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 آسیب‌دیده و نیز نحوه‌ی تعامل نورون‌ها در سیستم مغزی انسان و ...، تنها نمونه‌هایی از سیستم‌های پیچیده هستند که قابل توصیف با مدل ساده‌ای به‌نام تراوش یا percolation هستند.

در این مدل، "همه‌گیر شدنِ" یک خاصیت در سیستم‌های خیلی بزرگ (اصطلاحا گذار فاز) می‌تواند به‌صورت ناگهانی و یا به‌صورت پیوسته رخ دهد، ولی برای سیستم‌های کوچک همواره همه‌گیر شدن با یک جهش قابل ملاحظه همراه است. این جهش در واقع در کسری از اعضای مرتبط سیستم است که دچار آن خاصیت (مثلا بیماری) شده‌اند.

اما فیزیک توصیف کننده‌ی هریک از پدیده‌های ذکر شده در بالا بسیار وابسته به این است که اعضا چگونه با یکدیگر در تعامل هستند (مثلا آیا شایعه را با اینترنت پخش می‌کنند یا با تلفن همراه و یا با زبان). به بیان دقیق‌تر، توپولوژی شبکه‌ای که اعضا بر روی آن با یکدیگر برهم‌کنش می‌کنند بسیار در فیزیک توصیف کننده‌ی سیستم‌ها تعیین کننده است.

در پژوهش اخیر که توسط دکتر عباس‌علی صابری (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 کننده‌ی 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 درمورد وقایع بسیار نادر ابداع شده است. این نظریه بر روی بسیاری از مدل‌های فیزیکی و نیز شبکه‌های واقعی نظیر شبکه برهم‌کنش پروتئین- پروتئین در انسان و نیز شبکه‌ی تعامل ویکی‌پدیا مورد آزمایش قرار گرفت که همگی صحت این نظریه را تایید کردند.

این پژوهش در مجله‌ی بسیار معتبر علمی "نیچر فیزیک" تحت عنوان Universal Gap Scaling in Percolation پذیرش نهایی شده و به‌زودی به چاپ خواهد رسید.