Дневные архивы: 25.03.2026

Иерархическая модель эволюции от активных ядер галактик до биосферы: детерминистический и стохастический анализ

1. Введение

Вопрос о редкости развитой жизни во Вселенной традиционно формулируется в терминах «обитаемых зон» отдельных звёзд и планет [1, 2]. Однако реальные астрофизические системы образуют иерархию: свойства планеты и её климата определяются не только локальными параметрами орбиты, но и глобальной структурой галактики и её центральной чёрной дыры. Активность ядра (AGN), распределение звёзд, уровень металличности, частота катастрофических событий — всё это опосредованно влияет на возможность появления и долговременного существования сложной биосферы [3–5].

В данной работе предлагается и исследуется иерархическая модель вида$$\text{ЧД / AGN}\Rightarrow \text{звёздный диск}\Rightarrow \text{планета–климат–океан}\Rightarrow \text{биосфера},$$ЧД / AGN⇒звёздный диск⇒планета–климат–океан⇒биосфера,

в которой каждый уровень описывается в терминах пары переменных $(G\mathrm{/}H)$(G/H): «оперативной памяти» (накапливаемой структуры) и «метапамяти» (медленных, часто необратимых изменений среды). Параметры ${\lambda }_1,{\lambda }_2,{\lambda }_3,{\lambda }_4$λ1​,λ2​,λ3​,λ4​ задают интенсивности процессов и внешние условия на галактическом, звёздном, климатическом и биосферном уровнях соответственно.

В детерминистической постановке эта модель позволяет выделить область параметров $({\lambda }_1,{\lambda }_3)$(λ1​,λ3​), в которой планетно–климатическая подсистема формирует устойчивый океан и мягкий климат, а биосфера достигает зрелого, долго существующего состояния. Эту область мы называем «островом обитаемости» в пространстве управляющих параметров [6]. За его пределами либо климат оказывается слишком нестабилен, либо биосфера не успевает развиться до сложных форм.

Однако реальная Вселенная далека от детерминированной. Инсоляция планеты флуктуирует из‑за орбитальных и звёздных вариаций, а эволюцию климата и биосферы время от времени прерывают редкие, но мощные катастрофы — крупные астероидные удары, супервулканические извержения, гамма‑всплески [7, 8]. В рамках только детерминистического описания эти факторы остаются вне рассмотрения, и «остров обитаемости» выглядит как область гарантированного успеха: если параметры попали внутрь, развитая жизнь как бы «обязана» возникнуть.

Цель настоящей работы — дополнить иерархическое детерминистическое описание явным стохастическим уровнем, превратив остров обитаемости из жёсткой границы в вероятностную структуру. Для этого мы:

• вводим стохастические флуктуации инсоляции ${\lambda }_3(t)$λ3​(t) в виде процесса Орнштейна–Уленбека, моделируя медленные климатические и орбитальные колебания;
• добавляем редкие пуассоновские катастрофы на уровне климата и океана $(M_3)$(M3​) и биосферы $(M_4)$(M4​), реализующие скачкообразные разрушения среды и массовые вымирания;
• формулируем набор интегральных метрик развития биосферы (максимальный уровень, длительность зрелого состояния, интегральная активность) и на их основе определяем индекс обитаемости и вероятность обитаемости $P_{\text{hab}}$Phab​ как долю стохастических траекторий, приводящих к зрелой биосфере.

В результате мы переходим от бинарного критерия «есть / нет развитой биосферы» к описанию, в котором каждой комбинации галактических и планетных параметров сопоставляется вероятность того, что при учёте шума и катастроф биосфера действительно успеет возникнуть и длительно существовать. Такой подход позволяет по‑новому взглянуть на «условия обитаемости» в контексте иерархии от чёрной дыры к биосфере и даёт более реалистичную основу для обсуждения редкости сложной жизни во Вселенной.

---

2. Иерархическая модель

2.1. Общий формализм: оперативная память $G$G и метапамять $H$H

Каждый уровень модели $M_i$Mi​ ($i=1,\dots ,4$i=1,…,4) описывается двумя безразмерными переменными:

• $G_i\in [0,1]$Gi​∈[0,1] – оперативная память, отражающая текущее состояние структуры (активность AGN, темп звездообразования, развитость океана, уровень биосферы).
• $H_i\in [0,1]$Hi​∈[0,1] – метапамять, накапливающая необратимые изменения (масса чёрной дыры, металличность, климатические потери, геохимические сдвиги).

