Física da psicofísica: uma abordagem mecanística à lei de Stevens

• Ano de defesa: 2019
• Autor(a) principal: Emílio Frari Galera
• Orientador(a): Osame Kinouchi Filho
• Banca de defesa: Ronald Dickman, Antonio Carlos Roque da Silva Filho
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade de São Paulo
• Programa de Pós-Graduação: Física Aplicada à Medicina e Biologia
• País: BR
• Link de acesso: https://doi.org/10.11606/D.59.2019.tde-17092021-085653

Interagimos colo o ambiente através de nossos sentidos. A amplitude dos estímulos que carregam informações podem variar em ordens de magnitude e ainda assim, somos capazes de percebe-los e processa-los de forma automática, diferentemente de equipamentos eletrônicos, digitais ou analógicos, que necessitam de ajustes de escala para detectar estímulos em diversas ordens de grandeza. Por exemplo, conseguimos escutar desde o som de um alfinete caindo no chão quanto o motor de um avião a jato enquanto decola, sem precisarmos ajustar a sensibilidade de nossos ouvidos. De acordo com a Psicofísica, o que torna possível nossa flexibilidade ao lidar com alguns tipos de estímulos é uma relação não linear entre o estímulo e nossa resposta, conhecida como lei de potência de Stevens. Estudamos, neste projeto, uma rede bidimensional em camadas de neurônios simplificados do tipo integra-dispara estocásticos. Para isso, partimos de uma análise de campo médio. Validamos os resultados analíticos através de simulações do modelo em uma rede tipo grafo completo e em uma rede com topologia dinâmica (annealed). Em seguida, caracterizamos o comportamento do modelo em uma rede bidimensional medindo o ponto de transição de fase e três expoentes críticos. Mostramos que este sistema produz a Lei de Stevens da Psicofísica como um fenômeno emergente onde a resposta do sistema a estímulos externos é máxima e obedece uma lei de potência no ponto crítico de uma transição de fase. Assim, no espírito da Física Estatística, temos um modelo microscópico que explica uma lei macroscópica. Mostramos também a importância da topologia da rede e como a sua resposta melhora quando estendemos o modelo para duas camadas de elementos.