Komplexa system​

Matematisk modellering är kärnan i komplexitetsvetenskapen, men även datorsimulering förtjänar ett särskilt omnämnande, eftersom även om den inte används är den sällan långt borta. Faktum är att själva fältet uppstod som genom uppdämd efterfrågan när persondatorer blev allmänt tillgängliga på 1980-talet. Det gjorde det möjligt för enskilda forskare att simulera alla dynamiska system som är lätta att återge när det gäller hur deras delar interagerar, men som det är omöjligt att ens börja tänka ut med vanliga experiment eller matematisk modellering.

Fågelflockar, till exempel, uppfyller denna beskrivning. Vi kan naturligtvis observera riktiga flockar, men hur kan vi observera vad alla dessa fåglar gör när de flyger omkring? Hur leder det de gör till det där större mönstret som vi kallar en flock? Simulering tillåter oss att ställa och testa hypoteser om en allmän typ av frågor: Hur resulterar mikronivåegenskaper dynamiskt i makroskopiska mönster?

Det var faktiskt bara genom att simulera fågelflockar som till och med en skiss av en fungerande förklaring till hur de beter sig kunde uppföras – och detsamma gäller i många andra liknande situationer. Tvärtemot vad man skulle kunna tro har fågelflocken ingen ledare. Ingen säger åt fåglarna hur de ska bete sig. Fåglarna gör alla sina val utifrån uppfattningar om sina egna inre tillstånd och sin lokala omgivning. Vi säger att den "självorganiserar" sig nerifrån och upp och att det makroskopiska fenomenet fågelflock växer fram. Att fågelflocken är framväxande innebär att den har egenskaper som dess enskilda ingående fåglar inte tar del av. Till exempel kan fågelflocken förvirra rovfåglar, vilket enskilda fåglar inte kan. De kan bara åstadkomma detta som en helhet.

Kaos är en annan anledning till att komplexa system är svåra att förstå. Vi kan uttrycka detta ungefär på följande sätt. Föreställ dig att vi initierar simuleringen av två fågelflockar som är identiska med undantag för en mycket liten förändring av en av fåglarnas placering. Till en början är skillnaden fortfarande liten, men när de simulerade fåglarna interagerar kommer avvikelsen att fortplanta sig och öka så att flockarna mycket snart kommer att se helt annorlunda ut. Observera att de fortfarande kommer att vara kvalitativt lika, besläktat med hur två moln aldrig är lika i detalj, men ändå igenkännbara som moln inom intervallet för möjliga förekomster av moln. Kaos blir därmed ett problem specifikt när vi behöver förutsäga ett system i detalj.

Komplex systemforskning har en kärna av teoretiska verktyg och begrepp, av vilka många härrör från till exempel dynamisk systemteori, kaosteori, systemteori, och så vidare. Liksom dessa fält, och faktiskt som matematik i allmänhet, är komplex systemteori dock tillämplig på nästan alla studieområden. Komplexa system finns nästan överallt. Inom fysik, biologi, kemi, geografi, sociologi och så vidare. Många av verktygen är användbara genomgående, och i många fall kan insikter om komplex dynamik inom ett område överföras till ett annat område, som inspiration för hur man löser problem där. Det finns användbara likheter mellan klasar av människor, klasar av amöbor och klasar av molekyler.

Våra forskningsinriktningar

Informationsteori för komplexa system

Informationsteori ger en teoretisk grund för att beskriva och förstå fenomen som sträcker sig från fysiska lagar, inklusive termodynamikens andra lag, till framväxande strukturer i till exempel kemiska självorganiserande system. Ett aktuellt fokus ligger på fysiska system inklusive både statistisk mekanik och processen för kvantmätning.