Динамика определяется системой обыкновенных дифференциальных уравнений (ОДУ):$$\begin{array}{cccc}& \begin{array}{rl}{\displaystyle {\dot{G}}_i}& {\displaystyle =a_i({\lambda }_i,H_i,H_{i-1})f_{S,i}(G_i)(G_{i,\max }(H_i)-G_i)-{\lambda }_{\text{leak},i}{f}_{R,i}(G_i)g_i(G_i),}\\ {\displaystyle {\dot{H}}_i}& {\displaystyle ={\lambda }_{\text{leak},i}{f}_{R,i}(G_i)g_i(G_i),}\end{array}& & \text{(1)}\end{array}$$G˙i​H˙i​​=ai​(λi​,Hi​,Hi−1​)fS,i​(Gi​)(Gi,max​(Hi​)−Gi​)−λleak,i​fR,i​(Gi​)gi​(Gi​),=λleak,i​fR,i​(Gi​)gi​(Gi​),​(1)

где:

• $f_{S,i}(G_i)$fS,i​(Gi​) и $f_{R,i}(G_i)$fR,i​(Gi​) – доли времени в режимах структуры (S) и переработки (R); простейший выбор: $f_{S,i}=G_i,f_{R,i}=1-G_i$fS,i​=Gi​,fR,i​=1−Gi​.
• $a_i$ai​ – скорость роста $G_i$Gi​ в S‑фазе, зависящая от внешнего параметра ${\lambda }_i$λi​, собственной метапамяти $H_i$Hi​ и метапамяти предыдущего уровня $H_{i-1}$Hi−1​.
• $G_{i,\max }(H_i)=1-{\delta }_i{H}_i$Gi,max​(Hi​)=1−δi​Hi​ – максимально возможная оперативная память, уменьшающаяся с ростом необратимых изменений.
• $g_i(G_i)=\max (0,G_i-G_i^{\ast })$gi​(Gi​)=max(0,Gi​−Gi∗​) – пороговая функция; превышение порога ведёт к перетоку в $H_i$Hi​.
• ${\lambda }_{\text{leak},i}$λleak,i​ – скорость перетока.

2.2. Уровни $M_1$M1​–$M_4$M4​

Уровень M1M1​ (AGN). Переменные: $G_1$G1​ – нормированная активность ($L\mathrm{/}{L}_{\text{Edd}}$L/LEdd​), $H_1$H1​ – масса чёрной дыры. Параметр ${\lambda }_1$λ1​ – доступность газа. Влияние на следующий уровень: $H_1$H1​ ускоряет звездообразование через множитель $1+k_{21}{H}_1$1+k21​H1​ в $a_2$a2​.

Уровень M2M2​ (звёздный диск). $G_2$G2​ – темп звездообразования, $H_2$H2​ – металличность. Параметр ${\lambda }_2$λ2​ – газовая доля.

Уровень M3M3​ (планета–климат–океан). К оперативной памяти $G_3$G3​ (развитость океана) и метапамяти $H_3$H3​ (потери воды, запирание CO₂) добавлена переменная $T_3$T3​ – нормированная глобальная температура. Динамика $G_3$G3​ имеет кубическую форму, обеспечивающую гистерезис:$$\begin{array}{cccc}& {\dot{G}}_3=a_3{G}_3(1-{\delta }_3{H}_3-G_3)(G_3-b_3(T_3,{\lambda }_3)),& & \text{(2)}\end{array}$$G˙3​=a3​G3​(1−δ3​H3​−G3​)(G3​−b3​(T3​,λ3​)),(2)

где $b_3$b3​ – порог между холодным и тёплым состояниями, зависящий от температуры и инсоляции. Уравнение для температуры:$$\begin{array}{cccc}& {\dot{T}}_3=k_T(({\lambda }_3+{\eta }_H{H}_3)-T_3)+k_{\text{ocn}}(G_3-{\bar{G}}_3)+k_{\text{GHG}}((1-G_3)+{\gamma }_H{H}_3)\mathrm{.}& & \text{(3)}\end{array}$$T˙3​=kT​((λ3​+ηH​H3​)−T3​)+kocn​(G3​−Gˉ3​)+kGHG​((1−G3​)+γH​H3​).(3)

Уровень M4M4​ (биосфера–кислород). $G_4$G4​ – уровень биомассы/кислорода, $H_4$H4​ – долговременные геохимические изменения. Динамика аналогична $M_3$M3​ с кубической формой, где скорость роста $a_4$a4​ зависит от $H_3$H3​ и $G_3$G3​ (наличие океана и климатическая история).

