಕೆಲವು (ಸಾಮಾನ್ಯವಾಗಿ ಚಿಕ್ಕದಾದ) ಸಂಭವನೀಯತೆಯನ್ನು ಹೊಂದಿದೆ, ಕೆಲವು (ಇನ್ನೂ ಚಿಕ್ಕ) ಮೂರನೇ ಹಂತದಲ್ಲಿ ಸಾಯುವ ಸಂಭವನೀಯತೆ, ಇತ್ಯಾದಿ.

ಆದ್ದರಿಂದ, ನೆಟ್ವರ್ಕ್ ಸೂಪರ್ಕ್ರಿಟಿಕಲ್ ಆಗಿದ್ದರೂ ಸಹ - ಪ್ರಸರಣ ದರವು 99% ಆಗಿದ್ದರೆ - ಸೋಂಕು ಕಣ್ಮರೆಯಾಗುವ ಅವಕಾಶವಿದೆ.

ಆದರೆ ಮುಖ್ಯ ವಿಷಯವೆಂದರೆ ಅವಳು ಹಾಗೆ ಮಾಡುವುದಿಲ್ಲ ಯಾವಾಗಲೂ ಮಾಯವಾಗುತ್ತದೆ. ನೀವು ಎಲ್ಲಾ ಹಂತಗಳು ಅನಂತತೆಗೆ ಸಾಯುವ ಸಂಭವನೀಯತೆಯನ್ನು ಸೇರಿಸಿದರೆ, ಫಲಿತಾಂಶವು 1 ಕ್ಕಿಂತ ಕಡಿಮೆಯಿರುತ್ತದೆ. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಸೋಂಕು ಶಾಶ್ವತವಾಗಿ ಮುಂದುವರಿಯುವ ಶೂನ್ಯವಲ್ಲದ ಸಂಭವನೀಯತೆ ಇರುತ್ತದೆ. ನೆಟ್‌ವರ್ಕ್ ಸೂಪರ್‌ಕ್ರಿಟಿಕಲ್ ಆಗಿರುವುದು ಇದರ ಅರ್ಥವಾಗಿದೆ.

SISA: ಸ್ವಯಂಪ್ರೇರಿತ ಸಕ್ರಿಯಗೊಳಿಸುವಿಕೆ

ಈ ಹಂತದವರೆಗೆ, ನಮ್ಮ ಎಲ್ಲಾ ಸಿಮ್ಯುಲೇಶನ್‌ಗಳು ಮಧ್ಯದಲ್ಲಿ ಪೂರ್ವ-ಸೋಂಕಿತ ನೋಡ್‌ಗಳ ಸಣ್ಣ ತುಣುಕಿನಿಂದ ಪ್ರಾರಂಭವಾಯಿತು.

ಆದರೆ ನೀವು ಮೊದಲಿನಿಂದ ಪ್ರಾರಂಭಿಸಿದರೆ ಏನು? ನಾವು ನಂತರ ಸ್ವಾಭಾವಿಕ ಸಕ್ರಿಯಗೊಳಿಸುವಿಕೆಯನ್ನು ಮಾಡೆಲ್ ಮಾಡುತ್ತೇವೆ - ಈ ಪ್ರಕ್ರಿಯೆಯ ಮೂಲಕ ಒಳಗಾಗುವ ನೋಡ್ ಆಕಸ್ಮಿಕವಾಗಿ ಸೋಂಕಿಗೆ ಒಳಗಾಗುತ್ತದೆ (ಅದರ ನೆರೆಹೊರೆಯವರಿಂದ ಅಲ್ಲ).

ಈ ಕರೆಯಲಾಗುತ್ತದೆ SISA ಮಾದರಿ. "ಎ" ಅಕ್ಷರವು "ಸ್ವಯಂಚಾಲಿತ" ಅನ್ನು ಸೂಚಿಸುತ್ತದೆ.

SISa ಸಿಮ್ಯುಲೇಶನ್‌ನಲ್ಲಿ, ಹೊಸ ಪ್ಯಾರಾಮೀಟರ್ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತದೆ - ಸ್ವಾಭಾವಿಕ ಸಕ್ರಿಯಗೊಳಿಸುವಿಕೆಯ ದರ, ಇದು ಸ್ವಾಭಾವಿಕ ಸೋಂಕಿನ ಆವರ್ತನವನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ (ನಾವು ಮೊದಲು ನೋಡಿದ ಪ್ರಸರಣ ದರ ನಿಯತಾಂಕವೂ ಸಹ ಇರುತ್ತದೆ).

ನೆಟ್ವರ್ಕ್ನಲ್ಲಿ ಸೋಂಕು ಹರಡಲು ಏನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ?

ಚರ್ಚೆ

ಸ್ವಯಂಪ್ರೇರಿತ ಸಕ್ರಿಯಗೊಳಿಸುವಿಕೆಯ ದರವನ್ನು ಹೆಚ್ಚಿಸುವುದರಿಂದ ಸೋಂಕು ಸಂಪೂರ್ಣ ನೆಟ್‌ವರ್ಕ್ ಅನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆಯೇ ಅಥವಾ ಇಲ್ಲವೇ ಎಂಬುದನ್ನು ನೀವು ಸಿಮ್ಯುಲೇಶನ್‌ನಲ್ಲಿ ಗಮನಿಸಿರಬಹುದು. ಮಾತ್ರ ಪ್ರಸರಣ ವೇಗ ನೆಟ್‌ವರ್ಕ್ ಉಪ-ಅಥವಾ ಸೂಪರ್‌ಕ್ರಿಟಿಕಲ್ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ. ಮತ್ತು ನೆಟ್‌ವರ್ಕ್ ಸಬ್‌ಕ್ರಿಟಿಕಲ್ ಆಗಿರುವಾಗ (ಪ್ರಸರಣ ದರ 22% ಕ್ಕಿಂತ ಕಡಿಮೆ ಅಥವಾ ಸಮನಾಗಿರುತ್ತದೆ), ಅದು ಎಷ್ಟು ಬಾರಿ ಪ್ರಾರಂಭವಾದರೂ ಯಾವುದೇ ಸೋಂಕು ಸಂಪೂರ್ಣ ಗ್ರಿಡ್‌ಗೆ ಹರಡುವುದಿಲ್ಲ.

ಇದು ಒದ್ದೆಯಾದ ಗದ್ದೆಗೆ ಬೆಂಕಿ ಹಚ್ಚುವಂತಿದೆ. ನೀವು ಕೆಲವು ಒಣ ಎಲೆಗಳನ್ನು ಬೆಂಕಿಯಲ್ಲಿ ಬೆಳಗಿಸಬಹುದು, ಆದರೆ ಜ್ವಾಲೆಯು ಬೇಗನೆ ಸಾಯುತ್ತದೆ ಏಕೆಂದರೆ ಉಳಿದ ಭೂದೃಶ್ಯವು ಸಾಕಷ್ಟು ಸುಡುವುದಿಲ್ಲ (ಸಬ್ಕ್ರಿಟಿಕಲ್). ತುಂಬಾ ಒಣ ಮೈದಾನದಲ್ಲಿ (ಸೂಪರ್ ಕ್ರಿಟಿಕಲ್), ಬೆಂಕಿ ಕೆರಳಲು ಒಂದು ಕಿಡಿ ಸಾಕು.

ಕಲ್ಪನೆಗಳು ಮತ್ತು ಆವಿಷ್ಕಾರಗಳ ಕ್ಷೇತ್ರದಲ್ಲಿ ಇದೇ ರೀತಿಯ ವಿಷಯಗಳನ್ನು ಗಮನಿಸಬಹುದು. ಸಾಮಾನ್ಯವಾಗಿ ಪ್ರಪಂಚವು ಕಲ್ಪನೆಗೆ ಸಿದ್ಧವಾಗಿಲ್ಲ, ಈ ಸಂದರ್ಭದಲ್ಲಿ ಅದನ್ನು ಮತ್ತೆ ಮತ್ತೆ ಕಂಡುಹಿಡಿಯಬಹುದು, ಆದರೆ ಅದು ಜನಸಾಮಾನ್ಯರನ್ನು ಆಕರ್ಷಿಸುವುದಿಲ್ಲ. ಮತ್ತೊಂದೆಡೆ, ಪ್ರಪಂಚವು ಆವಿಷ್ಕಾರಕ್ಕೆ ಸಂಪೂರ್ಣವಾಗಿ ಸಿದ್ಧವಾಗಬಹುದು (ಮಹಾನ್ ಸುಪ್ತ ಬೇಡಿಕೆ), ಮತ್ತು ಅದು ಹುಟ್ಟಿದ ತಕ್ಷಣ, ಅದನ್ನು ಎಲ್ಲರೂ ಒಪ್ಪಿಕೊಳ್ಳುತ್ತಾರೆ. ಮಧ್ಯದಲ್ಲಿ ಹಲವಾರು ಸ್ಥಳಗಳಲ್ಲಿ ಆವಿಷ್ಕರಿಸಿದ ಮತ್ತು ಸ್ಥಳೀಯವಾಗಿ ಹರಡುವ ವಿಚಾರಗಳಿವೆ, ಆದರೆ ಯಾವುದೇ ಒಂದು ಆವೃತ್ತಿಯು ಇಡೀ ನೆಟ್‌ವರ್ಕ್ ಅನ್ನು ಏಕಕಾಲದಲ್ಲಿ ಗುಡಿಸಲು ಸಾಕಾಗುವುದಿಲ್ಲ. ಈ ಕೊನೆಯ ವರ್ಗದಲ್ಲಿ, ಉದಾಹರಣೆಗೆ, ಕೃಷಿ ಮತ್ತು ಬರವಣಿಗೆಯನ್ನು ನಾವು ಕಂಡುಕೊಳ್ಳುತ್ತೇವೆ, ಇವುಗಳನ್ನು ವಿವಿಧ ಮಾನವ ನಾಗರಿಕತೆಗಳು ಕ್ರಮವಾಗಿ ಹತ್ತು ಮತ್ತು ಮೂರು ಬಾರಿ ಸ್ವತಂತ್ರವಾಗಿ ಕಂಡುಹಿಡಿದವು.

ರೋಗನಿರೋಧಕ ಶಕ್ತಿ

ನಾವು ಕೆಲವು ನೋಡ್‌ಗಳನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಅವೇಧನೀಯಗೊಳಿಸುತ್ತೇವೆ ಎಂದು ಭಾವಿಸೋಣ, ಅಂದರೆ, ಸಕ್ರಿಯಗೊಳಿಸುವಿಕೆಗೆ ಪ್ರತಿರಕ್ಷೆ. ಅವರು ಆರಂಭದಲ್ಲಿ ದೂರಸ್ಥ ಸ್ಥಿತಿಯಲ್ಲಿದ್ದಂತೆ ಮತ್ತು ಉಳಿದ ನೋಡ್‌ಗಳಲ್ಲಿ SIS(a) ಮಾದರಿಯನ್ನು ಪ್ರಾರಂಭಿಸಲಾಗಿದೆ.

ವಿನಾಯಿತಿ ಸ್ಲೈಡರ್ ತೆಗೆದುಹಾಕಲಾದ ನೋಡ್ಗಳ ಶೇಕಡಾವಾರು ಪ್ರಮಾಣವನ್ನು ನಿಯಂತ್ರಿಸುತ್ತದೆ. ಅದರ ಮೌಲ್ಯವನ್ನು ಬದಲಾಯಿಸಲು ಪ್ರಯತ್ನಿಸಿ (ಮಾದರಿಯು ಚಾಲನೆಯಲ್ಲಿರುವಾಗ!) ಮತ್ತು ಅದು ನೆಟ್‌ವರ್ಕ್‌ನ ಸ್ಥಿತಿಯನ್ನು ಹೇಗೆ ಪ್ರಭಾವಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ನೋಡಿ, ಅದು ಸೂಪರ್‌ಕ್ರಿಟಿಕಲ್ ಆಗಿರಲಿ ಅಥವಾ ಇಲ್ಲದಿರಲಿ.

