🔢 Category

math.DS

189 articoli

Synchronisation in two-dimensional damped-driven Navier-Stokes turbulence: insights from data assimilation and Lyapunov analysis

Questo studio dimostra che, a differenza della turbolenza tridimensionale dove la risoluzione necessaria per ricostruire i flussi su piccola scala corrisponde alla scala di dissipazione, nella turbolenza bidimensionale damped-driven è sufficiente osservare le scale vicine a quella di forzatura, rivelando una differenza fondamentale nelle interazioni tra scale e nella dinamica orbitale.

Masanobu Inubushi, Colm-cille P. Caulfield2026-03-11🌀 nlin

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

Lo studio dimostra che la simmetria nella topologia dei reservoir computazionali migliora significativamente la previsione di sistemi di convezione termica, mentre ha un impatto trascurabile su modelli di flusso di taglio altamente caotici, evidenziando come l'efficacia strutturale dipenda dalla complessità e dal numero di gradi di libertà del sistema dinamico.

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

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

Questo lavoro colma una lacuna teorica analizzando modelli di diffusione direzionata in ambienti eterogenei per qualsiasi relazione tra tasso di crescita e capacità portante, dimostrando che la prevalenza della popolazione totale sulla capacità portante non segue una transizione critica semplice e rivelando come l'introduzione di un parametro di dispersione aggiuntivo modifichi significativamente la dipendenza della popolazione totale dal coefficiente di diffusione rispetto al caso di diffusione casuale.

André Rickes, Elena Braverman2026-03-06🔢 math

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

Questo studio propone le Equilibrium-Informed Neural Networks (EINN), un approccio basato sul deep learning che inverte il processo tradizionale di analisi delle biforcazioni utilizzando stati di equilibrio come input per inferire i parametri del sistema, consentendo così di rilevare in modo efficiente le soglie critiche e i punti di svolta in sistemi dinamici complessi.

Swadesh Pal, Roderick Melnik2026-03-06🔢 math