Kesikli olmanın önemi: iki boyutta hayat neden hep kazanır?

Seyrek bir ortamda yaşamaya çalışan bir nüfus düşünün. Bireyler kendiliğinden ölüyor; ancak ortamda rastgele dolaşan “katalizörlerden” birine denk geldiklerinde çoğalabiliyorlar. Katalizörler o kadar seyrek ki, ortalama hesap açık: doğumlar ölümleri karşılamıyor, nüfus sönecek.

Bu hesabı yapan denklem, kimya ve biyolojiden ekonomiye kadar pek çok alanın standart aracı. Shnerb, Louzoun, Bettelheim ve Solomon 2000 yılında bu örnekte denklemin yanıldığını gösterdi: iki boyutlu bir yüzeyde nüfus sönmüyor, tersine büyüyor. Başlıkları da bunu söylüyordu: kesikli olmanın önemi — yüzeyde hayat hep kazanır.

Ölümsüz katalizörler, ölümlü etmenler

Modelde iki tür var. A türü ölümsüz katalizörler: rastgele dolaşırlar ve başka hiçbir şey yapmazlar. B türü ise ölümlü etmenler ve üç kurala uyuyor:

μ oranında kendiliğinden ölür;
aynı yerde bir A varsa λ oranında çoğalır (B + A → B + B + A);
kendisi de rastgele dolaşır.

B'ler birbirini etkilemiyor; A'lar da B'lerden habersiz. Model bu kadar yalın.

Ortalamanın öngörüsü

Klasik yaklaşım, B'lerin sayısını tek tek saymak yerine sürekli bir yoğunluk olarak ele alır ve bir tepkime-yayılım denklemi yazar. A'lar düzgün dağılmış, B'ler de başlangıçta her yerde eşitse denklem basit bir üstel çözüme iner:

n_B(t) = n_B(0) · e^{(λ⟨n_A⟩ − μ) t}

Her şey tek bir sayıya bağlı: r = λ⟨n_A⟩ − μ. Katalizörlerin ortalama yoğunluğu doğumları ölümlerin üzerine çıkarmaya yetiyorsa (r > 0) nüfus büyür; yetmiyorsa (r < 0) her yerde aynı hızla, üstel olarak söner.

Kavram Ortalama alan varsayımı

Sürekli denklem iki şeyi varsayar. Birincisi, B'lerin nerede olduğu A'ların nerede olduğundan bağımsızdır. İkincisi, yoğunluk istendiği kadar küçük olabilir. Oysa bir A'nın yanındaki B'ler çoğaldıkça orada ortalamadan yoğun bir küme oluşur; ve “metrekarede binde bir birey” diye bir şey yoktur, birey ya vardır ya yoktur. r < 0 bölgesinde bu iki yaklaşım birbirini besler ve öngörü nitel olarak yanlışlaşır.

Katalizörün peşindeki adacıklar

Gerçekte olan şu: bir A'nın bulunduğu noktada B'ler, A oradan ayrılana kadar üstel olarak çoğalır. Bir kısmı komşu noktalara yayılır, böylece A'nın çevresinde bir tepe oluşur. A bir adım attığında, zaten B'lerin yayılmış olduğu bir komşu noktaya düşer; adacık onunla birlikte yer değiştirir. Makalenin hesabına göre bu hareketli adacığın büyüme hızı λ − μ − 2dD_B − 2dD_A log(λ/D_B) ile verilir ve ortalama hız r negatifken bile pozitif kalabilir.

Yazarlar bunu renormalizasyon grubu çözümlemesiyle genelleştirdi. Kritik boyut d_c = 2 çıkıyor: iki ya da daha az boyutta, yeterince büyük ölçeklerde sistem her zaman sanki r > 0'mış gibi davranıyor. Üç boyutta ise hayatta kalma ile sönme arasında gerçek bir faz geçişi var.

NetLogo'da yeniden üretmek

Model, etmen tabanlı modelleme ortamı NetLogo'da, kenarları birbirine bağlı (simit biçiminde) 61 × 61'lik bir ızgarada kuruldu. Kuramdaki oranlar, her zaman adımında gerçekleşme olasılıkları olarak yorumlandı; bu yorum küçük oranlar için geçerli.

Her adım dört aşamadan oluşuyor: A'lar yer değiştiriyor, B'ler ölüyor, bir A ile aynı noktadaki B'ler çoğalıyor, B'ler yer değiştiriyor. Çoğalacak B'lerin listesi adımın başında donduruluyor; yoksa aynı adımda doğan B'ler de çoğalır ve etkin hız yapay olarak şişer.