ಚರ್ಚೆ

ಪ್ರತಿಕ್ರಿಯಿಸದ ನೋಡ್‌ಗಳ ಸಂಖ್ಯೆಯನ್ನು ಬದಲಾಯಿಸುವುದರಿಂದ ನೆಟ್‌ವರ್ಕ್ ಸಬ್- ಅಥವಾ ಸೂಪರ್‌ಕ್ರಿಟಿಕಲ್ ಆಗಿರುತ್ತದೆಯೇ ಎಂಬ ಚಿತ್ರವನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಬದಲಾಯಿಸುತ್ತದೆ. ಮತ್ತು ಏಕೆ ಎಂದು ನೋಡುವುದು ಕಷ್ಟವೇನಲ್ಲ. ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಒಳಗಾಗದ ಅತಿಥೇಯಗಳೊಂದಿಗೆ, ಸೋಂಕು ಹೊಸ ಹೋಸ್ಟ್ಗಳಿಗೆ ಹರಡಲು ಕಡಿಮೆ ಅವಕಾಶವನ್ನು ಹೊಂದಿದೆ.

ಇದು ಹಲವಾರು ಪ್ರಮುಖ ಪ್ರಾಯೋಗಿಕ ಪರಿಣಾಮಗಳನ್ನು ಹೊಂದಿದೆ ಎಂದು ಅದು ತಿರುಗುತ್ತದೆ.

ಅವುಗಳಲ್ಲಿ ಒಂದು ಕಾಡಿನ ಬೆಂಕಿ ಹರಡುವುದನ್ನು ತಡೆಯುವುದು. ಸ್ಥಳೀಯ ಮಟ್ಟದಲ್ಲಿ, ಪ್ರತಿಯೊಬ್ಬ ವ್ಯಕ್ತಿಯು ತಮ್ಮದೇ ಆದ ಮುನ್ನೆಚ್ಚರಿಕೆಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬೇಕು (ಉದಾಹರಣೆಗೆ, ತೆರೆದ ಜ್ವಾಲೆಯನ್ನು ಗಮನಿಸದೆ ಬಿಡಬೇಡಿ). ಆದರೆ ದೊಡ್ಡ ಪ್ರಮಾಣದಲ್ಲಿ, ಪ್ರತ್ಯೇಕ ಏಕಾಏಕಿ ಅನಿವಾರ್ಯ. ಆದ್ದರಿಂದ ರಕ್ಷಣೆಯ ಇನ್ನೊಂದು ವಿಧಾನವೆಂದರೆ ಸಾಕಷ್ಟು "ಬ್ರೇಕ್ಸ್" (ಸುಡುವ ವಸ್ತುಗಳ ಜಾಲದಲ್ಲಿ) ಇರುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವುದು ಇದರಿಂದ ಏಕಾಏಕಿ ಸಂಪೂರ್ಣ ನೆಟ್ವರ್ಕ್ ಅನ್ನು ಆವರಿಸುವುದಿಲ್ಲ. ತೆರವುಗೊಳಿಸುವಿಕೆಗಳು ಈ ಕಾರ್ಯವನ್ನು ನಿರ್ವಹಿಸುತ್ತವೆ:

ನಿಲ್ಲಿಸಲು ಮುಖ್ಯವಾದ ಮತ್ತೊಂದು ಏಕಾಏಕಿ ಸಾಂಕ್ರಾಮಿಕ ರೋಗ. ಇಲ್ಲಿ ಪರಿಕಲ್ಪನೆಯನ್ನು ಪರಿಚಯಿಸಲಾಗಿದೆ ಹಿಂಡಿನ ವಿನಾಯಿತಿ. ಇದು ಕೆಲವು ಜನರಿಗೆ ಲಸಿಕೆ ನೀಡಲಾಗುವುದಿಲ್ಲ ಎಂಬ ಕಲ್ಪನೆಯಾಗಿದೆ (ಉದಾಹರಣೆಗೆ, ಅವರು ದುರ್ಬಲಗೊಂಡ ಪ್ರತಿರಕ್ಷಣಾ ವ್ಯವಸ್ಥೆಯನ್ನು ಹೊಂದಿದ್ದಾರೆ), ಆದರೆ ಸಾಕಷ್ಟು ಜನರು ಸೋಂಕಿನಿಂದ ರೋಗನಿರೋಧಕವಾಗಿದ್ದರೆ, ರೋಗವು ಅನಿರ್ದಿಷ್ಟವಾಗಿ ಹರಡುವುದಿಲ್ಲ. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ನೀವು ಲಸಿಕೆ ಹಾಕಬೇಕು ಸಾಕಷ್ಟು ಜನಸಂಖ್ಯೆಯ ಭಾಗವು ಜನಸಂಖ್ಯೆಯನ್ನು ಸೂಪರ್ಕ್ರಿಟಿಕಲ್ನಿಂದ ಸಬ್ಕ್ರಿಟಿಕಲ್ ಸ್ಥಿತಿಗೆ ವರ್ಗಾಯಿಸಲು. ಇದು ಸಂಭವಿಸಿದಾಗ, ಒಬ್ಬ ರೋಗಿಯು ಇನ್ನೂ ಸೋಂಕಿಗೆ ಒಳಗಾಗಬಹುದು (ಉದಾಹರಣೆಗೆ, ಇನ್ನೊಂದು ಪ್ರದೇಶಕ್ಕೆ ಪ್ರಯಾಣಿಸಿದ ನಂತರ), ಆದರೆ ಬೆಳೆಯುವ ಸೂಪರ್ಕ್ರಿಟಿಕಲ್ ನೆಟ್ವರ್ಕ್ ಇಲ್ಲದೆ, ರೋಗವು ಕೇವಲ ಬೆರಳೆಣಿಕೆಯಷ್ಟು ಜನರಿಗೆ ಮಾತ್ರ ಸೋಂಕು ತರುತ್ತದೆ.

ಅಂತಿಮವಾಗಿ, ಪ್ರತಿರಕ್ಷಣಾ ನೋಡ್‌ಗಳ ಪರಿಕಲ್ಪನೆಯು ಪರಮಾಣು ರಿಯಾಕ್ಟರ್‌ನಲ್ಲಿ ಏನಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ವಿವರಿಸುತ್ತದೆ. ಸರಪಳಿ ಕ್ರಿಯೆಯಲ್ಲಿ, ಕೊಳೆಯುತ್ತಿರುವ ಯುರೇನಿಯಂ-235 ಪರಮಾಣು ಸುಮಾರು ಮೂರು ನ್ಯೂಟ್ರಾನ್‌ಗಳನ್ನು ಬಿಡುಗಡೆ ಮಾಡುತ್ತದೆ, ಇದು ಒಂದಕ್ಕಿಂತ ಹೆಚ್ಚು U-235 ಪರಮಾಣುಗಳ ವಿದಳನಕ್ಕೆ (ಸರಾಸರಿ) ಕಾರಣವಾಗುತ್ತದೆ. ಹೊಸ ನ್ಯೂಟ್ರಾನ್‌ಗಳು ನಂತರ ಪರಮಾಣುಗಳ ಮತ್ತಷ್ಟು ವಿಭಜನೆಗೆ ಕಾರಣವಾಗುತ್ತವೆ ಮತ್ತು ಹೀಗೆ ಘಾತೀಯವಾಗಿ:

ಬಾಂಬ್ ಅನ್ನು ನಿರ್ಮಿಸುವಾಗ, ಘಾತೀಯ ಬೆಳವಣಿಗೆಯನ್ನು ಪರಿಶೀಲಿಸದೆ ಮುಂದುವರಿಸುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವುದು ಸಂಪೂರ್ಣ ಅಂಶವಾಗಿದೆ. ಆದರೆ ವಿದ್ಯುತ್ ಸ್ಥಾವರದಲ್ಲಿ, ನಿಮ್ಮ ಸುತ್ತಲಿನ ಎಲ್ಲರನ್ನು ಕೊಲ್ಲದೆ ಶಕ್ತಿಯನ್ನು ಉತ್ಪಾದಿಸುವುದು ಗುರಿಯಾಗಿದೆ. ಈ ಉದ್ದೇಶಕ್ಕಾಗಿ ಅವುಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ ನಿಯಂತ್ರಣ ರಾಡ್ಗಳು, ನ್ಯೂಟ್ರಾನ್ಗಳನ್ನು ಹೀರಿಕೊಳ್ಳುವ ವಸ್ತುವಿನಿಂದ ತಯಾರಿಸಲಾಗುತ್ತದೆ (ಉದಾಹರಣೆಗೆ, ಬೆಳ್ಳಿ ಅಥವಾ ಬೋರಾನ್). ಅವು ನ್ಯೂಟ್ರಾನ್‌ಗಳನ್ನು ಬಿಡುಗಡೆ ಮಾಡುವ ಬದಲು ಹೀರಿಕೊಳ್ಳುವುದರಿಂದ, ಅವು ನಮ್ಮ ಸಿಮ್ಯುಲೇಶನ್‌ನಲ್ಲಿ ಪ್ರತಿರಕ್ಷಣಾ ನೋಡ್‌ಗಳಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ, ಇದರಿಂದಾಗಿ ವಿಕಿರಣಶೀಲ ನ್ಯೂಕ್ಲಿಯಸ್ ಸೂಪರ್‌ಕ್ರಿಟಿಕಲ್ ಆಗುವುದನ್ನು ತಡೆಯುತ್ತದೆ.

ಆದ್ದರಿಂದ ಪರಮಾಣು ರಿಯಾಕ್ಟರ್‌ಗೆ ಟ್ರಿಕ್ ಎಂದರೆ ನಿಯಂತ್ರಣ ರಾಡ್‌ಗಳನ್ನು ಹಿಂದಕ್ಕೆ ಮತ್ತು ಮುಂದಕ್ಕೆ ಚಲಿಸುವ ಮೂಲಕ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ನಿರ್ಣಾಯಕ ಮಿತಿಯ ಬಳಿ ಇರಿಸುವುದು ಮತ್ತು ಏನಾದರೂ ತಪ್ಪಾದಾಗ, ರಾಡ್‌ಗಳು ಕೋರ್‌ಗೆ ಇಳಿದು ಅದನ್ನು ನಿಲ್ಲಿಸುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವುದು.

ಪದವಿ

ಪದವಿ ಒಂದು ನೋಡ್ ಅದರ ನೆರೆಹೊರೆಯವರ ಸಂಖ್ಯೆ. ಈ ಹಂತದವರೆಗೆ, ನಾವು ಡಿಗ್ರಿ 4 ರ ನೆಟ್ವರ್ಕ್ಗಳನ್ನು ಪರಿಗಣಿಸಿದ್ದೇವೆ. ಆದರೆ ನೀವು ಈ ನಿಯತಾಂಕವನ್ನು ಬದಲಾಯಿಸಿದರೆ ಏನಾಗುತ್ತದೆ?

