物理、化学与工程 · 5/11
相变与临界点Phase Transitions and Tipping Points
系统接近某个边界时,条件再变一点,就会换一种运行方式。
一旦储户开始担心别人抢先取钱,排队本身就会制造更多排队。2007 年 9 月 13 日晚,BBC 报道英国北岩银行获得英格兰银行紧急支持。14 日上午,支持安排正式公布,伦敦等地的分行外开始出现长队。银行把大量资金放在长期房贷里,无法立刻把它们变成现金。对排队的人来说,原本可以安心留在账户里的钱,突然变成了必须赶快拿回来的钱。9 月 17 日,财政大臣阿利斯泰尔·达林宣布政府担保存款,试图让储户重新相信:别人取钱,自己也可以留下。
为什么成立
条件连续变化,系统可以换一种状态
水从常温一路冷却,开始只是越来越冷;常压下到达冰水相变温度后,继续抽走热量,水便逐步结冰。冰水共存期间,温度维持在约零摄氏度,变化主要体现在冰越来越多。外部条件的变化,不一定只换来原有状态的增减,也能改变整个系统的性质。
微小变化能改变哪种状态更稳定
水结冰,是分子之间的相互作用与热运动竞争的结果。温度较高时,分子不断移动、重新排列;温度降低后,有序的晶体结构变得更稳定。物理学把液体、固体这类宏观状态称为“相”。相变时,分子还是那些分子,排列方式却改变了水能否流动、能否承受剪切。
人会改变彼此的选择,从而推动状态切换
挤兑中的转折来自储户互相影响。假设银行当天能拿出十亿元现金,八亿元提款还可支付,十二亿元就超过了支付能力。看到别人提款,更多储户抢先行动;新增提款又让银行更难支付。系统从“大家愿意等待”转向“等待会让自己吃亏”,随后提款加速。
找到边界,要同时看条件和状态
使用这个模型时,要找出两个量:什么在慢慢改变,什么会因此换挡。水温是条件,结冰比例是状态;银行可用现金和提款压力是条件,储户是否争抢是状态。还要说出切换的机制:分子为何重新排列,人为何改变选择。这样才能把一次突变解释成可检验的判断。
出处
相变来自热力学和统计物理,并非一人一次提出。1869 年,托马斯·安德鲁斯通过二氧化碳实验研究液气转变。液气临界点是液气共存曲线终止处的特定温度和压力;超过临界温度,单靠加压不能使气体液化。吉布斯在 1870 年代建立了相共存理论;后来,社会科学借用阈值与状态切换的思路解释集体行为。
换个领域看
工程
电网突然失守
电网中的局部故障会把负担转给其他线路。2003 年 8 月 14 日,美国俄亥俄州输电线接触树木后跳闸,负荷转移引发连锁故障,停电扩展到纽约和加拿大安大略省等地。此前还能输电的线路,在新的负担下接连退出。工程人员因此要检查故障后的负荷,而只看正常运行时的负荷会漏掉风险。
社会
沉默突然翻转
公开表态的人变多,会降低后来者开口的顾虑。一个十二人的团队讨论延期:两人反对时,其他人担心自己显得不配合;负责人承认进度失真后,更多人说出早已存在的担忧,会议迅速转向支持延期。翻转的是公开表达与行动,未必是每个人刚刚改变了内心看法。
日常生活
冻裂的玻璃瓶
装满水的密封玻璃瓶,降温时能保持完好,结冰后却会承受新的压力。水结冰后的体积比液态时大约增加百分之九;没有空间容纳膨胀,瓶壁就会受压,最终破裂。把装水容器放进冷冻室前留出空间,针对的是冻结后的体积变化,而只估计它会降温多少会漏掉这一步。
遇事时问自己
- 眼前哪个条件在持续变化,跨过边界后哪个行为或性质会换挡?
- 有什么具体机制,会让新增的一点变化引出更大的后续变化?
- 我用过去的数据预测未来时,是否默认系统会一直保持当前状态?
