可视化

交互式图表、相图与动力学模拟

可视化内容

交互式相图

相图探索器

软化强度 A: 2.0 捕获强度 Γ: 5.0 K_d: 1.0

当前状态: 抑制型

---

浓度依赖曲线

有效扩散系数 $D_{\rm eff}(\phi)$

说明: 调节参数观察 $D_{\rm eff}(\phi)$ 从抑制型到增强型的转变。

---

自由能景观

不同桥数下的 $F(x;n_b)$

说明: 桥数 $n_b$ 增加时，势垒高度线性抬升。

---

桥数分布

泊松分布 $P(n_b|\phi)$

说明: 不同浓度下的桥数概率分布，$\phi=K_d$ 时分布最宽。

---

捕获岛边界

Dome-like 相图

说明: 黄色区域为捕获岛，边界由 $\tau_{\rm net}$ 和 $\tau_{\rm obs}$ 决定。

---

3D 相图

$A$-$\Gamma$-$\phi$ 三维相空间

说明: 三维视角下的相图结构，可旋转查看。

---

动力学模拟

粒子轨迹模拟

说明: 随机游走模拟，展示驻留 - 跳跃行为。

---

下载可视化数据

所有图表的原始数据可下载：

• 相图数据
• 扩散系数曲线 /data/D_eff_curves.csv
• 桥数分布 /data/bridge_distribution.csv
• 自由能景观 /data/landscape_data.csv

---

代码示例

Python 绘图代码

import matplotlib.pyplot as plt
import numpy as np

# 计算 D_eff(φ)
phi = np.logspace(-2, 2, 200)
theta = phi / (1 + phi)
G = theta * (1 - theta)

A = 2.0
Gamma = 5.0
D_eff = np.exp((A - Gamma) * G)

# 绘图
plt.figure(figsize=(8, 5))
plt.semilogx(phi, D_eff, 'r-', linewidth=2)
plt.axvline(1, color='k', linestyle='--', label='φ=Kd')
plt.xlabel('φ/Kd')
plt.ylabel('D_eff/D0')
plt.legend()
plt.grid(True, alpha=0.3)
plt.savefig('D_eff_plot.png', dpi=300)
plt.show()

JavaScript 交互代码

见本页面源代码，使用 Canvas API 实现实时交互。

---

请求新可视化

需要特定的图表或模拟？请通过 GitHub Issues 提出请求。