ಉದಾಹರಣೆಗೆ, ನೀವು ಪ್ರತಿ ನೋಡ್ ಅನ್ನು ನಾಲ್ಕು ತಕ್ಷಣದ ನೆರೆಹೊರೆಯವರಿಗೆ ಮಾತ್ರವಲ್ಲದೆ ಇನ್ನೂ ನಾಲ್ಕು ಕರ್ಣೀಯವಾಗಿ ಸಂಪರ್ಕಿಸಬಹುದು. ಅಂತಹ ನೆಟ್ವರ್ಕ್ನಲ್ಲಿ ಪದವಿ 8 ಆಗಿರುತ್ತದೆ.

4 ಮತ್ತು 8 ಡಿಗ್ರಿಗಳೊಂದಿಗೆ ಲ್ಯಾಟಿಸ್ಗಳು ಚೆನ್ನಾಗಿ ಸಮ್ಮಿತೀಯವಾಗಿರುತ್ತವೆ. ಆದರೆ ಪದವಿ 5 ರೊಂದಿಗೆ (ಉದಾಹರಣೆಗೆ), ಸಮಸ್ಯೆ ಉದ್ಭವಿಸುತ್ತದೆ: ನಾವು ಯಾವ ಐದು ನೆರೆಹೊರೆಗಳನ್ನು ಆರಿಸಬೇಕು? ಈ ಸಂದರ್ಭದಲ್ಲಿ, ನಾವು ನಾಲ್ಕು ಹತ್ತಿರದ ನೆರೆಹೊರೆಯವರನ್ನು ಆಯ್ಕೆ ಮಾಡುತ್ತೇವೆ (N, E, S, W), ಮತ್ತು ನಂತರ ಯಾದೃಚ್ಛಿಕವಾಗಿ {NE, SE, SW, NW} ಸೆಟ್‌ನಿಂದ ಒಂದು ನೆರೆಯವರನ್ನು ಆಯ್ಕೆ ಮಾಡಿ. ಪ್ರತಿ ಬಾರಿ ಹಂತದಲ್ಲೂ ಪ್ರತಿ ನೋಡ್‌ಗೆ ಆಯ್ಕೆಯನ್ನು ಸ್ವತಂತ್ರವಾಗಿ ಮಾಡಲಾಗುತ್ತದೆ.

ಚರ್ಚೆ

ಮತ್ತೆ, ಇಲ್ಲಿ ಏನಾಗುತ್ತಿದೆ ಎಂದು ನೋಡುವುದು ಕಷ್ಟವೇನಲ್ಲ. ಪ್ರತಿ ನೋಡ್ ಹೆಚ್ಚು ನೆರೆಹೊರೆಯವರನ್ನು ಹೊಂದಿರುವಾಗ, ಸೋಂಕು ಹರಡುವ ಸಾಧ್ಯತೆಗಳು ಹೆಚ್ಚಾಗುತ್ತವೆ-ಹೀಗಾಗಿ ನೆಟ್‌ವರ್ಕ್ ನಿರ್ಣಾಯಕವಾಗುವ ಸಾಧ್ಯತೆಯಿದೆ.

ಆದಾಗ್ಯೂ, ಪರಿಣಾಮಗಳು ಅನಿರೀಕ್ಷಿತವಾಗಿರಬಹುದು, ಏಕೆಂದರೆ ನಾವು ಕೆಳಗೆ ನೋಡುತ್ತೇವೆ.

ನಗರಗಳು ಮತ್ತು ನೆಟ್‌ವರ್ಕ್ ಸಾಂದ್ರತೆ

ಇಲ್ಲಿಯವರೆಗೆ, ನಮ್ಮ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಸಂಪೂರ್ಣವಾಗಿ ಏಕರೂಪವಾಗಿವೆ. ಪ್ರತಿಯೊಂದು ನೋಡ್ ಇತರರಂತೆ ಕಾಣುತ್ತದೆ. ಆದರೆ ನಾವು ಪರಿಸ್ಥಿತಿಗಳನ್ನು ಬದಲಾಯಿಸಿದರೆ ಮತ್ತು ನೆಟ್‌ವರ್ಕ್‌ನಾದ್ಯಂತ ವಿಭಿನ್ನ ನೋಡ್ ಸ್ಥಿತಿಗಳನ್ನು ಅನುಮತಿಸಿದರೆ ಏನು?

ಉದಾಹರಣೆಗೆ, ಮಾದರಿ ನಗರಗಳನ್ನು ಮಾಡಲು ಪ್ರಯತ್ನಿಸೋಣ. ಇದನ್ನು ಮಾಡಲು, ನಾವು ನೆಟ್ವರ್ಕ್ನ ಕೆಲವು ಭಾಗಗಳಲ್ಲಿ ಸಾಂದ್ರತೆಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತೇವೆ (ಉನ್ನತ ಮಟ್ಟದ ನೋಡ್ಗಳು). ನಾಗರಿಕರು ಹೊಂದಿರುವ ಡೇಟಾವನ್ನು ಆಧರಿಸಿ ನಾವು ಇದನ್ನು ಮಾಡುತ್ತೇವೆ ವಿಶಾಲ ಸಾಮಾಜಿಕ ವಲಯ ಮತ್ತು ಹೆಚ್ಚು ಸಾಮಾಜಿಕ ಸಂವಹನಗಳುನಗರಗಳ ಹೊರಗಿನ ಜನರಿಗಿಂತ.

ನಮ್ಮ ಮಾದರಿಯಲ್ಲಿ, ಒಳಗಾಗುವ ನೋಡ್‌ಗಳನ್ನು ಅವುಗಳ ಪದವಿಯ ಆಧಾರದ ಮೇಲೆ ಬಣ್ಣಿಸಲಾಗುತ್ತದೆ. "ಗ್ರಾಮೀಣ ಪ್ರದೇಶಗಳಲ್ಲಿ" ನೋಡ್‌ಗಳು ಡಿಗ್ರಿ 4 (ಮತ್ತು ತಿಳಿ ಬೂದು ಬಣ್ಣವನ್ನು ಹೊಂದಿರುತ್ತವೆ), ಆದರೆ "ನಗರ ಪ್ರದೇಶಗಳಲ್ಲಿ" ನೋಡ್‌ಗಳು ಹೆಚ್ಚಿನ ಡಿಗ್ರಿಗಳನ್ನು ಹೊಂದಿರುತ್ತವೆ (ಮತ್ತು ಗಾಢವಾದ ಬಣ್ಣವನ್ನು ಹೊಂದಿರುತ್ತವೆ), ಹೊರವಲಯದಲ್ಲಿ ಡಿಗ್ರಿ 5 ರಿಂದ ಪ್ರಾರಂಭವಾಗಿ ನಗರ ಕೇಂದ್ರದಲ್ಲಿ 8 ಕ್ಕೆ ಕೊನೆಗೊಳ್ಳುತ್ತದೆ .

ಪ್ರಸರಣ ವೇಗವನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ಪ್ರಯತ್ನಿಸಿ, ಅಂದರೆ ಸಕ್ರಿಯಗೊಳಿಸುವಿಕೆಯು ನಗರಗಳನ್ನು ಆವರಿಸುತ್ತದೆ ಮತ್ತು ನಂತರ ಅವರ ಗಡಿಗಳನ್ನು ಮೀರಿ ಹೋಗುವುದಿಲ್ಲ.

ನನಗೆ ಈ ಸಿಮ್ಯುಲೇಶನ್ ಸ್ಪಷ್ಟ ಮತ್ತು ಆಶ್ಚರ್ಯಕರವಾಗಿದೆ. ಖಂಡಿತ, ನಗರಗಳು ಗ್ರಾಮೀಣ ಪ್ರದೇಶಗಳಿಗಿಂತ ಸಾಂಸ್ಕೃತಿಕ ಮಟ್ಟವನ್ನು ಉತ್ತಮವಾಗಿ ನಿರ್ವಹಿಸುತ್ತವೆ - ಇದು ಎಲ್ಲರಿಗೂ ತಿಳಿದಿದೆ. ನನಗೆ ಆಶ್ಚರ್ಯಕರ ಸಂಗತಿಯೆಂದರೆ, ಈ ಕೆಲವು ಸಾಂಸ್ಕೃತಿಕ ವೈವಿಧ್ಯಗಳು ಸಾಮಾಜಿಕ ಜಾಲತಾಣದ ಸ್ಥಳಶಾಸ್ತ್ರದ ಆಧಾರದ ಮೇಲೆ ಉದ್ಭವಿಸುತ್ತವೆ.

ಇದು ಆಸಕ್ತಿದಾಯಕ ಅಂಶವಾಗಿದೆ, ನಾನು ಅದನ್ನು ಹೆಚ್ಚು ವಿವರವಾಗಿ ವಿವರಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತೇನೆ.

ಇಲ್ಲಿ ನಾವು ವ್ಯಕ್ತಿಯಿಂದ ವ್ಯಕ್ತಿಗೆ ಸರಳವಾಗಿ ಮತ್ತು ನೇರವಾಗಿ ಹರಡುವ ಸಂಸ್ಕೃತಿಯ ರೂಪಗಳೊಂದಿಗೆ ವ್ಯವಹರಿಸುತ್ತೇವೆ. ಉದಾಹರಣೆಗೆ, ಶಿಷ್ಟಾಚಾರ, ಪಾರ್ಲರ್ ಆಟಗಳು, ಫ್ಯಾಷನ್ ಪ್ರವೃತ್ತಿಗಳು, ಭಾಷಾ ಪ್ರವೃತ್ತಿಗಳು, ಸಣ್ಣ ಗುಂಪು ಆಚರಣೆಗಳು ಮತ್ತು ಬಾಯಿಯ ಮಾತಿನ ಮೂಲಕ ಹರಡುವ ಉತ್ಪನ್ನಗಳು, ಜೊತೆಗೆ ನಾವು ಕಲ್ಪನೆಗಳು ಎಂದು ಕರೆಯುವ ಮಾಹಿತಿಯ ಸಂಪೂರ್ಣ ಪ್ಯಾಕೇಜ್‌ಗಳು.

(ಗಮನಿಸಿ: ಜನರ ನಡುವೆ ಮಾಹಿತಿಯ ಪ್ರಸರಣವು ಮಾಧ್ಯಮದಿಂದ ಅತ್ಯಂತ ಕಷ್ಟಕರವಾಗಿದೆ. ಪ್ರಾಚೀನ ಗ್ರೀಸ್‌ನಂತಹ ಕೆಲವು ತಾಂತ್ರಿಕವಾಗಿ ಪ್ರಾಚೀನ ವಾತಾವರಣವನ್ನು ಕಲ್ಪಿಸುವುದು ಸುಲಭ, ಅಲ್ಲಿ ಸಂಸ್ಕೃತಿಯ ಪ್ರತಿಯೊಂದು ಕಿಡಿಯು ಭೌತಿಕ ಜಾಗದಲ್ಲಿ ಪರಸ್ಪರ ಕ್ರಿಯೆಯಿಂದ ಹರಡುತ್ತದೆ.)