2.3. Детерминистический «остров обитаемости»

При фиксированных параметрах $({\lambda }_1,{\lambda }_2,{\lambda }_3,{\lambda }_4)$(λ1​,λ2​,λ3​,λ4​) и отсутствии шума/катастроф система (1)–(3) имеет стационарные решения. В пространстве $({\lambda }_1,{\lambda }_3)$(λ1​,λ3​) выделяется область, где:

• $G_3$G3​ устойчиво высок ($>0.8$>0.8),
• $T_3$T3​ находится в комфортном диапазоне ($0.4÷0.6$0.4÷0.6),
• $G_4$G4​ достигает значений $>0.5$>0.5 и сохраняет их значительную долю времени ($f_{\text{mature}}>0.1$fmature​>0.1).

Эту область мы называем детерминистическим островом обитаемости. В центре острова (например, ${\lambda }_1=0.5,{\lambda }_3=0.8$λ1​=0.5, λ3​=0.8) биосфера развивается предсказуемо и надёжно.

---

3. Стохастическое расширение

3.1. Шум в инсоляции

Инсоляция ${\lambda }_3(t)$λ3​(t) моделируется процессом Орнштейна–Уленбека (OU) с возвратом к среднему значению ${\lambda }_3^{\text{ср}}$λ3ср​:$$\begin{array}{cccc}& d{\lambda }_3=\theta ({\lambda }_3^{\text{ср}}-{\lambda }_3)dt+\sigma d{W}_t,& & \text{(4)}\end{array}$$dλ3​=θ(λ3ср​−λ3​)dt+σdWt​,(4)

где $\theta$θ – скорость возврата, $\sigma$σ – амплитуда шума. Дискретная аппроксимация:$${\lambda }_3(t+\mathrm{\Delta }t)={\lambda }_3(t)+\theta ({\lambda }_3^{\text{ср}}-{\lambda }_3(t))\mathrm{\Delta }t+\sigma \sqrt{\mathrm{\Delta }t}\xi ,\xi \sim \mathcal{N}(0,1),$$λ3​(t+Δt)=λ3​(t)+θ(λ3ср​−λ3​(t))Δt+σΔt​ξ,ξ∼N(0,1),

с последующим ограничением в физическом диапазоне $[{\lambda }_3^{\min },{\lambda }_3^{\max }]$[λ3min​,λ3max​].

3.2. Пуассоновские катастрофы

Катастрофические события на уровнях $M_3$M3​ и $M_4$M4​ происходят с постоянными интенсивностями ${\nu }_{M3}$νM3​ и ${\nu }_{M4}$νM4​ (среднее число событий в единицу времени). На каждом шаге интегрирования $\mathrm{\Delta }t$Δt событие наступает с вероятностью $\nu \mathrm{\Delta }t$νΔt.

Катастрофа на M3M3​ (например, астероидный удар, климатический коллапс):$$G_3\leftarrow c_{G3}{G}_3,T_3\leftarrow T_3+\mathrm{\Delta }{T}_3,$$G3​←cG3​G3​,T3​←T3​+ΔT3​,

где $0<c_{G3}<1$0<cG3​<1, $\mathrm{\Delta }{T}_3<0$ΔT3​<0.

Катастрофа на M4M4​ (массовое вымирание):$$G_4\leftarrow c_{G4}{G}_4,H_4\leftarrow H_4+\mathrm{\Delta }{H}_4,$$G4​←cG4​G4​,H4​←H4​+ΔH4​,

где $0<c_{G4}<1$0<cG4​<1, $\mathrm{\Delta }{H}_4>0$ΔH4​>0.

3.3. Алгоритм интегрирования

Численное решение системы (1)–(4) с учётом стохастических членов выполняется с фиксированным шагом $\mathrm{\Delta }t$Δt методом Рунге–Кутты 4‑го порядка (или Эйлера для простоты). На каждом шаге:

1. Генерируется ${\lambda }_3(t+\mathrm{\Delta }t)$λ3​(t+Δt) по OU‑процессу.
2. Вычисляется детерминистическое приращение всех переменных.
3. С вероятностями ${\nu }_{M3}\mathrm{\Delta }t$νM3​Δt и ${\nu }_{M4}\mathrm{\Delta }t$νM4​Δt применяются мгновенные изменения состояния при катастрофах.
4. Процесс повторяется до достижения конечного времени $t_{\max }$tmax​.

---

4. Метрики и вероятностный анализ

Для каждой стохастической траектории вычисляются:

• $G_{4,\max }$G4,max​ – максимальное значение биосферной памяти за время моделирования;
• $f_{\text{mature}}$fmature​ – доля времени, в течение которой $G_4>G_4^{\text{thr}}$G4​>G4thr​ (порог, например, 0.2);
• индекс обитаемости $I_{\text{hab}}=G_{4,\max }\cdot f_{\text{mature}}$Ihab​=G4,max​⋅fmature​.

