Acoplamiento preferencial: este modelo simula cómo se crean redes; La mayoría de las veces, sólo unos pocos "hubs" están fuertemente conectados con el resto de la red, mientras que los otros nodos sólo tienen algunas conexiones. Es interesante observar cómo se forman esas conexiones y por qué algunos hubs son preferidos sobre otros. El gráfico log-log es especialmente interesante: al transformar el gráfico, se obtiene casi una línea recta. Como consecuencia, hay muy pocos hubs creados con el paso del tiempo. Además, con un modelo muy grande la línea recta sólo es visible para la primera mitad de los nodos; Mi interpretación es que en una red muy grande, es menos probable que sea elegido por el nodo más reciente. El resultado es que cada vez menos nodos muestran un alto grado de conexión, mientras que muchos de ellos sólo tienen un enlace.
Cambio climático: Realmente me gusta este modelo porque separa los diferentes agentes que influyen en el efecto invernadero. Como consecuencia, es más fácil seguir un rayo de luz y entender cómo las nubes y moléculas de CO2 impactan su trayectoria (botón "ver un rayo"). Es divertido tratar de conseguir la temperatura más alta (me detuve a 300 por tener 0 albedo y un montón de moléculas de CO2, pero supongo que subirá indefinidamente). También es interesante ver que la atmósfera tiene algún tipo de permeabilidad fija (con un brillo completo y sin albedo, la temperatura se estabilizará a 50 grados); O que las nubes disminuyen la temperatura, mientras que las moléculas de CO2 la aumentan.
Modelo de Segregación: este modelo no es tan complejo pero el resultado es impresionante; Bajo el 40% de similitud deseada, las flechas rojas y verdes se mezclaron muy fácilmente. Pero cuando se pasa este umbral, se puede ver claramente algunas fronteras que se están creando y diferentes grupos que se están formando. Además, cuanto mayor es el grupo y el mayor porcentaje de similitud, se necesita mucho tiempo para crear fronteras y hacer feliz a la gente.
Finalmente, opté por modificar el modelo de apego preferencial y lo rebautizé como el modelo de difusión de información. Mi objetivo era recrear la teoría de los "dos pasos de la comunicación". La idea es que los "exploradores" (personas en el borde de la red) descubren nuevas piezas de información (por ejemplo, inovaciones, por ejemplo); Si un explorador está conectado a un "hub" (alguien con muchas conexiones), la información se propagará al resto del gráfico y se convertirá en viral. Si el explorador no tiene las conexiones correctas, la información morirá. Para lograr este propósito, agregué un interruptor llamado "propagación" al modelo y cambié el color y el tamaño de los nodos a medida que la información se propaga a través del modelo; El código es bastante simple y funciona bastante bien.