ಮೇಲಿನ ಸಿಮ್ಯುಲೇಶನ್‌ನಿಂದ, ನಗರದಲ್ಲಿ ಬೇರುಬಿಡುವ ಮತ್ತು ಹರಡುವ ಕಲ್ಪನೆಗಳು ಮತ್ತು ಸಾಂಸ್ಕೃತಿಕ ಆಚರಣೆಗಳಿವೆ ಎಂದು ನಾನು ಕಲಿತಿದ್ದೇನೆ, ಆದರೆ ಅವು ಗ್ರಾಮೀಣ ಪ್ರದೇಶಗಳಲ್ಲಿ ಹರಡಲು ಸಾಧ್ಯವಿಲ್ಲ (ಗಣಿತವಾಗಿ ಸಾಧ್ಯವಿಲ್ಲ). ಇವು ಒಂದೇ ಆಲೋಚನೆಗಳು ಮತ್ತು ಒಂದೇ ಜನರು. ಗ್ರಾಮೀಣ ನಿವಾಸಿಗಳು ಹೇಗಾದರೂ "ಆಪ್ತ ಮನಸ್ಸಿನವರು" ಎಂದು ಅಲ್ಲ: ಅದೇ ಆಲೋಚನೆಯೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸುವಾಗ, ಅವರು ಅದನ್ನು ಹಿಡಿಯಲು ನಿಖರವಾಗಿ ಅದೇ ಅವಕಾಶಗಳುಊರಿನವರಂತೆ. ಈ ಕಲ್ಪನೆಯು ಗ್ರಾಮೀಣ ಪ್ರದೇಶಗಳಲ್ಲಿ ವೈರಲ್ ಆಗಲು ಸಾಧ್ಯವಿಲ್ಲ, ಏಕೆಂದರೆ ಅದು ಹರಡಬಹುದಾದ ಹೆಚ್ಚಿನ ಸಂಪರ್ಕಗಳಿಲ್ಲ.

ಇದು ಬಹುಶಃ ಫ್ಯಾಷನ್ ಕ್ಷೇತ್ರದಲ್ಲಿ ನೋಡಲು ಸುಲಭವಾಗಿದೆ - ಬಟ್ಟೆ, ಕೇಶವಿನ್ಯಾಸ, ಇತ್ಯಾದಿ. ಫ್ಯಾಶನ್ ನೆಟ್‌ವರ್ಕ್‌ನಲ್ಲಿ, ಇಬ್ಬರು ವ್ಯಕ್ತಿಗಳು ಪರಸ್ಪರರ ಬಟ್ಟೆಗಳನ್ನು ಗಮನಿಸಿದಾಗ ನಾವು ಲ್ಯಾಟಿಸ್‌ನ ಅಂಚನ್ನು ಸೆರೆಹಿಡಿಯಬಹುದು. ನಗರ ಕೇಂದ್ರದಲ್ಲಿ, ಪ್ರತಿಯೊಬ್ಬ ವ್ಯಕ್ತಿಯು ಪ್ರತಿದಿನ 1000 ಕ್ಕೂ ಹೆಚ್ಚು ಜನರನ್ನು ನೋಡಬಹುದು - ಬೀದಿಯಲ್ಲಿ, ಸುರಂಗಮಾರ್ಗದಲ್ಲಿ, ಕಿಕ್ಕಿರಿದ ರೆಸ್ಟೋರೆಂಟ್‌ನಲ್ಲಿ, ಇತ್ಯಾದಿ. ಗ್ರಾಮೀಣ ಪ್ರದೇಶದಲ್ಲಿ, ಇದಕ್ಕೆ ವಿರುದ್ಧವಾಗಿ, ಪ್ರತಿಯೊಬ್ಬ ವ್ಯಕ್ತಿಯು ಕೇವಲ ಒಂದೆರಡು ಡಜನ್‌ಗಳನ್ನು ಮಾತ್ರ ನೋಡಬಹುದು. ಇತರರು. ಆಧಾರಿತ ಈ ವ್ಯತ್ಯಾಸ ಮಾತ್ರ, ನಗರವು ಹೆಚ್ಚು ಫ್ಯಾಷನ್ ಪ್ರವೃತ್ತಿಗಳನ್ನು ಬೆಂಬಲಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ. ಮತ್ತು ಅತ್ಯಂತ ಬಲವಾದ ಪ್ರವೃತ್ತಿಗಳು-ಅತ್ಯಧಿಕ ಪ್ರಸರಣ ದರಗಳನ್ನು ಹೊಂದಿರುವವು-ನಗರದ ಹೊರಗೆ ನೆಲೆಯನ್ನು ಪಡೆಯಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.

ಒಂದು ಕಲ್ಪನೆಯು ಒಳ್ಳೆಯದಾಗಿದ್ದರೆ, ಅದು ಅಂತಿಮವಾಗಿ ಎಲ್ಲರಿಗೂ ತಲುಪುತ್ತದೆ ಮತ್ತು ಒಂದು ಕಲ್ಪನೆಯು ಕೆಟ್ಟದಾಗಿದ್ದರೆ, ಅದು ಕಣ್ಮರೆಯಾಗುತ್ತದೆ ಎಂದು ನಾವು ಭಾವಿಸುತ್ತೇವೆ. ಸಹಜವಾಗಿ, ಇದು ವಿಪರೀತ ಸಂದರ್ಭಗಳಲ್ಲಿ ನಿಜವಾಗಿದೆ, ಆದರೆ ನಡುವೆ ಕೆಲವು ನೆಟ್‌ವರ್ಕ್‌ಗಳಲ್ಲಿ ಮಾತ್ರ ವೈರಲ್ ಆಗಬಹುದಾದ ಬಹಳಷ್ಟು ವಿಚಾರಗಳು ಮತ್ತು ಅಭ್ಯಾಸಗಳು ಇವೆ. ಇದು ನಿಜವಾಗಿಯೂ ಅದ್ಭುತವಾಗಿದೆ.

ನಗರಗಳು ಮಾತ್ರವಲ್ಲ

ನಾವು ಇಲ್ಲಿ ಪರಿಣಾಮವನ್ನು ನೋಡುತ್ತಿದ್ದೇವೆ ನೆಟ್ವರ್ಕ್ ಸಾಂದ್ರತೆ. ಕೊಟ್ಟಿರುವ ನೋಡ್‌ಗಳ ಗುಂಪಿಗೆ ಇದನ್ನು ಸಂಖ್ಯೆ ಎಂದು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ ನಿಜವಾದ ಪಕ್ಕೆಲುಬುಗಳು, ಸಂಖ್ಯೆಯಿಂದ ಭಾಗಿಸಲಾಗಿದೆ ಸಂಭಾವ್ಯ ಅಂಚುಗಳು. ಅಂದರೆ, ನಿಜವಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಸಂಭವನೀಯ ಸಂಪರ್ಕಗಳ ಶೇಕಡಾವಾರು.

ಹಾಗಾಗಿ, ನಗರ ಕೇಂದ್ರಗಳಲ್ಲಿ ನೆಟ್‌ವರ್ಕ್ ಸಾಂದ್ರತೆಯು ಗ್ರಾಮೀಣ ಪ್ರದೇಶಗಳಿಗಿಂತ ಹೆಚ್ಚಿರುವುದನ್ನು ನಾವು ನೋಡಿದ್ದೇವೆ. ಆದರೆ ನಗರಗಳು ಮಾತ್ರ ನಾವು ದಟ್ಟವಾದ ಜಾಲಗಳನ್ನು ಕಾಣುವ ಸ್ಥಳವಲ್ಲ.

ಒಂದು ಕುತೂಹಲಕಾರಿ ಉದಾಹರಣೆಯೆಂದರೆ ಮಾಧ್ಯಮಿಕ ಶಾಲೆಗಳು. ಉದಾಹರಣೆಗೆ, ಒಂದು ನಿರ್ದಿಷ್ಟ ಪ್ರದೇಶಕ್ಕಾಗಿ, ನಾವು ಶಾಲಾ ಮಕ್ಕಳ ನಡುವೆ ಇರುವ ನೆಟ್‌ವರ್ಕ್ ಅನ್ನು ಅವರ ಪೋಷಕರ ನಡುವೆ ಇರುವ ನೆಟ್‌ವರ್ಕ್‌ನೊಂದಿಗೆ ಹೋಲಿಸುತ್ತೇವೆ. ಒಂದೇ ಭೌಗೋಳಿಕ ಪ್ರದೇಶ ಮತ್ತು ಅದೇ ಜನಸಂಖ್ಯೆ, ಆದರೆ ಒಂದು ಜಾಲವು ಇನ್ನೊಂದಕ್ಕಿಂತ ಹಲವು ಪಟ್ಟು ಸಾಂದ್ರವಾಗಿರುತ್ತದೆ. ಆದ್ದರಿಂದ ಹದಿಹರೆಯದವರಲ್ಲಿ ಫ್ಯಾಷನ್ ಮತ್ತು ಭಾಷಾ ಪ್ರವೃತ್ತಿಗಳು ಹೆಚ್ಚು ವೇಗವಾಗಿ ಹರಡುವುದರಲ್ಲಿ ಆಶ್ಚರ್ಯವೇನಿಲ್ಲ.

ಅಂತೆಯೇ, ಎಲೈಟ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಗಣ್ಯರಲ್ಲದ ನೆಟ್‌ವರ್ಕ್‌ಗಳಿಗಿಂತ ಹೆಚ್ಚು ಸಾಂದ್ರವಾಗಿರುತ್ತದೆ - ಇದು ಕಡಿಮೆ ಮೌಲ್ಯಯುತವಾಗಿದೆ ಎಂದು ನಾನು ಭಾವಿಸುತ್ತೇನೆ (ಜನಪ್ರಿಯ ಅಥವಾ ಪ್ರಭಾವಶಾಲಿ ಜನರು ಹೆಚ್ಚು ಸಮಯವನ್ನು ನೆಟ್‌ವರ್ಕಿಂಗ್‌ನಲ್ಲಿ ಕಳೆಯುತ್ತಾರೆ ಮತ್ತು ಆದ್ದರಿಂದ ಸಾಮಾನ್ಯ ಜನರಿಗಿಂತ ಹೆಚ್ಚು "ನೆರೆಹೊರೆಯವರು" ಹೊಂದಿದ್ದಾರೆ). ಮೇಲಿನ ಸಿಮ್ಯುಲೇಶನ್‌ಗಳ ಆಧಾರದ ಮೇಲೆ, ನೆಟ್‌ವರ್ಕ್‌ನ ಸರಾಸರಿ ಪದವಿಯ ಗಣಿತದ ನಿಯಮಗಳ ಆಧಾರದ ಮೇಲೆ ಮುಖ್ಯವಾಹಿನಿಯಿಂದ ಬೆಂಬಲಿಸಲಾಗದ ಕೆಲವು ಸಾಂಸ್ಕೃತಿಕ ರೂಪಗಳನ್ನು ಗಣ್ಯ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಬೆಂಬಲಿಸುತ್ತವೆ ಎಂದು ನಾವು ನಿರೀಕ್ಷಿಸುತ್ತೇವೆ. ಈ ಸಾಂಸ್ಕೃತಿಕ ರೂಪಗಳು ಏನಾಗಿರಬಹುದು ಎಂಬುದರ ಕುರಿತು ಊಹಿಸಲು ನಾನು ನಿಮಗೆ ಬಿಡುತ್ತೇನೆ.