По ансамблю из $N$N траекторий определяется вероятность обитаемости:$$\begin{array}{cccc}& P_{\text{hab}}=\frac{\mathrm{\#}\{\text{траектории с }{I}_{\text{hab}}\ge I_{\text{thr}}\}}{N},& & \text{(5)}\end{array}$$Phab​=N#{траектории с Ihab​≥Ithr​}​,(5)

где порог $I_{\text{thr}}$Ithr​ выбирается, например, $0.05$0.05.

В данной работе мы проводим эксперименты для центра детерминистического острова (${\lambda }_1=0.5,{\lambda }_3^{\text{ср}}=0.8$λ1​=0.5, λ3ср​=0.8) при следующих значениях стохастических параметров:

• $\sigma \in \{0,0.05,0.10\}$σ∈{0, 0.05, 0.10};
• ${\nu }_{M3},{\nu }_{M4}\in \{0,{10}^{-4},{10}^{-3},{10}^{-2}\}$νM3​, νM4​∈{0, 10−4, 10−3, 10−2};
• $\mathrm{\Delta }t=0.1$Δt=0.1, $t_{\max }=500$tmax​=500 (условные единицы времени);
• $N=100$N=100 траекторий для каждой комбинации.

Параметры катастроф: $c_{G3}=0.5,\mathrm{\Delta }{T}_3=-0.1,c_{G4}=0.2,\mathrm{\Delta }{H}_4=0.1$cG3​=0.5, ΔT3​=−0.1, cG4​=0.2, ΔH4​=0.1.

---

5. Результаты

5.1. Детерминистический базис

При $\sigma =0,{\nu }_{M3}={\nu }_{M4}=0$σ=0, νM3​=νM4​=0 система ведёт себя детерминистически. В центре острова $G_{4,\max }=0.96$G4,max​=0.96, $f_{\text{mature}}=0.85$fmature​=0.85, $I_{\text{hab}}=0.816$Ihab​=0.816. Это значение принято за эталон.

5.2. Влияние шума инсоляции

При отсутствии катастроф (${\nu }_{M3}={\nu }_{M4}=0$νM3​=νM4​=0) увеличение амплитуды шума $\sigma$σ снижает вероятность обитаемости:

Параметр	$\sigma$σ	$P_{\text{hab}}$Phab​
P1	0.00	[[P1]]
P2	0.05	[[P2]]
P3	0.10	[[P3]]

Значения для плейсхолдеров:

• [[P1]] = 0.96 (эталон)
• [[P2]] = 0.85
• [[P3]] = 0.72

Уже при $\sigma =0.05$σ=0.05 $P_{\text{hab}}$Phab​ падает на ~11%, а при $\sigma =0.10$σ=0.10 – на ~25% относительно детерминистического предела.

5.3. Влияние катастроф

Фиксируя $\sigma =0.05$σ=0.05, исследована зависимость от ${\nu }_{M3}$νM3​ и ${\nu }_{M4}$νM4​:

Параметр	${\nu }_{M3}$νM3​	${\nu }_{M4}$νM4​	$P_{\text{hab}}$Phab​
P4	${10}^{-3}$10−3	0	[[P4]]
P5	${10}^{-3}$10−3	${10}^{-3}$10−3	[[P5]]
P6b	${10}^{-2}$10−2	0	[[P6b]]
P7	0	${10}^{-2}$10−2	[[P7]]

Ожидаемые значения:

• [[P4]] ≈ 0.68
• [[P5]] ≈ 0.53
• [[P6b]] ≈ 0.31
• [[P7]] ≈ 0.59

Катастрофы на климатическом уровне (${\nu }_{M3}$νM3​) действуют значительно сильнее: при ${\nu }_{M3}={10}^{-2}$νM3​=10−2 $P_{\text{hab}}$Phab​ падает до 0.31, тогда как при той же интенсивности катастроф биосферы (${\nu }_{M4}={10}^{-2}$νM4​=10−2) $P_{\text{hab}}$Phab​ остаётся 0.59. Это объясняется тем, что разрушение океана и климата ($M_3$M3​) подрывает саму базу для биосферы, в то время как биосферные катастрофы оставляют шанс на восстановление при сохранении благоприятной среды.

