Клапченко, Василь ІвановичКраснянський, Григорій ЮхимовичКузнецова, Ірина ОлександрівнаГаць, Катерина Ігорівна2022-11-182022-11-182022Фрактальне моделювання стохастичних процесів і розвиток статистичних уявлень / В. І. Клапченко, Г. Ю. Краснянський, І. О. Кузнецова, К. І. Гаць // Управління розвитком складних систем : зб. наук. праць /Київ. нац. ун-т буд-ва і архіт. ; гол. ред. П. П. Лізунов. - Київ : КНУБА, 2022. - № 49. - С. 132 – 140. - Бібліогр. : 15 назв.2219-5300https://repositary.knuba.edu.ua/handle/987654321/10416Ефективність залучення фрактальних моделей до розгляду складних багатокомпонентних систем, особливо тих, функціонування яких ґрунтується на стохастичних процесах, загальновідома. Зокрема до них належать і молекулярні системи, вивчення яких вважалось винятковою прерогативою загальновідомих методів статистичної фізики. На перший погляд видається, що накладання фрактального моделювання на статистичну задачу є своєрідним подвійним спрощенням, що мало б звузити область застосовності такого підходу. Проте фрактальне моделювання лише посилило вимоги до більш чіткого і точного формулювання статистичних задач, уточнення базових понять, уявлень про розрізненість частинок і т. п. У роботі вперше показано, що статистика молекулярних систем має базуватися на двох статистичних множниках Gn та Fm. Основою для множника Gn є розрізненість характеру руху та взаємодії частинок, а множника Fm – розрізненість способів заповнення фазових комірок. Разом вони формують фізичну статистику, яка чутлива до зміни характеру взаємодій у системі. Водночас математичні методи статистики, нечутливі до нюансів взаємодій, описують максимальний хаос у системі, фактично, ідеальний газ. Одним із здобутків проведеного дослідження є встановлення того, що обидві квантові статистики ґрунтуються лише на статистичному множнику Fm , основаному на розрізненості способів заповнення фазових комірок.uk-UAфракталстохастичні процесирозрізненістьматематична ймовірністьтермодинамічна ймовірністькласична та квантові статистикиентропіякафедра фізикиФрактальне моделювання стохастичних процесів і розвиток статистичних уявленьArticle539.1517.938