ಅಂತಿಮವಾಗಿ, ನಾವು ಈ ಕಲ್ಪನೆಯನ್ನು ದೊಡ್ಡದಾಗಿ ಮಾಡೆಲಿಂಗ್ ಮಾಡುವ ಮೂಲಕ ಇಂಟರ್ನೆಟ್‌ಗೆ ಅನ್ವಯಿಸಬಹುದು ಮತ್ತು ಬಹಳ ಬಿಗಿ ನಗರ. ಸಂಪೂರ್ಣವಾಗಿ ಪ್ರಾದೇಶಿಕ ನೆಟ್‌ವರ್ಕ್‌ಗಳಲ್ಲಿ ಸರಳವಾಗಿ ಬೆಂಬಲಿಸಲಾಗದ ಹಲವಾರು ಹೊಸ ರೀತಿಯ ಸಂಸ್ಕೃತಿಗಳು ಆನ್‌ಲೈನ್‌ನಲ್ಲಿ ಅಭಿವೃದ್ಧಿ ಹೊಂದುತ್ತಿರುವುದು ಆಶ್ಚರ್ಯವೇನಿಲ್ಲ: ಸ್ಥಾಪಿತ ಹವ್ಯಾಸಗಳು, ಉತ್ತಮ ವಿನ್ಯಾಸ ಮಾನದಂಡಗಳು, ಅನ್ಯಾಯದ ಬಗ್ಗೆ ಹೆಚ್ಚಿನ ಅರಿವು, ಇತ್ಯಾದಿ. ಮತ್ತು ಇದು ಕೇವಲ ಒಳ್ಳೆಯ ಸಂಗತಿಗಳಲ್ಲ. ಆರಂಭಿಕ ನಗರಗಳು ಕಡಿಮೆ ಜನಸಾಂದ್ರತೆಯಲ್ಲಿ ಹರಡಲು ಸಾಧ್ಯವಾಗದ ರೋಗಗಳ ಸಂತಾನೋತ್ಪತ್ತಿಗೆ ಆಧಾರವಾಗಿದ್ದಂತೆಯೇ, ಅಂತರ್ಜಾಲವು ಮಾರಣಾಂತಿಕ ಸಾಂಸ್ಕೃತಿಕ ರೂಪಗಳಾದ ಕ್ಲಿಕ್‌ಬೈಟ್, ನಕಲಿ ಸುದ್ದಿಗಳು ಮತ್ತು ಕೃತಕ ಆಕ್ರೋಶವನ್ನು ಹುಟ್ಟುಹಾಕುವ ಮೂಲವಾಗಿದೆ.

ಜ್ಞಾನ

"ಸರಿಯಾದ ಸಮಯದಲ್ಲಿ ಸರಿಯಾದ ತಜ್ಞರನ್ನು ಹೊಂದಿರುವುದು ಸೃಜನಾತ್ಮಕ ಸಮಸ್ಯೆ ಪರಿಹಾರಕ್ಕೆ ಅತ್ಯಮೂಲ್ಯವಾದ ಸಂಪನ್ಮೂಲವಾಗಿದೆ." - ಮೈಕೆಲ್ ನೀಲ್ಸನ್, ಇನ್ವೆಂಟಿಂಗ್ ಡಿಸ್ಕವರಿ

ನಾವು ಸಾಮಾನ್ಯವಾಗಿ ಆವಿಷ್ಕಾರ ಅಥವಾ ಆವಿಷ್ಕಾರವನ್ನು ಒಬ್ಬ ಪ್ರತಿಭೆಯ ಮನಸ್ಸಿನಲ್ಲಿ ಸಂಭವಿಸುವ ಪ್ರಕ್ರಿಯೆ ಎಂದು ಭಾವಿಸುತ್ತೇವೆ. ಅವರು ಸ್ಫೂರ್ತಿಯ ಮಿಂಚಿನಿಂದ ಆಘಾತಕ್ಕೊಳಗಾಗಿದ್ದಾರೆ ಮತ್ತು - ಯುರೇಕಾ! — ಇದ್ದಕ್ಕಿದ್ದಂತೆ ನಾವು ಪರಿಮಾಣವನ್ನು ಅಳೆಯಲು ಹೊಸ ಮಾರ್ಗವನ್ನು ಹೊಂದಿದ್ದೇವೆ. ಅಥವಾ ಗುರುತ್ವಾಕರ್ಷಣೆಯ ಸಮೀಕರಣ. ಅಥವಾ ಬೆಳಕಿನ ಬಲ್ಬ್.

ಆದರೆ ಆವಿಷ್ಕಾರದ ಕ್ಷಣದಲ್ಲಿ ನಾವು ಒಂಟಿ ಆವಿಷ್ಕಾರಕನ ದೃಷ್ಟಿಕೋನವನ್ನು ತೆಗೆದುಕೊಂಡರೆ, ನಾವು ವಿದ್ಯಮಾನವನ್ನು ನೋಡುತ್ತಿದ್ದೇವೆ ನೋಡ್‌ನ ದೃಷ್ಟಿಕೋನದಿಂದ. ಆವಿಷ್ಕಾರವನ್ನು ಅರ್ಥೈಸುವುದು ಹೆಚ್ಚು ಸರಿಯಾಗಿದೆ ಜಾಲಬಂಧ ವಿದ್ಯಮಾನ.

ನೆಟ್ವರ್ಕ್ ಕನಿಷ್ಠ ಎರಡು ರೀತಿಯಲ್ಲಿ ಮುಖ್ಯವಾಗಿದೆ. ಮೊದಲನೆಯದಾಗಿ, ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಆಲೋಚನೆಗಳು ಭೇದಿಸಬೇಕಾಗಿದೆ ಪ್ರಜ್ಞೆಗೆ ಸಂಶೋಧಕ. ಇವುಗಳು ಹೊಸ ಲೇಖನದ ಉಲ್ಲೇಖಗಳು, ಹೊಸ ಪುಸ್ತಕದ ಗ್ರಂಥಸೂಚಿ ವಿಭಾಗ - ನ್ಯೂಟನ್ ಅವರ ಹೆಗಲ ಮೇಲೆ ನಿಂತಿರುವ ದೈತ್ಯರು. ಎರಡನೆಯದಾಗಿ, ಹೊಸ ಕಲ್ಪನೆಯನ್ನು ಹಿಂದಿರುಗಿಸಲು ನೆಟ್ವರ್ಕ್ ನಿರ್ಣಾಯಕವಾಗಿದೆ ಹಿಂದೆ ಜಗತ್ತಿನಲ್ಲಿ; ಹರಡದ ಆವಿಷ್ಕಾರವನ್ನು "ಆವಿಷ್ಕಾರ" ಎಂದು ಕರೆಯುವುದು ಅಷ್ಟೇನೂ ಯೋಗ್ಯವಲ್ಲ. ಹೀಗಾಗಿ, ಈ ಎರಡೂ ಕಾರಣಗಳಿಗಾಗಿ, ಆವಿಷ್ಕಾರವನ್ನು-ಅಥವಾ, ಹೆಚ್ಚು ವಿಶಾಲವಾಗಿ, ಜ್ಞಾನದ ಬೆಳವಣಿಗೆಯನ್ನು-ಪ್ರಸರಣದ ಪ್ರಕ್ರಿಯೆಯಾಗಿ ರೂಪಿಸಲು ಇದು ಅರ್ಥಪೂರ್ಣವಾಗಿದೆ.

ಒಂದು ಕ್ಷಣದಲ್ಲಿ, ನೆಟ್‌ವರ್ಕ್‌ನಲ್ಲಿ ಜ್ಞಾನವು ಹೇಗೆ ಹರಡಬಹುದು ಮತ್ತು ಬೆಳೆಯಬಹುದು ಎಂಬುದರ ಕುರಿತು ನಾನು ಸ್ಥೂಲವಾದ ಸಿಮ್ಯುಲೇಶನ್ ಅನ್ನು ಪ್ರಸ್ತುತಪಡಿಸುತ್ತೇನೆ. ಆದರೆ ಮೊದಲು ನಾನು ವಿವರಿಸಬೇಕು.

ಸಿಮ್ಯುಲೇಶನ್‌ನ ಪ್ರಾರಂಭದಲ್ಲಿ, ಗ್ರಿಡ್‌ನ ಪ್ರತಿ ಕ್ವಾಡ್ರಾಂಟ್‌ನಲ್ಲಿ ನಾಲ್ಕು ತಜ್ಞರು ಇದ್ದಾರೆ, ಈ ಕೆಳಗಿನಂತೆ ಜೋಡಿಸಲಾಗಿದೆ:

ಪರಿಣಿತ 1 ಕಲ್ಪನೆಯ ಮೊದಲ ಆವೃತ್ತಿಯನ್ನು ಹೊಂದಿದೆ - ಅದನ್ನು ಐಡಿಯಾ 1.0 ಎಂದು ಕರೆಯೋಣ. ಐಡಿಯಾ 2 ಅನ್ನು ಐಡಿಯಾ 1.0 ಆಗಿ ಪರಿವರ್ತಿಸುವುದು ಹೇಗೆ ಎಂದು ತಿಳಿದಿರುವ ವ್ಯಕ್ತಿ ತಜ್ಞರು 2.0. ಐಡಿಯಾ 3 ಅನ್ನು ಐಡಿಯಾ 2.0 ಆಗಿ ಪರಿವರ್ತಿಸುವುದು ಹೇಗೆ ಎಂದು ಪರಿಣಿತ 3.0 ತಿಳಿದಿದೆ. ಮತ್ತು ಅಂತಿಮವಾಗಿ, ನಾಲ್ಕನೇ ಪರಿಣಿತರು ಐಡಿಯಾ 4.0 ನಲ್ಲಿ ಅಂತಿಮ ಸ್ಪರ್ಶವನ್ನು ಹೇಗೆ ಹಾಕಬೇಕೆಂದು ತಿಳಿದಿದ್ದಾರೆ.

ಇದು ಒರಿಗಮಿಯಂತಹ ತಂತ್ರವನ್ನು ಹೋಲುತ್ತದೆ, ಅಲ್ಲಿ ತಂತ್ರಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ ಮತ್ತು ಹೆಚ್ಚು ಆಸಕ್ತಿದಾಯಕ ವಿನ್ಯಾಸಗಳನ್ನು ರಚಿಸಲು ಇತರ ತಂತ್ರಗಳೊಂದಿಗೆ ಸಂಯೋಜಿಸಲಾಗಿದೆ. ಅಥವಾ ಇದು ಭೌತಶಾಸ್ತ್ರದಂತಹ ಜ್ಞಾನದ ಕ್ಷೇತ್ರವಾಗಿರಬಹುದು, ಇದರಲ್ಲಿ ಇತ್ತೀಚಿನ ಕೆಲಸವು ಪೂರ್ವವರ್ತಿಗಳ ಮೂಲಭೂತ ಕೆಲಸದ ಮೇಲೆ ನಿರ್ಮಿಸುತ್ತದೆ.

ಈ ಸಿಮ್ಯುಲೇಶನ್‌ನ ಅಂಶವೆಂದರೆ ಕಲ್ಪನೆಯ ಅಂತಿಮ ಆವೃತ್ತಿಗೆ ಕೊಡುಗೆ ನೀಡಲು ನಮಗೆ ಎಲ್ಲಾ ನಾಲ್ಕು ತಜ್ಞರು ಅಗತ್ಯವಿದೆ. ಮತ್ತು ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಕಲ್ಪನೆಯನ್ನು ಸೂಕ್ತ ತಜ್ಞರ ಗಮನಕ್ಕೆ ತರಬೇಕು.