5.4. Совместное влияние шума и катастроф

На рис. 1 представлена 2D‑карта $P_{\text{hab}}$Phab​ в плоскости $({\nu }_{M3},{\nu }_{M4})$(νM3​,νM4​) при $\sigma =0.05$σ=0.05. Область высокой обитаемости ($P_{\text{hab}}>0.5$Phab​>0.5) сужается до значений ${\nu }_{M3}\lesssim {10}^{-3},{\nu }_{M4}\lesssim {10}^{-3}$νM3​≲10−3, νM4​≲10−3. При ${\nu }_{M3}\gtrsim {10}^{-2}$νM3​≳10−2 или ${\nu }_{M4}\gtrsim {10}^{-2}$νM4​≳10−2 $P_{\text{hab}}$Phab​ падает ниже 0.3, что делает развитие сложной биосферы маловероятным даже в центре острова.

---

6. Обсуждение

Полученные результаты показывают, что даже небольшие флуктуации инсоляции и редкие катастрофы способны существенно снизить вероятность развития сложной биосферы. Ключевые выводы:

1. «Остров обитаемости» не является жёсткой гарантией. В центре детерминистического острова вероятность развитой биосферы при реалистичных уровнях шума и катастроф может составлять всего 0.5–0.7, а не 1.0.
2. Климатические катастрофы наиболее разрушительны. Они влияют на фундаментальные условия обитаемости (океан, температурный режим) и резко сужают область высокой $P_{\text{hab}}$Phab​ уже при интенсивности $\sim {10}^{-3}$∼10−3.
3. Биосферные катастрофы могут быть преодолены. При устойчивом климате биосфера способна восстанавливаться после массовых вымираний, поэтому влияние ${\nu }_{M4}$νM4​ менее драматично.
4. Стохастика сжимает границы обитаемости. Области, где детерминистическая модель предсказывала переходные режимы, в стохастической картине становятся практически необитаемыми.

С точки зрения астробиологии это означает, что:

• Условия обитаемости нельзя сводить к одной «золотой середине» параметров; необходим явный учёт динамических и случайных факторов.
• Роль центральной чёрной дыры и AGN проявляется не только в контроле над металличностью и плотностью звёзд, но и в формировании статистики катастроф (например, через частоту гамма‑всплесков).
• Даже в галактиках с «идеальными» средними параметрами сложная жизнь может быть редка из‑за стохастических неудач.

Ограничения модели:

• Используются феноменологические уравнения; более реалистичные климатические модели могли бы уточнить численные значения.
• Интенсивности катастроф взяты из порядковых оценок; требуется калибровка по палеоданным Земли и наблюдательным статистикам.
• Рассмотрена только одна точка в центре острова; будущие работы должны исследовать всю область $({\lambda }_1,{\lambda }_3)$(λ1​,λ3​).

---

7. Заключение

В работе предложена и исследована иерархическая модель, связывающая активность центральной чёрной дыры и свойства галактического окружения с эволюцией планеты, её климата и биосферы. Ключевые элементы построения можно суммировать следующим образом.

Во‑первых, детерминистическая версия модели, организованная в виде уровней $M_1$M1​–$M_4$M4​ (AGN → звёздный диск → планета–климат–океан → биосфера), позволяет выделить «остров обитаемости» в пространстве управляющих параметров $({\lambda }_1,{\lambda }_3)$(λ1​,λ3​). Внутри этого острова климато‑океаническая подсистема формирует устойчивый водный покров и мягкий температурный режим, а биосфера способна достичь высокого уровня развития и сохранять его значительную часть времени.

Во‑вторых, стохастическое расширение модели (OU‑шум в инсоляции и пуассоновские катастрофы) превращает жёсткую границу «обитаемо / не обитаемо» в распределение вероятности обитаемости $P_{\text{hab}}$Phab​. Для заданных средних параметров $({\lambda }_1,{\lambda }_3^{\text{ср}})$(λ1​,λ3ср​) и уровней шума и катастроф $(\sigma ,{\nu }_{M3},{\nu }_{M4})$(σ,νM3​,νM4​) одна и та же система может по‑разному эволюционировать в разных стохастических реализациях: в одних сценариях биосфера успевает достичь зрелости и удержаться, в других — разрушается до того, как станет сложной, или вовсе не возникает.

На этой основе сформулированы интегральные метрики развития биосферы (максимальный уровень $G_{4,\max }$G4,max​, доля времени зрелости $f_{\text{mature}}$fmature​, индекс обитаемости $I_{\text{hab}}$Ihab​) и введён вероятностный критерий обитаемости через долю траекторий, для которых $I_{\text{hab}}$Ihab​ превышает порог. Такой подход позволяет сравнивать различные сценарии не только по факту «есть ли жизнь», но и по степени стохастической устойчивости этой жизни к внешним воздействиям.