Özgün modele bir ekleme yapıldı: her noktada en fazla k_max B bulunabiliyor. Bu taşıma kapasitesi hem biyolojik olarak daha gerçekçi hem de uzun benzetimlerde hesabın patlamasını önlüyor. Referans ayarlar ⟨n_A⟩ = 0,10, n_B(0) = 0,30, λ = 0,60, μ = 0,10, D_A = 0,30 ve D_B = 0,20; bu durumda r = −0,04, yani sürekli kuram sönme bekliyor.

Beş deney

İlk deneyde sürekli kuram B nüfusunun yaklaşık 50'de birine ineceğini öngördü; simülasyonda nüfus 100 katına çıktı. İki eğri arasındaki fark yaklaşık 3,7 mertebe. Izgaraya bakınca neden olduğu görülüyor: B'ler A kümelerinin çevresinde sıkı adacıklar oluşturuyor, aralarında neredeyse boş kara alanlar kalıyor.

Deney	Değişen	r	Simülasyon	Sürekli kuram
1. Referans	μ = 0,10	−0,04	+2,0	−1,7
2. Yüksek ölüm	μ = 0,50	−0,44	14. adımda sönme	sönme
3a. Az katalizör	⟨n_A⟩ = 0,05	−0,07	+1,5 (kararlı)	−5,8
3b. Çok katalizör	⟨n_A⟩ = 0,20	+0,02	+2,2	+0,8
4. Dar kapasite	k_max = 10	−0,04	+1,7 (plato)	−8

Tablodaki değerler, benzetim sonunda log₁₀(N_B(t)/N_B(0)). En çarpıcı durum az katalizörlü deney: kuram neredeyse tam bir yok oluş beklerken nüfus kararlı kaldı; aradaki fark yaklaşık 7,3 mertebe, yani on milyon kattan fazla. Katalizörler bol olduğunda da simülasyon kuramın üstünde kaldı: A'ların çevresinde yoğunlaşmak, elverişli koşullarda bile büyümeyi hızlandırıyor.

İkinci deney bir sağlama: ölüm oranı μ = 0,50'ye çıkarılınca nüfus 14 adımda söndü. Yani modelde yapay bir “hayatta kalma” eğilimi yok; “hayat kazanır” sonucu belirli bir parametre bölgesine bağlı. Dördüncü deneyde taşıma kapasitesi, ayakta kalan nüfusun büyüklüğünü belirledi ama hayatta kalıp kalmayacağını değiştirmedi. Beşinci deneyde ise adacıkların oluştuğu, yoğunlaştığı, birleşip yeniden düzenlendiği izlendi: sistem ne donuk ne tekdüze, yapılı bir dinamik dengeye ulaşıyor.

Sürekli yaklaşımlar ne kadar zarif olursa olsun, asla masum değildir. Mikroskobik dalgalanmalar doğrusal olmayan bir dinamikle birleştiğinde, onları yok saymak nitel olarak yanlış öngörülere götürebilir.

Sonuç nereye kadar geçerli?

Deneylerin hepsi iki boyutta yapıldı. Renormalizasyon çözümlemesinin asıl öngörüsünü, yani kritik boyutun 2 olduğunu sınamak için aynı modelin bir ve üç boyutta da çalıştırılması gerekiyor. Oranları adım başına olasılık olarak okumak küçük oranlar için geçerli bir yaklaşım; referans ayarlarda λ = 0,60 olduğundan sayısal değerler nitel eğilimler olarak okunmalı. Taşıma kapasitesi de özgün modelde olmayan bir doğrusal olmayanlık ekliyor.

Makalenin önerdiği uygulamalar geniş: canlılığa elverişsiz görünen bir prebiyotik kimyada yaşamın nasıl başlayabildiği, genotip uzayında görünüşte mahkûm türlerin nasıl ayakta kaldığı, “verimli” sayılan piyasalarda nasıl kâr edilebildiği. Bunların her biri, modelin gerçek verilerle ayarlanmasını gerektiriyor. Ama ana ders şimdiden açık: dünyanın taneli yapısı önemlidir.

Bu yazı neye dayanıyor?

Bu yazı, Nadir Madi ve Mohamed Aziz Ben Romdhane'nin Évry Paris-Saclay Üniversitesi Bilgisayar ve Ağ Sistemleri yüksek lisans programında (Otonom Sistemler, 2025–2026) hazırladığı The importance of being discrete: Life always wins on the surface — Reproduction et analyse numérique sous NetLogo başlıklı proje raporuna dayanıyor. Tablodaki bütün değerler raporun benzetimlerinden alındı.

Shnerb, N. M., Louzoun, Y., Bettelheim, E. & Solomon, S. (2000). The importance of being discrete: Life always wins on the surface. Proceedings of the National Academy of Sciences USA, 97(19), 10322–10324.