ಕೆಲವು ಎಚ್ಚರಿಕೆಗಳು. ಸಿಮ್ಯುಲೇಶನ್‌ನಲ್ಲಿ ಅನೇಕ ಅವಾಸ್ತವಿಕ ಊಹೆಗಳನ್ನು ಎನ್‌ಕೋಡ್ ಮಾಡಲಾಗಿದೆ. ಅವುಗಳಲ್ಲಿ ಕೆಲವು ಇಲ್ಲಿವೆ:

1. ವ್ಯಕ್ತಿಯಿಂದ ವ್ಯಕ್ತಿಗೆ (ಅಂದರೆ, ಯಾವುದೇ ಪುಸ್ತಕಗಳು ಅಥವಾ ಮಾಧ್ಯಮಗಳಿಲ್ಲ) ಹೊರತುಪಡಿಸಿ ವಿಚಾರಗಳನ್ನು ಸಂಗ್ರಹಿಸಲಾಗುವುದಿಲ್ಲ ಮತ್ತು ರವಾನಿಸಲಾಗುವುದಿಲ್ಲ ಎಂದು ಊಹಿಸಲಾಗಿದೆ.
2. ವಾಸ್ತವದಲ್ಲಿ ಅನೇಕ ಯಾದೃಚ್ಛಿಕ ಅಂಶಗಳು ಆವಿಷ್ಕಾರ ಅಥವಾ ಆವಿಷ್ಕಾರದ ಸಂಭವಿಸುವಿಕೆಯ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರುತ್ತವೆಯಾದರೂ, ಜನಸಂಖ್ಯೆಯಲ್ಲಿ ಕಲ್ಪನೆಗಳನ್ನು ರಚಿಸುವ ಶಾಶ್ವತ ತಜ್ಞರು ಇದ್ದಾರೆ ಎಂದು ಊಹಿಸಲಾಗಿದೆ.
3. ಕಲ್ಪನೆಯ ಎಲ್ಲಾ ನಾಲ್ಕು ಆವೃತ್ತಿಗಳು ಒಂದೇ ರೀತಿಯ SIS ನಿಯತಾಂಕಗಳನ್ನು ಬಳಸುತ್ತವೆ (ಬಾಡ್ ದರ, ಪ್ರತಿರಕ್ಷೆಯ ಶೇಕಡಾವಾರು, ಇತ್ಯಾದಿ), ಆದಾಗ್ಯೂ ಪ್ರತಿ ಆವೃತ್ತಿಗೆ ವಿಭಿನ್ನ ನಿಯತಾಂಕಗಳನ್ನು ಬಳಸುವುದು ಹೆಚ್ಚು ವಾಸ್ತವಿಕವಾಗಿದೆ (1.0, 2.0, ಇತ್ಯಾದಿ.)
4. ಕಲ್ಪನೆ N+1 ಯಾವಾಗಲೂ N ಕಲ್ಪನೆಯನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಸ್ಥಾನಪಲ್ಲಟಗೊಳಿಸುತ್ತದೆ ಎಂದು ಊಹಿಸಲಾಗಿದೆ, ಆದಾಗ್ಯೂ ಪ್ರಾಯೋಗಿಕವಾಗಿ ಸಾಮಾನ್ಯವಾಗಿ ಹಳೆಯ ಮತ್ತು ಹೊಸ ಆವೃತ್ತಿಗಳು ಏಕಕಾಲದಲ್ಲಿ ಪ್ರಸಾರವಾಗುತ್ತವೆ, ಸ್ಪಷ್ಟ ವಿಜೇತರಿಲ್ಲ.

… ಮತ್ತು ಅನೇಕ ಇತರರು.

ಚರ್ಚೆ

ಜ್ಞಾನವು ನಿಜವಾಗಿ ಹೇಗೆ ಬೆಳೆಯುತ್ತದೆ ಎಂಬುದಕ್ಕೆ ಇದು ಹಾಸ್ಯಾಸ್ಪದವಾಗಿ ಸರಳೀಕೃತ ಮಾದರಿಯಾಗಿದೆ. ಮಾದರಿಯ ಹೊರಗೆ ಬಹಳಷ್ಟು ಪ್ರಮುಖ ವಿವರಗಳು ಉಳಿದಿವೆ (ಮೇಲೆ ನೋಡಿ). ಆದಾಗ್ಯೂ, ಇದು ಪ್ರಕ್ರಿಯೆಯ ಪ್ರಮುಖ ಸಾರವನ್ನು ಸೆರೆಹಿಡಿಯುತ್ತದೆ. ಮತ್ತು ಆದ್ದರಿಂದ ನಾವು ಮೀಸಲಾತಿಯೊಂದಿಗೆ, ಪ್ರಸರಣದ ನಮ್ಮ ಜ್ಞಾನವನ್ನು ಬಳಸಿಕೊಂಡು ಜ್ಞಾನದ ಬೆಳವಣಿಗೆಯ ಬಗ್ಗೆ ಮಾತನಾಡಬಹುದು.

ನಿರ್ದಿಷ್ಟವಾಗಿ, ಪ್ರಸರಣ ಮಾದರಿಯು ಹೇಗೆ ಒಳನೋಟವನ್ನು ಒದಗಿಸುತ್ತದೆ ಪ್ರಕ್ರಿಯೆಯನ್ನು ವೇಗಗೊಳಿಸಿ: ಪರಿಣಿತ ನೋಡ್‌ಗಳ ನಡುವೆ ವಿಚಾರ ವಿನಿಮಯಕ್ಕೆ ಅನುಕೂಲ ಮಾಡಿಕೊಡಬೇಕು. ಇದು ಪ್ರಸರಣಕ್ಕೆ ಅಡ್ಡಿಯಾಗುವ ಡೆಡ್ ನೋಡ್‌ಗಳ ನೆಟ್‌ವರ್ಕ್ ಅನ್ನು ತೆರವುಗೊಳಿಸುವುದು ಎಂದರ್ಥ. ಅಥವಾ ಹೆಚ್ಚಿನ ನೆಟ್‌ವರ್ಕ್ ಸಾಂದ್ರತೆಯೊಂದಿಗೆ ನಗರ ಅಥವಾ ಕ್ಲಸ್ಟರ್‌ನಲ್ಲಿ ಎಲ್ಲಾ ತಜ್ಞರನ್ನು ಇರಿಸುವುದು ಎಂದರ್ಥ, ಅಲ್ಲಿ ಆಲೋಚನೆಗಳು ತ್ವರಿತವಾಗಿ ಹರಡುತ್ತವೆ. ಅಥವಾ ಅವುಗಳನ್ನು ಒಂದೇ ಕೋಣೆಯಲ್ಲಿ ಸಂಗ್ರಹಿಸಿ:

ಸೋ... ಡಿಫ್ಯೂಷನ್ ಬಗ್ಗೆ ನಾನು ಹೇಳಬಲ್ಲೆ ಅಷ್ಟೆ.

ಆದರೆ ನನಗೆ ಕೊನೆಯ ಆಲೋಚನೆ ಇದೆ, ಮತ್ತು ಇದು ಬಹಳ ಮುಖ್ಯ. ಇದು ಬೆಳವಣಿಗೆಯ ಬಗ್ಗೆಮತ್ತು ನಿಶ್ಚಲತೆ) ವೈಜ್ಞಾನಿಕ ಸಮುದಾಯಗಳಲ್ಲಿ ಜ್ಞಾನ. ಈ ಕಲ್ಪನೆಯು ಟೋನ್ ಮತ್ತು ಮೇಲಿನ ಯಾವುದಕ್ಕೂ ಭಿನ್ನವಾಗಿದೆ, ಆದರೆ ನೀವು ನನ್ನನ್ನು ಕ್ಷಮಿಸುವಿರಿ ಎಂದು ನಾನು ಭಾವಿಸುತ್ತೇನೆ.

ವೈಜ್ಞಾನಿಕ ಜಾಲಗಳ ಬಗ್ಗೆ

ವಿವರಣೆಯು ಪ್ರಪಂಚದ ಪ್ರಮುಖ ಧನಾತ್ಮಕ ಪ್ರತಿಕ್ರಿಯೆ ಲೂಪ್‌ಗಳಲ್ಲಿ ಒಂದನ್ನು ತೋರಿಸುತ್ತದೆ (ಮತ್ತು ಇದು ಸ್ವಲ್ಪ ಸಮಯದವರೆಗೆ ಹೀಗಿದೆ):

ಚಕ್ರದ ಮೇಲ್ಮುಖ ಪ್ರಗತಿಯು (K ⟶ T) ತುಂಬಾ ಸರಳವಾಗಿದೆ: ನಾವು ಹೊಸ ಪರಿಕರಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಹೊಸ ಜ್ಞಾನವನ್ನು ಬಳಸುತ್ತೇವೆ. ಉದಾಹರಣೆಗೆ, ಅರೆವಾಹಕಗಳ ಭೌತಶಾಸ್ತ್ರವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಕಂಪ್ಯೂಟರ್ಗಳನ್ನು ನಿರ್ಮಿಸಲು ನಮಗೆ ಅನುಮತಿಸುತ್ತದೆ.

ಆದಾಗ್ಯೂ, ಕೆಳಮುಖ ಚಲನೆಗೆ ಕೆಲವು ವಿವರಣೆಯ ಅಗತ್ಯವಿದೆ. ತಂತ್ರಜ್ಞಾನದ ಅಭಿವೃದ್ಧಿಯು ಜ್ಞಾನದ ಹೆಚ್ಚಳಕ್ಕೆ ಹೇಗೆ ಕಾರಣವಾಗುತ್ತದೆ?

ಹೊಸ ತಂತ್ರಜ್ಞಾನಗಳು ಜಗತ್ತನ್ನು ಗ್ರಹಿಸುವ ಹೊಸ ಮಾರ್ಗಗಳನ್ನು ನಮಗೆ ನೀಡಿದಾಗ ಒಂದು ಮಾರ್ಗ-ಬಹುಶಃ ಅತ್ಯಂತ ನೇರವಾದ ಮಾರ್ಗವಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ಅತ್ಯುತ್ತಮ ಸೂಕ್ಷ್ಮದರ್ಶಕಗಳು ಜೀವಕೋಶದೊಳಗೆ ಆಳವಾಗಿ ನೋಡಲು ನಿಮಗೆ ಅವಕಾಶ ಮಾಡಿಕೊಡುತ್ತದೆ, ಆಣ್ವಿಕ ಜೀವಶಾಸ್ತ್ರದ ಒಳನೋಟಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ. ಜಿಪಿಎಸ್ ಟ್ರ್ಯಾಕರ್‌ಗಳು ಪ್ರಾಣಿಗಳು ಹೇಗೆ ಚಲಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತವೆ. ಸೋನಾರ್ ನಿಮಗೆ ಸಾಗರಗಳನ್ನು ಅನ್ವೇಷಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಮತ್ತು ಇತ್ಯಾದಿ.

ಇದು ನಿಸ್ಸಂದೇಹವಾಗಿ ಪ್ರಮುಖ ಕಾರ್ಯವಿಧಾನವಾಗಿದೆ, ಆದರೆ ತಂತ್ರಜ್ಞಾನದಿಂದ ಜ್ಞಾನಕ್ಕೆ ಕನಿಷ್ಠ ಎರಡು ಮಾರ್ಗಗಳಿವೆ. ಅವು ಅಷ್ಟು ಸರಳವಾಗಿಲ್ಲದಿರಬಹುದು, ಆದರೆ ಅವು ಅಷ್ಟೇ ಮುಖ್ಯವೆಂದು ನಾನು ಭಾವಿಸುತ್ತೇನೆ:

ಮೊದಲನೆಯದು. ತಂತ್ರಜ್ಞಾನವು ಆರ್ಥಿಕ ಸಮೃದ್ಧಿಗೆ ಕಾರಣವಾಗುತ್ತದೆ (ಅಂದರೆ ಸಂಪತ್ತು), ಇದು ಹೆಚ್ಚಿನ ಜನರಿಗೆ ಜ್ಞಾನ ಉತ್ಪಾದನೆಯಲ್ಲಿ ತೊಡಗಿಸಿಕೊಳ್ಳಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.

