[論文レビュー] Urban and Scientific Segregation: The Schelling-Ising Model

Dietrich Stauffer, Christian Schulze|ArXiv.org|Oct 27, 2007

Opinion Dynamics and Social Influence参考文献 4被引用数 3

ひとこと要約

本稿では、外部要因ではなく個人の好みから生じる集積現象として都市的分離を説明する二温度イジング模型を提案する。ノイズと動的許容度（温度）の調整を導入することで、微小で非ゼロのノイズが大きな安定したギャングステルを形成可能であることを示し、元々のシェリングモデルが無限大のクラスタを生成できないという欠陥を解消する。

ABSTRACT

Urban segregation of different communities, like blacks and whites in the USA, has been simulated by Ising-like models since Schelling 1971. This research was accompanied by a scientific segregation, with sociologists and physicists ignoring each other until 2000. We review recent progress and also present some new two-temperature multi-cultural simulations.

研究の動機と目的

• 都市的分離を研究するにあたり、社会学と物理学の間の学術的分離を是正すること。
• 外部要因が存在しない条件下で、元々のシェリングモデルが大規模なギャングステルを生成できるかどうかを調査すること。
• ノイズと動的許容度（温度）が多文化都市シミュレーションにおける分離の出現に与える影響を調査すること。
• 微小で非ゼロのノイズが、イジングモデルに類似したモデルで巨視的分離を達成するために不可欠であることを示すこと。
• 社会学的住宅分離モデルと統計物理学的手法との間の溝を埋めること。

提案手法

• 個人の許容度に用いる温度 $T_1$ と外部ノイズに用いる温度 $T_2$ を用いた二温度フレームワークを用いて、シェリング＝イジングモデルを適応させる。
• エネルギー変化と両方の温度 $T_1$ および $T_2$ に基づいてスピンを確率的に更新するため、グラウバー力学を適用する。
• 周囲4つの隣接セルがすべて同じグループの場合に $T_1(i)$ を増加させ、全員が異なるグループの場合に減少させるという、サイト依存の $T_1(i)$ を導入し、適応的許容度を模倣する。
• $T_1(i)$ が無限大に発散するのを防ぐために、グローバルな忘却率（1ステップあたり0.3%）を適用する。
• 二値モデルよりも洗練された分離ダイナミクスを可能にするために、5つの文化的グループを表す $Q=5$ のポッツ型モデルを用いる。
• 2次元格子上でのランダム順序更新をシミュレートし、時間経過に伴う相関 $C$ と平均 $T_1$ を測定する。

実験結果

リサーチクエスチョン

• RQ1 元々のシェリングモデルは、外部要因やランダムネスが存在しない状況でも、大きな安定したギャングステルを生成できるか？
• RQ2 温度 $T_2$ におけるノイズの導入が、モデル内の分離の強度と連続性にどのように影響するか？
• RQ3 動的許容度（$T_1(i)$）は、分離クラスタの成長を促進するか、あるいは抑制するか、果たす役割は何か？
• RQ4 ノイズが増加するに従い、システムが大規模分離への相転移を示すか？
• RQ5 表面ノイズとボリュームノイズのどちらが、最終的な分離度により大きな影響を与えるか？

主な発見

• 元々のシェリングモデルは、巨大な格子を用いても界面でのブロッキングのため、大きなギャングステルを生成できない。
• 微小で非ゼロのノイズ（$T_2$）が、ブロッキングを解消し、大きな安定した分離領域の形成を可能にする。
• $T_2 > 5$ のノイズは分離を著しく低下させ、この値を超えると効果が飽和し、しきい値的挙動を示す。
• ボリュームノイズは表面ノイズよりも分離をより効果的に減少させることが、シミュレーションの正規化によって確認された。
• $Q=5$ の場合、$T_1$ や $T_2$ を増加させても明確な相転移は観察されないが、ノイズの増加に従い分離強度は連続的に低下する。
• 周囲の均質性に基づいて調整され、グローバルな忘却を受ける動的許容度 $T_1(i)$ は、適応的学習を可能にし、無限大の許容度の蓄積を防ぐ。