Ursprunget och utvecklingen av människor och mänsklig kultur

Den teoretiska linsen för Major Evolutionary Transitions erbjuder en radikal ny syn på ursprunget och utvecklingen av släktet Homo och hennes unika kumulativa kulturella samhällen. Vi samarbetar med världsledande evolutionära biologer och antropologer för att utforska den "sociala protocellmodellen" (och relaterade ämnen) som en hypotetisk mekanism för att initiera en process av kumulativ kulturell evolution. Den sociala protocellen liknar den biotiska protocellmodellen för celllivets ursprung och involverar en komplex evolutionär bana där enheter på lägre nivå (här traditionell individuell kunskap) integreras i en ny evolutionär individ på högre nivå i sin egen rätt (en kulturell gemenskap med ett system av kulturella funktioner.)

Ursprunget och utvecklingen av människor och mänsklig kultur

Den teoretiska linsen för Major Evolutionary Transitions erbjuder en radikal ny syn på ursprunget och utvecklingen av släktet Homo och hennes unika kumulativa kulturella samhällen. Vi samarbetar med världsledande evolutionära biologer och antropologer för att utforska den "sociala protocellmodellen" (och relaterade ämnen) som en hypotetisk mekanism för att initiera en process av kumulativ kulturell evolution. Den sociala protocellen liknar den biotiska protocellmodellen för cell-livets ursprung och involverar en komplex evolutionär bana där enheter på lägre nivå (här traditionell individuell kunskap) integreras i en ny evolutionär individ på högre nivå i sin egen rätt (en kulturell gemenskap med ett system av kulturella funktioner.)

Stabilitet av stora komplexa ekosystem

Ett ekosystem är ett komplext system som består av många heterogena agenter (arter eller individer). Den långsiktiga och kortsiktiga stabiliteten och robustheten hos dessa system har studerats och diskuterats utförligt i litteraturen i mer än 50 år men är fortfarande långt ifrån helt förstått. Ett grundläggande problem är hur komplexiteten i systemet, mätt i antal arter eller styrka och topologi för interaktioner mellan arter, påverkar dess stabilitet. Trots hur viktigt detta är för att förstå och förutsäga eventuell katastrofal förlust av biologisk mångfald etc, är detta fortfarande inte väl förstått. Gruppen komplexa system deltar i ett projekt som försöker lösa sådana frågor med hjälp av dynamisk systemteori. Arbetet sker i samarbete med gruppen för komplexa system och teoretisk biologi vid UCLA i Los Angeles.

Nyckelpublikationer​

Kristian Lindgren, Eckehard Olbrich. The approach towards equilibrium in a reversible Ising dynamics model: An information-theoretic analysis based on an exact solution, Journal of Statistical Physics 168(4), 919-935 (2017).

Torbjørn Helvik and K. Lindgren. Expressing the Entropy of Lattice Systems as Sums of Conditional Entropies. Journal of Statistical Physics, (2014).

Karl-Erik Eriksson, Kristian Lindgren. Giving quantum mechanics a chance, arXiv:1901.01035 [quant-ph] (2019).

Andersson, C., & Czárán, T. (2022). The transition from animal to human culture – simulating the social protocell hypothesis. Proceedings of the Royal Society B - Biological Sciences, In press.

Davison, D. R., Andersson, C., Michod, R. E., & Kuhn, S. L. (2021). Did human culture emerge in a cultural Evolutionary Transition in Individuality? Biological Theory, 16, 213–236.

Hellervik, A., Nilsson, L., & Andersson, C. (2019). Preferential centrality - a new measure unifying urban activity, attraction and accessibility. Environment and Planning B, 46(May), 1–32.

Andersson, C., & Read, D. (2016). The Evolution of Cultural Complexity: Not by the Treadmill Alone. Current Anthropology, 57(3), 261–286.

Andersson, C., Törnberg, A., & Törnberg, P. (2014). An Evolutionary Developmental Approach to Cultural Evolution. Current Anthropology, 55(2), 154–174.

Andersson, C., Törnberg, A., & Törnberg, P. (2014). Societal systems: complex or worse? Futures, 63, 145–157.