ನಿಮ್ಮ ದೇಶದ ಜನಸಂಖ್ಯೆಯ 90% ಜನರು ಕೃಷಿಯಲ್ಲಿ ತೊಡಗಿಸಿಕೊಂಡಿದ್ದರೆ ಮತ್ತು ಉಳಿದ 10% ಜನರು ಕೆಲವು ರೀತಿಯ ವ್ಯಾಪಾರದಲ್ಲಿ (ಅಥವಾ ಯುದ್ಧ) ತೊಡಗಿಸಿಕೊಂಡಿದ್ದರೆ, ಜನರು ಪ್ರಕೃತಿಯ ನಿಯಮಗಳ ಬಗ್ಗೆ ಯೋಚಿಸಲು ಬಹಳ ಕಡಿಮೆ ಉಚಿತ ಸಮಯವನ್ನು ಹೊಂದಿರುತ್ತಾರೆ. ಬಹುಶಃ ಅದಕ್ಕಾಗಿಯೇ ಹಿಂದಿನ ಕಾಲದಲ್ಲಿ ವಿಜ್ಞಾನವನ್ನು ಮುಖ್ಯವಾಗಿ ಶ್ರೀಮಂತ ಕುಟುಂಬಗಳ ಮಕ್ಕಳಿಂದ ಉತ್ತೇಜಿಸಲಾಯಿತು.

ಯುನೈಟೆಡ್ ಸ್ಟೇಟ್ಸ್ ಪ್ರತಿ ವರ್ಷ 50 ಕ್ಕೂ ಹೆಚ್ಚು Ph.D.ಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಒಬ್ಬ ವ್ಯಕ್ತಿಯು 000 ನೇ ವಯಸ್ಸಿನಲ್ಲಿ (ಅಥವಾ ಅದಕ್ಕಿಂತ ಮೊದಲು) ಕಾರ್ಖಾನೆಯಲ್ಲಿ ಕೆಲಸ ಮಾಡಲು ಹೋಗುವ ಬದಲು, ಒಬ್ಬ ಪದವೀಧರ ವಿದ್ಯಾರ್ಥಿಗೆ 18 ವರ್ಷ ಅಥವಾ ಬಹುಶಃ 30 ವರ್ಷಗಳವರೆಗೆ ಹಣವನ್ನು ನೀಡಬೇಕು - ಮತ್ತು ಅವರ ಕೆಲಸವು ಯಾವುದೇ ನಿಜವಾದ ಆರ್ಥಿಕ ಪರಿಣಾಮವನ್ನು ಬೀರುತ್ತದೆಯೇ ಎಂಬುದು ಅಸ್ಪಷ್ಟವಾಗಿದೆ. ಆದರೆ ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ತನ್ನ ಶಿಸ್ತಿನ ಮುಂಚೂಣಿಯನ್ನು ತಲುಪುವುದು ಅವಶ್ಯಕ, ವಿಶೇಷವಾಗಿ ಭೌತಶಾಸ್ತ್ರ ಅಥವಾ ಜೀವಶಾಸ್ತ್ರದಂತಹ ಸಂಕೀರ್ಣ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ.

ವಾಸ್ತವವೆಂದರೆ ಸಿಸ್ಟಮ್ಸ್ ದೃಷ್ಟಿಕೋನದಿಂದ, ತಜ್ಞರು ದುಬಾರಿ. ಮತ್ತು ಈ ತಜ್ಞರಿಗೆ ಹಣವನ್ನು ನೀಡುವ ಸಾರ್ವಜನಿಕ ಸಂಪತ್ತಿನ ಅಂತಿಮ ಮೂಲವು ಹೊಸ ತಂತ್ರಜ್ಞಾನವಾಗಿದೆ: ನೇಗಿಲು ಪೆನ್ಗೆ ಸಬ್ಸಿಡಿ ನೀಡುತ್ತದೆ.

ಎರಡನೆಯದು. ಹೊಸ ತಂತ್ರಜ್ಞಾನಗಳು, ವಿಶೇಷವಾಗಿ ಪ್ರಯಾಣ ಮತ್ತು ಸಂವಹನ ಕ್ಷೇತ್ರದಲ್ಲಿ, ಜ್ಞಾನವು ಬೆಳೆಯುವ ಸಾಮಾಜಿಕ ನೆಟ್‌ವರ್ಕ್‌ಗಳ ರಚನೆಯನ್ನು ಬದಲಾಯಿಸುತ್ತಿದೆ. ನಿರ್ದಿಷ್ಟವಾಗಿ ಹೇಳುವುದಾದರೆ, ತಜ್ಞರು ಮತ್ತು ತಜ್ಞರು ಪರಸ್ಪರ ಹೆಚ್ಚು ನಿಕಟವಾಗಿ ಸಂವಹನ ನಡೆಸಲು ಇದು ಅನುಮತಿಸುತ್ತದೆ.

ಇಲ್ಲಿ ಗಮನಾರ್ಹ ಆವಿಷ್ಕಾರಗಳು ಮುದ್ರಣಾಲಯ, ಸ್ಟೀಮ್‌ಶಿಪ್‌ಗಳು ಮತ್ತು ರೈಲುಮಾರ್ಗಗಳು (ಪ್ರಯಾಣ ಮತ್ತು/ಅಥವಾ ದೂರದವರೆಗೆ ಮೇಲ್ ಕಳುಹಿಸಲು), ದೂರವಾಣಿಗಳು, ವಿಮಾನಗಳು ಮತ್ತು ಇಂಟರ್ನೆಟ್ ಅನ್ನು ಒಳಗೊಂಡಿವೆ. ಈ ಎಲ್ಲಾ ತಂತ್ರಜ್ಞಾನಗಳು ಹೆಚ್ಚಿದ ನೆಟ್ವರ್ಕ್ ಸಾಂದ್ರತೆಗೆ ಕೊಡುಗೆ ನೀಡುತ್ತವೆ, ವಿಶೇಷವಾಗಿ ವಿಶೇಷ ಸಮುದಾಯಗಳಲ್ಲಿ (ಬಹುತೇಕ ಎಲ್ಲಾ ಜ್ಞಾನದ ಬೆಳವಣಿಗೆಯು ಸಂಭವಿಸುತ್ತದೆ). ಉದಾಹರಣೆಗೆ, ಮಧ್ಯಯುಗದ ಅಂತ್ಯದಲ್ಲಿ ಯುರೋಪಿಯನ್ ವಿಜ್ಞಾನಿಗಳಲ್ಲಿ ಹೊರಹೊಮ್ಮಿದ ಪತ್ರವ್ಯವಹಾರ ಜಾಲಗಳು ಅಥವಾ ಆಧುನಿಕ ಭೌತಶಾಸ್ತ್ರಜ್ಞರು arXiv ಅನ್ನು ಬಳಸುವ ವಿಧಾನ.

ಅಂತಿಮವಾಗಿ, ಈ ಎರಡೂ ಮಾರ್ಗಗಳು ಹೋಲುತ್ತವೆ. ಎರಡೂ ತಜ್ಞರ ಜಾಲದ ಸಾಂದ್ರತೆಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತವೆ, ಇದು ಜ್ಞಾನದ ಹೆಚ್ಚಳಕ್ಕೆ ಕಾರಣವಾಗುತ್ತದೆ:

ಹಲವು ವರ್ಷಗಳಿಂದ ನಾನು ಉನ್ನತ ಶಿಕ್ಷಣವನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ತಿರಸ್ಕರಿಸುತ್ತಿದ್ದೆ. ಪದವಿ ಶಾಲೆಯಲ್ಲಿ ನನ್ನ ಅಲ್ಪಾವಧಿಯು ನನ್ನ ಬಾಯಿಯಲ್ಲಿ ಕೆಟ್ಟ ರುಚಿಯನ್ನು ಬಿಟ್ಟಿತು. ಆದರೆ ಈಗ ನಾನು ಹಿಂತಿರುಗಿ ನೋಡುತ್ತೇನೆ ಮತ್ತು ಯೋಚಿಸುತ್ತೇನೆ (ಎಲ್ಲಾ ವೈಯಕ್ತಿಕ ಸಮಸ್ಯೆಗಳನ್ನು ಹೊರತುಪಡಿಸಿ), ಉನ್ನತ ಶಿಕ್ಷಣ ಇನ್ನೂ ಇದೆ ಎಂದು ನಾನು ತೀರ್ಮಾನಿಸಬೇಕಾಗಿದೆ ಅತ್ಯಂತ ಪ್ರಮುಖ.

ಶೈಕ್ಷಣಿಕ ಸಾಮಾಜಿಕ ನೆಟ್‌ವರ್ಕ್‌ಗಳು (ಉದಾಹರಣೆಗೆ, ಸಂಶೋಧನಾ ಸಮುದಾಯಗಳು) ನಮ್ಮ ನಾಗರಿಕತೆಯು ರಚಿಸಿದ ಅತ್ಯಂತ ಮುಂದುವರಿದ ಮತ್ತು ಮೌಲ್ಯಯುತವಾದ ರಚನೆಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಜ್ಞಾನ ಉತ್ಪಾದನೆಯ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಿದ ತಜ್ಞರ ಹೆಚ್ಚಿನ ಸಾಂದ್ರತೆಯನ್ನು ನಾವು ಎಲ್ಲಿಯೂ ಸಂಗ್ರಹಿಸಿಲ್ಲ. ಎಲ್ಲಿಯೂ ಜನರು ಪರಸ್ಪರರ ವಿಚಾರಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಮತ್ತು ಟೀಕಿಸುವ ಹೆಚ್ಚಿನ ಸಾಮರ್ಥ್ಯವನ್ನು ಬೆಳೆಸಿಕೊಂಡಿಲ್ಲ. ಇದು ಪ್ರಗತಿಯ ಮಿಡಿಯುವ ಹೃದಯವಾಗಿದೆ. ಈ ಜಾಲಗಳಲ್ಲಿಯೇ ಜ್ಞಾನೋದಯದ ಬೆಂಕಿ ಹೆಚ್ಚು ಬಲವಾಗಿ ಉರಿಯುತ್ತದೆ.

ಆದರೆ ನಾವು ಪ್ರಗತಿಯನ್ನು ಲಘುವಾಗಿ ತೆಗೆದುಕೊಳ್ಳಲು ಸಾಧ್ಯವಿಲ್ಲ. ಒಂದು ವೇಳೆ ಪ್ರಯೋಗ ಮಾಡಲಾಗದ ಬಿಕ್ಕಟ್ಟು ಮತ್ತು ಅದು ನಮಗೆ ಏನನ್ನಾದರೂ ಕಲಿಸಿದರೆ, ವಿಜ್ಞಾನವು ವ್ಯವಸ್ಥಿತ ಸಮಸ್ಯೆಗಳನ್ನು ಹೊಂದಿರಬಹುದು. ಇದು ಒಂದು ರೀತಿಯ ನೆಟ್‌ವರ್ಕ್ ಅವನತಿಯಾಗಿದೆ.

ನಾವು ವಿಜ್ಞಾನ ಮಾಡುವ ಎರಡು ವಿಧಾನಗಳ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸುತ್ತೇವೆ ಎಂದು ಭಾವಿಸೋಣ: ನಿಜವಾದ ವಿಜ್ಞಾನ и ವೃತ್ತಿಜೀವನ. ನಿಜವಾದ ವಿಜ್ಞಾನವು ಜ್ಞಾನವನ್ನು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಉತ್ಪಾದಿಸುವ ಅಭ್ಯಾಸಗಳು. ಇದು ಕುತೂಹಲದಿಂದ ಪ್ರೇರೇಪಿಸಲ್ಪಟ್ಟಿದೆ ಮತ್ತು ಪ್ರಾಮಾಣಿಕತೆಯಿಂದ ನಿರೂಪಿಸಲ್ಪಟ್ಟಿದೆ (ಫೇನ್ಮನ್: "ನೀವು ನೋಡಿ, ನಾನು ಜಗತ್ತನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬೇಕು"). ವೃತ್ತಿಜೀವನವು ಇದಕ್ಕೆ ವಿರುದ್ಧವಾಗಿ ವೃತ್ತಿಪರ ಮಹತ್ವಾಕಾಂಕ್ಷೆಗಳಿಂದ ಪ್ರೇರೇಪಿಸಲ್ಪಟ್ಟಿದೆ ಮತ್ತು ರಾಜಕೀಯ ಮತ್ತು ವೈಜ್ಞಾನಿಕ ಶಾರ್ಟ್‌ಕಟ್‌ಗಳನ್ನು ಆಡುವ ಮೂಲಕ ನಿರೂಪಿಸಲ್ಪಟ್ಟಿದೆ. ಇದು ವಿಜ್ಞಾನದಂತೆ ಕಾಣಿಸಬಹುದು ಮತ್ತು ವರ್ತಿಸಬಹುದು, ಆದರೆ ಕೇವಲ ವಿಶ್ವಾಸಾರ್ಹ ಜ್ಞಾನವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.

