Circularity of Thermodynamical Material Networks: Indicators, Examples, and Algorithms

Cet article propose de nouveaux indicateurs de circularité pour les réseaux matériels thermodynamiques (TMN), une approche dynamique fondée sur des bilans énergétiques et des équations différentielles qui permet de concevoir des flux de matériaux avec une précision temporelle supérieure à celle de l'analyse des flux de matières (MFA), et en illustre le calcul par des exemples numériques sur des fluides et des solides.

Federico Zocco2026-03-10🔢 math

Prediction performance of random reservoirs with different topology for nonlinear dynamical systems with different number of degrees of freedom

Cette étude démontre que la symétrie topologique des réseaux de réservoirs améliore significativement la prédiction des systèmes de convection thermique, mais a peu d'impact sur les écoulements de cisaillement hautement chaotiques, révélant ainsi l'influence cruciale de la structure du réseau sur la complexité dynamique du système cible.

Shailendra K. Rathor, Lina Jaurigue, Martin Ziegler + 1 more2026-03-10🌀 nlin

Lyapunov Characterization for ISS of Impulsive Switched Systems

Cette étude établit des conditions nécessaires et suffisantes pour la stabilité entrée-état (ISS) des systèmes commutés impulsifs à modes stables et instables, en utilisant des fonctions de Lyapunov dépendantes du temps sous des contraintes de séjour et de départ moins restrictives, tout en proposant une méthode pour garantir l'ISS même lorsque le signal de commutation est inconnu.

Saeed Ahmed, Patrick Bachmann, Stephan Trenn2026-03-06🔢 math

FMint-SDE: A Multimodal Foundation Model for Accelerating Numerical Simulation of SDEs via Error Correction

Ce papier présente FMint-SDE, un modèle fondation multimodal basé sur un transformer qui améliore l'efficacité et la précision des simulations d'équations différentielles stochastiques en apprenant un schéma universel de correction d'erreur à partir de solutions grossières, surpassant ainsi les intégrateurs numériques traditionnels.

Jiaxin Yuan, Haizhao Yang, Maria Cameron2026-03-06🔢 math

On average population levels for models with directed diffusion in heterogeneous environments

Cet article comble une lacune théorique en démontrant que la relation entre la taille totale de la population et le coefficient de diffusion dans les modèles de diffusion dirigée avec un taux de croissance proportionnel à la capacité de charge (r=Kλr=K^\lambda) est plus complexe qu'une simple transition critique, tout en analysant l'impact d'une stratégie de dispersion généralisée incluant un paramètre supplémentaire.

André Rickes, Elena Braverman2026-03-06🔢 math

Relay transitions and invasion thresholds in multi-strain rumor models: a chemical reaction network approach

Cet article illustre l'application du package EpidCRN, fondé sur la théorie des réseaux de réactions chimiques, à l'analyse des modèles de propagation de rumeurs sur les réseaux sociaux, démontrant comment la structure des siphons permet de caractériser les transitions de stabilité sous forme de « relais » gouvernés par des inégalités d'invasion.

Florin Avram, Andrei-Dan Halanay2026-03-06🔢 math

Mass equidistribution for lifts on hyperbolic $4$-manifolds

Cet article établit sans condition la conjecture d'ergodicité quantique de Rudnick et Sarnak pour les relevés de Pitale sur les variétés hyperboliques de dimension 4, grâce à une innovation clé consistant en la construction délicate d'un amplificateur aux propriétés géométriques favorables permettant de contourner les difficultés liées à la non-température de ces formes.

Alexandre de Faveri, Zvi Shem-Tov2026-03-06🔢 math

A Dynamical Theory of Sequential Retrieval in Input-Driven Hopfield Networks

Cet article développe une théorie dynamique de la récupération séquentielle dans les réseaux de Hopfield pilotés par l'entrée, en établissant des conditions mathématiques explicites pour les transitions de mémoire auto-entretenues afin de combler le fossé entre les modèles d'association classiques et les architectures de raisonnement modernes.

Simone Betteti, Giacomo Baggio, Sandro Zampieri2026-03-06🔬 physics

Machine Learning for Complex Systems Dynamics: Detecting Bifurcations in Dynamical Systems with Deep Neural Networks

Cette étude propose une nouvelle approche basée sur les réseaux de neurones profonds, nommée EINNs, qui inverse le processus traditionnel en utilisant les états d'équilibre pour inférer les paramètres du système, permettant ainsi de détecter efficacement les seuils critiques et les bifurcations dans les systèmes dynamiques complexes.

Swadesh Pal, Roderick Melnik2026-03-06🔢 math