随机空间截断和反向空间分箱对无序系统中超均匀性检测的影响

我们研究有限窗口抽样（随机空间截断）和反向空间径向分箱如何影响无序系统中超均匀性检测。我们使用 thirteen 个代表性二维模拟系统（两个具有不同约束参数的隐形超均匀系统；一个超均匀高斯配对统计系统；六个具有不同 alpha=0.5, 0.7, 1.0, 1.3, 1.5, 3.0 的超均匀定向系统；随机顺序添加系统；泊松点分布系统；Lennard-Jones 流体系统和 Yukawa 流体系统）以及两个真实生物系统（鸟类视网膜图案和环状叶脉网络）。我们发现，适度的随机空间截断（即从原始完整场配置中随机提取较小的子窗口）不会从根本上改变系统的超均匀性分类。具体而言，尽管测量的超均匀性指数 alpha（即小 k 抑制的降低）有所下降，无序超均匀系统仍保留其各自的超均匀性类别。此外，空间截断常常会导致小 k 值 S(k) 的配置依赖性波动。我们显示，适度的反向空间径向池化（由分箱参数 m 控制）有效平滑了这些不必要的波动，而不会改变超均匀性类别。提供了选择 m 的实用指南、与局部数方差缩放交叉检查以及增加有效抽样的建议。这些结果为在有限和被截断数据集中进行稳健的谱检测超均匀性提供了具体、低成本且有效的方法，这些数据在实验系统中随处可见。