(ಹೌದು, ಇದು ಉತ್ಪ್ರೇಕ್ಷಿತ ದ್ವಂದ್ವಾರ್ಥವಾಗಿದೆ. ಕೇವಲ ಚಿಂತನೆಯ ಪ್ರಯೋಗ. ನನ್ನನ್ನು ದೂಷಿಸಬೇಡಿ).

ವಾಸ್ತವವೆಂದರೆ ವೃತ್ತಿನಿರತರು ನಿಜವಾದ ಸಂಶೋಧನಾ ಸಮುದಾಯದಲ್ಲಿ ಜಾಗವನ್ನು ತೆಗೆದುಕೊಂಡಾಗ, ಅವರು ಕೆಲಸವನ್ನು ಹಾಳುಮಾಡುತ್ತಾರೆ. ಸಮುದಾಯದ ಉಳಿದವರು ಹೊಸ ಜ್ಞಾನವನ್ನು ಪಡೆಯಲು ಮತ್ತು ಹಂಚಿಕೊಳ್ಳಲು ಪ್ರಯತ್ನಿಸುತ್ತಿರುವಾಗ ಅವರು ತಮ್ಮನ್ನು ತಾವು ಪ್ರಚಾರ ಮಾಡಿಕೊಳ್ಳಲು ಪ್ರಯತ್ನಿಸುತ್ತಾರೆ. ಸ್ಪಷ್ಟತೆಗಾಗಿ ಶ್ರಮಿಸುವ ಬದಲು, ವೃತ್ತಿನಿರತರು ಹೆಚ್ಚು ಪ್ರಭಾವಶಾಲಿಯಾಗಿ ಧ್ವನಿಸಲು ಎಲ್ಲವನ್ನೂ ಸಂಕೀರ್ಣಗೊಳಿಸುತ್ತಾರೆ ಮತ್ತು ಗೊಂದಲಗೊಳಿಸುತ್ತಾರೆ. ಅವರು (ಹ್ಯಾರಿ ಫ್ರಾಂಕ್‌ಫರ್ಟ್ ಹೇಳುವಂತೆ) ವೈಜ್ಞಾನಿಕ ಅಸಂಬದ್ಧತೆಯಲ್ಲಿ ತೊಡಗಿದ್ದಾರೆ. ಮತ್ತು ಆದ್ದರಿಂದ ನಾವು ಅವುಗಳನ್ನು ಡೆಡ್ ನೋಡ್‌ಗಳಾಗಿ ರೂಪಿಸಬಹುದು, ಜ್ಞಾನದ ಬೆಳವಣಿಗೆಗೆ ಅಗತ್ಯವಾದ ಮಾಹಿತಿಯ ನ್ಯಾಯಯುತ ವಿನಿಮಯಕ್ಕೆ ಒಳಪಡುವುದಿಲ್ಲ:

ಬಹುಶಃ ಅತ್ಯುತ್ತಮ ಮಾದರಿಯು ವೃತ್ತಿಜೀವನದ ನೋಡ್‌ಗಳು ಕೇವಲ ಜ್ಞಾನಕ್ಕೆ ಒಳಪಡುವುದಿಲ್ಲ, ಆದರೆ ಸಕ್ರಿಯವಾಗಿ ಹರಡುತ್ತದೆ ನಕಲಿ ಜ್ಞಾನ. ನಕಲಿ ಜ್ಞಾನವು ಅತ್ಯಲ್ಪ ಫಲಿತಾಂಶಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ, ಅದರ ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಕೃತಕವಾಗಿ ಹೆಚ್ಚಿಸಲಾಗಿದೆ, ಅಥವಾ ಕುಶಲತೆಯಿಂದ ಅಥವಾ ಕೃತಕ ಡೇಟಾದಿಂದ ಉಂಟಾಗುವ ನಿಜವಾದ ತಪ್ಪು ಫಲಿತಾಂಶಗಳು.

ನಾವು ಅವರಿಗೆ ಹೇಗೆ ಮಾದರಿಯಾಗಿದ್ದರೂ, ವೃತ್ತಿಜೀವನಕಾರರು ಖಂಡಿತವಾಗಿಯೂ ನಮ್ಮ ವೈಜ್ಞಾನಿಕ ಸಮುದಾಯಗಳನ್ನು ಕತ್ತು ಹಿಸುಕಬಹುದು.

ಇದು ನಮಗೆ ತೀರಾ ಅಗತ್ಯವಿರುವ ಪರಮಾಣು ಸರಪಳಿ ಕ್ರಿಯೆಯಂತಿದೆ - ನಮಗೆ ಜ್ಞಾನದ ಸ್ಫೋಟದ ಅಗತ್ಯವಿದೆ - ನಮ್ಮ ಪುಷ್ಟೀಕರಿಸಿದ U-235 ಮಾತ್ರ ಅದರಲ್ಲಿ ಪ್ರತಿಕ್ರಿಯಾತ್ಮಕವಲ್ಲದ ಐಸೊಟೋಪ್ U-238 ಅನ್ನು ಹೊಂದಿದೆ, ಇದು ಸರಣಿ ಕ್ರಿಯೆಯನ್ನು ನಿಗ್ರಹಿಸುತ್ತದೆ.

ಸಹಜವಾಗಿ, ವೃತ್ತಿನಿರತರು ಮತ್ತು ನಿಜವಾದ ವಿಜ್ಞಾನಿಗಳ ನಡುವೆ ಯಾವುದೇ ಸ್ಪಷ್ಟ ವ್ಯತ್ಯಾಸವಿಲ್ಲ. ನಮ್ಮಲ್ಲಿ ಪ್ರತಿಯೊಬ್ಬರೂ ನಮ್ಮೊಳಗೆ ಸ್ವಲ್ಪಮಟ್ಟಿಗೆ ವೃತ್ತಿಜೀವನವನ್ನು ಅಡಗಿಸಿಕೊಂಡಿದ್ದಾರೆ. ಜ್ಞಾನ ಪ್ರಸರಣ ಮಂಕಾಗುವ ಮೊದಲು ನೆಟ್‌ವರ್ಕ್ ಎಷ್ಟು ಕಾಲ ಉಳಿಯುತ್ತದೆ ಎಂಬುದು ಪ್ರಶ್ನೆ.

ಓಹ್, ನೀವು ಕೊನೆಯವರೆಗೂ ಓದಿದ್ದೀರಿ. ಓದಿದ್ದಕ್ಕೆ ಧನ್ಯವಾದಗಳು.

ಪರವಾನಗಿ

CC0 ಎಲ್ಲಾ ಹಕ್ಕುಗಳನ್ನು ಕಾಯ್ದಿರಿಸಲಾಗಿಲ್ಲ. ನಿಮಗೆ ಸರಿಹೊಂದುವಂತೆ ನೀವು ಈ ಕೆಲಸವನ್ನು ಬಳಸಬಹುದು :).

ಸ್ವೀಕೃತಿಗಳು

• ಕೆವಿನ್ ಕ್ವಾಕ್ и ನಿಕಿ ಕೇಸ್ ಡ್ರಾಫ್ಟ್‌ನ ವಿವಿಧ ಆವೃತ್ತಿಗಳಲ್ಲಿ ಚಿಂತನಶೀಲ ಕಾಮೆಂಟ್‌ಗಳು ಮತ್ತು ಸಲಹೆಗಳಿಗಾಗಿ.
• ನಿಕ್ ಬಾರ್ - ಸಂಪೂರ್ಣ ಪ್ರಕ್ರಿಯೆಯ ಉದ್ದಕ್ಕೂ ನೈತಿಕ ಬೆಂಬಲಕ್ಕಾಗಿ ಮತ್ತು ನನ್ನ ಕೆಲಸದ ಬಗ್ಗೆ ಹೆಚ್ಚು ಸಹಾಯಕವಾದ ಪ್ರತಿಕ್ರಿಯೆಗಾಗಿ.
• ಪರ್ಕೋಲೇಷನ್ ಮತ್ತು ಪರ್ಕೋಲೇಷನ್ ಮಿತಿಯ ವಿದ್ಯಮಾನವನ್ನು ನನಗೆ ಸೂಚಿಸಿದ್ದಕ್ಕಾಗಿ ಕೀತ್ ಎ.
• ಜೆಫ್ ಲಾನ್ಸ್‌ಡೇಲ್ ಗೆ ಲಿಂಕ್‌ಗಾಗಿ ಇದು ಒಂದು ಪ್ರಬಂಧ, ಇದು (ಅದರ ಅನೇಕ ನ್ಯೂನತೆಗಳ ಹೊರತಾಗಿಯೂ) ಈ ಪೋಸ್ಟ್‌ನಲ್ಲಿ ಕೆಲಸ ಮಾಡಲು ಮುಖ್ಯ ಪ್ರಚೋದನೆಯಾಗಿದೆ.

ಸಂವಾದಾತ್ಮಕ ಪ್ರಬಂಧ ಮಾದರಿಗಳು

• ನಿಕಿ ಕೇಸ್‌ನ ಎಲ್ಲಾ ಕೆಲಸಗಳು, ಉದಾ. "ಬಹುಭುಜಗಳ ನೀತಿಕಥೆ" (ವಿ ಹಾರ್ಟ್ ಜೊತೆ) ಮತ್ತು "ಉತ್ತಮ ಮತದಾನದ ಮತಪತ್ರವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು". ಸಂವಾದಾತ್ಮಕ ಪ್ರಬಂಧ ಹೇಗಿರಬಹುದು ಎನ್ನುವುದಕ್ಕೆ ಇದು ಹೆಚ್ಚಿನ ಪಟ್ಟಿಯಾಗಿದೆ.
• distil.pub: ಯಂತ್ರ ಕಲಿಕೆಯ ಅಸಾಧಾರಣವಾದ ಉನ್ನತ-ಗುಣಮಟ್ಟದ ಸಂವಾದಾತ್ಮಕ ವಿವರಣೆಗಳು.
• ಬ್ರೆಟ್ ವಿಕ್ಟರ್ ಅವರಿಂದ ಕ್ಲಾಸಿಕ್ ಕೆಲಸ ಅಮೂರ್ತತೆಯ ಏಣಿಯ ಮೇಲೆ ಮತ್ತು ಕೆಳಗೆ. ನಾನು ಮೆಟ್ಟಿಲುಗಳ ಮೇಲೆ ಚಲಿಸಲು ತುಂಬಾ ಚೆನ್ನಾಗಿರಲಿಲ್ಲ, ಆದರೆ ಇನ್ನೂ ಒಂದು ಪ್ರಯತ್ನ ಯಾವಾಗಲೂ ಇರುತ್ತದೆ.

ಮೂಲ: www.habr.com