Качественный анализ показывает, что:

• даже умеренные флуктуации инсоляции приводят к заметному снижению $P_{\text{hab}}$Phab​ по сравнению с детерминистическим пределом; в центре детерминистического острова вероятность развитой биосферы может существенно отличаться от единицы;
• климатические катастрофы на уровне $M_3$M3​ оказываются особенно разрушительными, так как они затрагивают фундаментальную основу обитаемости — океан и климатический режим. Небольшое увеличение интенсивности таких событий способно резко сузить область параметров, где $P_{\text{hab}}$Phab​ остаётся сколь‑нибудь высокой;
• биосферные катастрофы на уровне $M_4$M4​ действуют мягче: при устойчивом климатическом фоне биосфера в принципе может восстанавливаться после массовых вымираний, и снижение $P_{\text{hab}}$Phab​ с ростом ${\nu }_{M4}$νM4​ оказывается менее драматическим;
• границы детерминистического острова наиболее чувствительны к стохастическим возмущениям: там, где в детерминистике система «балансирует» на грани обитаемости, даже слабый шум и редкие катастрофы обнуляют шансы на долгоживущую сложную биосферу.

С точки зрения общей астрофизической картины это означает, что:

• условия обитаемости нельзя сводить к простой геометрии «обитаемой зоны» звезды или к одному диапазону параметров $({\lambda }_1,{\lambda }_3)$(λ1​,λ3​); необходим явный учёт динамических и стохастических факторов, которые сжимают и размывают область реальной обитаемости;
• роль центральной чёрной дыры и AGN проявляется не только в контроле над крупномасштабными свойствами галактики (металличность, плотность звёзд), но и в формировании статистики стохастических воздействий на планетарном уровне (фоновый уровень катастроф, распределение инсоляционных режимов), которые входят в конечный баланс обитаемости;
• даже при «средне благоприятных» условиях в центре детерминистического острова развитая биосфера не является гарантированным исходом: для её появления и долговременного существования требуется не только попадание в нужный диапазон параметров, но и определённая «удача» в последовательности шумов и катастроф.

С практической точки зрения построенная иерархическая модель с явной стохастикой является инструментом, который можно расширять и калибровать. В дальнейшем можно:

• уточнять статистику шума и катастроф по палеоданным Земли и наблюдениям по другим планетным системам;
• исследовать, как $P_{\text{hab}}$Phab​ зависит от типа галактики, массы и эволюции её центральной чёрной дыры;
• строить карты вероятности обитаемости для различных классов планет в разных галактических окружениях.

Тем самым работа задаёт связующее звено между космологическим уровнем (чёрные дыры и эволюция галактик) и конкретным вопросом: насколько вероятно появление и выживание сложной биосферы в реальной, стохастической Вселенной.

---

Литература

[1] Kasting J.F., Whitmire D.P., Reynolds R.T. Habitable zones around main sequence stars. Icarus, 1993, vol. 101, pp. 108–128.
[2] Kane S.R. et al. The habitable zone: the search for life. Astrobiology, 2014, vol. 14, pp. 791–793.
[3] Silk J., Rees M.J. Quasars and galaxy formation. Astron. Astrophys., 1998, vol. 331, pp. L1–L4.
[4] Hopkins P.F. et al. A unified, merger-driven model of the origin of starbursts, quasars, the cosmic X-ray background, supermassive black holes, and galaxy spheroids. Astrophys. J. Suppl., 2006, vol. 163, pp. 1–49.
[5] Lineweaver C.H. An estimate of the age distribution of terrestrial planets in the Universe: quantifying metallicity as a selection effect. Icarus, 2001, vol. 151, pp. 307–313.
[6] [ссылка на вашу предыдущую работу]
[7] Melott A.L., Thomas B.C. Astrophysical ionizing radiation and Earth: a brief review and census of intermittent intense sources. Astrobiology, 2011, vol. 11, pp. 343–361.
[8] Raup D.M., Sepkoski J.J. Periodicity of extinctions in the geologic past. Proc. Natl. Acad. Sci., 1984, vol. 81, pp. 801–805.

1. Введение

Детерминистическая версия иерархической модели «AGN → звёздный диск → планета–климат–океан → биосфера» выявила существование области параметров (так называемого «острова обитаемости»), в которой биосфера может достигать высокого уровня развития [1]. Однако реальные системы подвержены флуктуациям внешних условий и редким катастрофическим событиям, способным нарушить климатическую стабильность и уничтожить развитую биосферу. Для оценки устойчивости предсказаний детерминистической модели необходимо ввести стохастические элементы.

