Временная самопохожесть выявляет классы универсальности перколяции в сложных сетях

Катастрофическая фрагментация и структурные переходы повсеместно встречаются в реальных сложных системах, однако их фундаментальные классы универсальности во многом остаются невыясненными из‑за сильной структурной неоднородности и отсутствия чётко определённых критических порогов. Здесь мы обнаруживаем устойчивое явление временной самопохожести, управляющее динамическим процессом перколяции в различных сложных сетях. Отслеживая полную статистику приращений событий роста, мы показываем, что динамика фрагментации определяется двумя независимыми критическими показателями типа Фишера, τc и τs. Эти показатели единственным образом характеризуют класс универсальности системы, из которого все остальные стандартные критические показатели могут быть выведены с помощью вновь установленных соотношений масштабирования. После строгой валидации этой схемы на канонических моделях сетей мы применяем её к обширным эмпирическим наборам данных. Поразительно, но наши анализы биологических, социальных и инфраструктурных систем демонстрируют, что реальные сети систематически принадлежат классам универсальности, отличным от предсказанных идеализированными моделями сетей, что отражает влияние высших порядков структурных особенностей. Наши результаты устанавливают динамическую парадигму, связывающую статистическую физику и устойчивость реальных систем, предлагая безпараметровый, высокомасштабируемый подход для классификации и характеристики структурных уязвимостей в по своей сути неоднородных системах. Без предварительного знания критической точки классификация коллапса сети представляет проблему. Здесь мы выявляем временную самопохожесть, отслеживая упорядоченную последовательность событий добавления связей, и демонстрируем, что эта методика позволяет определить универсальность перколяции как для модельных, так и для эмпирических сетей, используя лишь один размер системы и не требуя точного порога.