- 如果边界位置估错了,我现在能采取什么措施降低跨过去的损失?
- 条件恢复到原来的水平后,是什么让系统回去,或让它继续留在新状态?
边界与误用
这个模型适用于能指出状态差别和切换机制的系统;销量突然上涨、股价大跌,也可以来自一次外部冲击,不能只凭曲线陡峭就称为相变。物理相变也有连续转变;水结冰是一级相变,而严格的“临界点”指液气区别消失等特定情形。社会系统借用的是阈值思路,边界会随制度、信息和人群改变。最常见的误用,是事后画出一条精准临界线,再把它当成下一次必然有效的预测。恢复原有条件也未必能恢复原有状态,例如保证提款并不能立刻修复储户的信任。
练一练
一个在线订票服务逐步增加接入量。请求超过两秒没返回,客户端就自动重试。起初,新增请求只让响应稍慢;后来,大量请求同时超时,重试请求挤占处理能力,连原本能及时完成的请求也开始超时。团队准备继续增加接入量,并按此前的数据估算延迟。
哪种判断最站得住?
关键是新增负担会自行放大。限制重试能削弱这条链路,再测试才更容易看清服务的承载边界。
增加服务器可能缓解拥堵,保留重试也像是在保障用户。但不限制重试,新增容量仍可能被重复请求迅速占满。
此前的数据确实支持这种估算。但大量重试已经改变了请求的来源,原来的比例关系可能失效。
停止增加负担通常有帮助。但现有客户端还在持续重试,仅暂停新增接入未必能让积压消退。
慢慢增加的是接入量,改变的是服务从正常处理转为被重试请求持续挤占。超时引出重试,重试又制造超时,这个机制让过去的平稳关系失效。判断风险时,要把系统自己制造的负担算进去。
一家上市公司宣布,利润占比很高的一项专利被法院判定无效。股价当天跌了三成。此后两周,交易量回落,公司经营和投资者融资条件没有进一步变化。一位投资者仅凭当天的陡跌,就认定市场已经跨过一道边界,今后小幅利空也会引发连续抛售。
这位投资者的判断,哪一步最缺乏依据?
观察后续价格有助于检验判断。但专利价值受损本就可能永久压低估值,价格不恢复也不能证明运行方式改变。
历史跌幅能提供比较尺度。但超过某次跌幅纪录,并不会自动产生新的运行机制。
陡跌可以来自资产价值被一次性重估。要支持他的预测,还需要指出什么条件在变化,以及抛售为何会推动更多抛售。
比较同行有助于判断消息影响的范围。但同行是否下跌,不能证明市场出现了会持续放大的抛售机制。
这里有明确的重大外部消息,足以解释价格突然下跌。曲线陡峭本身不能证明系统换了运行方式,也不能推出以后的小利空会自行放大。这个模型需要状态差别和切换机制,不能只凭走势命名。
家里的庭院池塘长期清澈,池底水草茂盛。主人逐渐增加喂鱼量,后来藻类大量繁殖,遮住阳光,水草开始死亡;腐烂的水草又释放养分,供藻类生长。主人把喂鱼量降回原来水平,但几周后池水仍然浑浊。
下一步哪种做法最有依据?
减少输入后等待消耗,是合理的起点。但腐烂水草还在释放养分,恢复原来的喂鱼量未必能恢复原来的池塘。
浑浊状态已经有了维持自己的链条。减少输入还不够,需要削弱这条链条,帮助原来的清澈状态重新建立。
记录上次的变化能提供线索。但水草数量、池底养分和季节都会改变边界,上次的数值不能当作固定安全线。
进一步减少输入可能有帮助。但池塘内部的养分释放和遮光仍在持续,不能只靠输入量断定一定恢复。
喂鱼量逐渐增加,池塘却从水草维持清澈转为藻类维持浑浊。跨过去之后,遮光和腐烂释放养分改变了系统,所以把输入调回去,状态未必跟着回去。恢复时要处理新状态的维持机制。