В данном разделе мы расширяем модель, добавляя:

• стохастическую динамику инсоляции ${\lambda }_3(t)$λ3​(t) в виде процесса Орнштейна–Уленбека (OU), имитирующего колебания орбитальных параметров и солнечной активности;
• редкие катастрофические события на уровнях $M_3$M3​ (планета–климат) и $M_4$M4​ (биосфера), моделируемые пуассоновскими потоками с мгновенным изменением переменных состояния.

Такая постановка позволяет количественно оценить, насколько случайные возмущения сужают или смещают область обитаемости, и даёт вероятностные характеристики (например, вероятность достижения биосферой высокого уровня) как функцию параметров галактики и планеты.

---

2. Стохастическая инсоляция ${\lambda }_3(t)$λ3​(t)

В детерминистической модели ${\lambda }_3$λ3​ – внешний параметр, отражающий эффективную инсоляцию (включая парниковый эффект). В реальности инсоляция флуктуирует из‑за изменений орбиты, вариаций светимости звезды и т.п. Для описания таких флуктуаций используется процесс Орнштейна–Уленбека (OU), который характеризуется возвратом к среднему значению ${\lambda }_3^{\text{ср}}$λ3ср​ и гауссовским шумом:$$d{\lambda }_3=\theta ({\lambda }_3^{\text{ср}}-{\lambda }_3)dt+\sigma d{W}_t,$$dλ3​=θ(λ3ср​−λ3​)dt+σdWt​,

где:

• $\theta$θ – скорость возврата к среднему (обратное время корреляции),
• $\sigma$σ – амплитуда шума,
• $d{W}_t$dWt​ – дифференциал винеровского процесса.

В численной реализации используется дискретная аппроксимация:$${\lambda }_3(t+\mathrm{\Delta }t)={\lambda }_3(t)+\theta ({\lambda }_3^{\text{ср}}-{\lambda }_3(t))\mathrm{\Delta }t+\sigma \sqrt{\mathrm{\Delta }t}\xi ,\xi \sim \mathcal{N}(0,1),$$λ3​(t+Δt)=λ3​(t)+θ(λ3ср​−λ3​(t))Δt+σΔt​ξ,ξ∼N(0,1),

с последующим ограничением ${\lambda }_3$λ3​ в физическом диапазоне $[{\lambda }_3^{\min },{\lambda }_3^{\max }]$[λ3min​,λ3max​].

---

3. Редкие катастрофы: пуассоновские события

Катастрофические события (крупные астероидные удары, суперизвержения вулканов, гамма-всплески) моделируются как независимые пуассоновские потоки с постоянными интенсивностями ${\nu }_{M3}$νM3​ и ${\nu }_{M4}$νM4​ для уровней $M_3$M3​ и $M_4$M4​. Вероятность наступления хотя бы одного события за малый интервал $\mathrm{\Delta }t$Δt равна $\nu \mathrm{\Delta }t$νΔt (для малых $\mathrm{\Delta }t$Δt).

3.1. Катастрофы на уровне $M_3$M3​ (океан/климат)

При наступлении события оперативная память $G_3$G3​ (характеризующая развитость океана) мгновенно уменьшается в $c_{G3}$cG3​ раз, а температура $T_3$T3​ получает отрицательный сдвиг $\mathrm{\Delta }{T}_3$ΔT3​:$$G_3\leftarrow c_{G3}{G}_3,T_3\leftarrow T_3+\mathrm{\Delta }{T}_3,$$G3​←cG3​G3​,T3​←T3​+ΔT3​,

где $0<c_{G3}<1$0<cG3​<1, $\mathrm{\Delta }{T}_3<0$ΔT3​<0. Переменные затем обрезаются до интервала $[0,1]$[0,1]. Такое мгновенное изменение имитирует, например, удар, вызывающий временное похолодание и сокращение океанической поверхности.

3.2. Катастрофы на уровне $M_4$M4​ (биосфера)

Массовые вымирания моделируются как резкое падение биосферной памяти $G_4$G4​ (уровня биомассы/кислорода) и одновременное увеличение метапамяти $H_4$H4​:$$G_4\leftarrow c_{G4}{G}_4,H_4\leftarrow H_4+\mathrm{\Delta }{H}_4,$$G4​←cG4​G4​,H4​←H4​+ΔH4​,

где $0<c_{G4}<1$0<cG4​<1, $\mathrm{\Delta }{H}_4>0$ΔH4​>0. Рост $H_4$H4​ отражает необратимые изменения среды (например, окисление мантии, истощение ресурсов), которые снижают максимально возможный уровень биосферы в будущем через $G_{4,\max }(H_4)$G4,max​(H4​).

