Angol nyelvtudás, programozói gyakorlat (C, C++, vagy Fortran), önálló tanulásra, kutatásra való hajlam, jó statisztikus fizikai alapismeretek.
Villamos hálózatokban a zavarérzékenység igen fontos tényező és a fokozódó lokális energia termelő csomópontok miatt egyre inkább sztochasztikus folyamatokkal jellemezhető.
Korábban Észak-Amerika elektromos áramkimaradásainak idősorait elemezve kimutatták, hogy ezek széles eloszlásúak, melyből (önszerveződő) kritikusságra következtettek.
A váltakozó áramú elektromos hálózatokat az ún. Kuramoto modellel szokták modellezni, melyben a csomópontokon értelmezett csatolt oszcillátorok fázisa szinkronizációs átmenetet
mutat a csatolási állandó függvényében. Ha igazak a kritikussággal kapcsolatos mérési eredmények, akkor nem mindegy, hogy az a tartomány, ahol a szuszceptibilitás divergál milyen
kiterjedt. Szilárdtesteknél a heterogenitások/rendezetlenség következtében széles paraméterér régiók jöhetnek létre dinamikus kritikussággal. Az ilyen, ún. Griffiths effektusok vizsgálatát
a Kuramoto modell esetén kisebb agyhálózatok esetén vizsgálták és megmutatták, hogy relevánsak lehetnek bizonyos hierarchikus moduláris rendszerekben.
A feladat Kuramoto modell szimuláló algoritmus létrehozása lenne, mely valós vagy valós alapon generált elektromos hálózatokat vagy emberi connectome-okat vizsgál.
Modell szimulációk futtatásával becslést adhatunk arra, hogy a villamos hálózati heterogenitások mennyire befolyásolják a kritikus tartományt, mennyire kell figyelembe
venni a Griffiths effektusokat a tervezés során. A szimulációkat és spektrális analízist a Kuramoto modellen hasonlítanánk össze a homogén hálózatokéval. Meghatároznánk
a kritikus pont körüli dinamikus viselkedések jellemzőit, az időfüggvényeket és az aszinkronitás zavar lavinák valószínűség eloszlásait.
Másfelől a Kuramoto modellel vizsgálni lehetne az openconnectome.org-ról letöltött nagy emberi agyhálózatokban
(Michael T. Gastner and Géza Ódor, The topology of large Open Connectome networks for the human brain, Scientific Reports 6 (2016) 27249) a Griffiths effektusok erősségét.
A numerikus számításokat az NIIF HPC-s és GPU-s infrastrukúra segíti, valamint pályázunk a téma MTA-EK-MFA-s intézeti támogatásra is.