یک توصیف از سیستم‌های پیچیده: از شایعه تا واقعیت
بسیاری از پدیده‌های طبیعی نظیر انتشار بیماری، پخش شایعه، گسترش ترافیک و یا پخش آلاینده‌ها در محیط و یا مکانیزم توسعه تومورهای سرطانی و درمان‌های مبتنی بر ارسال دارو به محل آسیب دیده و نیز نحوه‌ی تعامل نورون‌ها در سیستم مغزی انسان و …، تنها نمونه‌هایی از سیستم‌های پیچیده هستند که قابل توصیف با مدل ساده ای به نام تراوش یا percolation هستند. در این مدل، "همه گیر شدنِ" یک خاصیت در سیستم‌های خیلی بزرگ (اصطلاحاً گذار فاز) می‌تواند به صورت ناگهانی و یا به صورت پیوسته رخ دهد، ولی برای سیستم‌های کوچک همواره همه گیر شدن با یک جهش قابل ملاحظه همراه است. این جهش در واقع در کسری از اعضای مرتبط سیستم است که دچار آن خاصیت (مثلاً بیماری) شده‌اند.
اما فیزیک توصیف کننده ی هریک از پدیده‌های ذکر شده در بالا بسیار وابسته به این است که اعضا چگونه با یکدیگر در تعامل هستند (مثلاً آیا شایعه را با اینترنت پخش می‌کنند یا با تلفن همراه و یا با زبان). به بیان دقیق‌تر، توپولوژی شبکه ای که اعضا بر روی آن با یکدیگر برهم کنش می‌کنند بسیار در فیزیک توصیف کننده ی سیستم‌ها تعیین کننده است.
در پژوهش اخیر که توسط دکتر عباس علی صابری، عضو هیأت علمی دانشکده فیزیک دانشگاه تهران و همکارانش در کشور آلمان صورت گرفته است، روشی پیدا شده است که تنها با نگاه کردن به بیشترین مقدار جهشی که سیستم از خود نشان می‌دهد می‌توان به فیزیک توصیف کننده ی سیستم پی برد. درواقع به بیان دقیق‌تر، تابع توزیع این جهش‌ها مستقل از نوع سیستم قابل توصیف با تابع توزیع "گامبل Gumbel" در ریاضیات است که در مورد وقایع بسیار نادر ابداع شده است. این نظریه بر روی بسیاری از مدل‌های فیزیکی و نیز شبکه‌های واقعی نظیر شبکه برهم کنش پروتئین- پروتئین در انسان و نیز شبکه ی تعامل ویکی پدیا مورد آزمایش قرار گرفت که همگی صحت این نظریه را تأیید کردند.
این مقاله تحت عنوان Universal Gap Scaling in Percolation در مجله‌ی بسیار معتبر "Nature Physics"  که یکی از 3 مجله برتر رشته فیزیک در دنیا است مورد پذیرش نهایی قرار گرفته و به زودی به چاپ خواهد رسید.