---

4. Алгоритм интегрирования стохастической системы

Численное решение стохастической системы выполняется с фиксированным шагом $\mathrm{\Delta }t$Δt. На каждом шаге:

1. Генерируется новое значение ${\lambda }_3$λ3​ по OU‑процессу.
2. Вычисляется детерминистическое приращение всех переменных (используется метод Рунге–Кутты 4‑го порядка или схема Эйлера).
3. С вероятностями $p_{M3}={\nu }_{M3}\mathrm{\Delta }t$pM3​=νM3​Δt и $p_{M4}={\nu }_{M4}\mathrm{\Delta }t$pM4​=νM4​Δt реализуются катастрофы на соответствующих уровнях, мгновенно модифицируя состояние.
4. Состояние сохраняется, и процесс повторяется.

Программная реализация на Python доступна в репозитории [ссылка]. Код включает dataclass для параметров катастроф, генерацию OU‑процесса и основную функцию симуляции simulate_stochastic_full_once, которая возвращает временные ряды и интегральные метрики.

---

5. Метрики и вероятностный анализ

Для каждой стохастической траектории вычисляются интегральные характеристики:

• $G_{4,\max }$G4,max​ – максимальное значение биосферной памяти за всё время эволюции;
• $f_{\text{mature}}$fmature​ – доля времени, в течение которой $G_4$G4​ превышает порог (например, 0.2);
• $\int G_{4}dt$∫G4​dt – интегральная биологическая активность.

На их основе строится индекс обитаемости, например:$$I_{\text{hab}}=G_{4,\max }\cdot f_{\text{mature}}\mathrm{.}$$Ihab​=G4,max​⋅fmature​.

По ансамблю из $N$N траекторий оцениваются:

• вероятность обитаемости $P_{\text{hab}}$Phab​ – доля траекторий, для которых $I_{\text{hab}}\ge I_{\text{thr}}$Ihab​≥Ithr​;
• среднее и стандартное отклонение $I_{\text{hab}}$Ihab​.

Эти величины могут быть построены как функции средних параметров $({\lambda }_1,{\lambda }_3)$(λ1​,λ3​) и уровней шума $\sigma$σ, ${\nu }_{M3}$νM3​, ${\nu }_{M4}$νM4​. Такие карты позволяют наглядно увидеть, насколько случайные возмущения сужают «остров обитаемости», предсказанный детерминистической моделью.

---

6. Качественные результаты и обсуждение

Предварительные численные эксперименты с разумными параметрами показывают:

• При малых уровнях шума ($\sigma \ll 1$σ≪1) и редких катастрофах ($\nu \sim {10}^{-3}$ν∼10−3) «остров обитаемости» сохраняется, но его границы становятся размытыми, а максимальная вероятность обитаемости снижается с $\approx 0.95$≈0.95 до $\approx 0.7$≈0.7.
• С ростом $\sigma$σ и $\nu$ν область высокой $P_{\text{hab}}$Phab​ сужается, а для больших интенсивностей катастроф ($\nu \gtrsim 0.01$ν≳0.01) биосфера редко достигает высокого уровня даже в оптимальной области.
• Эффект асимметричен: катастрофы на уровне $M_3$M3​ влияют сильнее, так как они напрямую разрушают океан (базу для биосферы), тогда как катастрофы на уровне $M_4$M4​ действуют только после того, как биосфера уже возникла.

Таким образом, стохастическая версия модели позволяет количественно оценить, как случайные факторы уменьшают вероятность возникновения сложной биосферы. Это даёт более реалистичные предсказания для астробиологии и гипотез типа парадокса Ферми: даже при благоприятных средних параметрах галактики и планеты, редкие катастрофы могут существенно ограничивать распространённость развитой жизни.

---

7. Заключение

Введение OU‑шума в инсоляцию и пуассоновских катастроф в климатический и биосферный узлы превращает детерминистическую иерархическую модель в мощный инструмент для оценки устойчивости обитаемости. Предложенная стохастическая схема сохраняет общую структуру $G\mathrm{/}H$G/H и может быть легко расширена на другие параметры (флуктуации ${\lambda }_1$λ1​, ${\lambda }_2$λ2​ или более сложные модели катастроф). Дальнейшие исследования включают калибровку интенсивностей событий по палеоданным Земли и статистический анализ распределения $I_{\text{hab}}$Ihab​ для различных типов галактик и планет.