Lyapunov exponents of fractional-order systems: definition from the diffusive representation, ageing of memory and effect of memory truncation

Nello studio dei sistemi complessi, dalle vorticosi correnti meteorologiche al firing dei neuroni, gli scienziati cercano spesso una firma del caos. Questa firma è una misura di quanto rapidamente due punti di partenza quasi identici si allontanino l'uno dall'altro nel tempo. Se si separano rapidamente, il sistema è caotico e imprevedibile nel lungo periodo; se rimangono vicini, il sistema è stabile. Per decenni, i ricercatori hanno utilizzato uno strumento matematico specifico per calcolare questo tasso di separazione, noto come esponente di Lyapunov. Questo strumento funziona magnificamente per i sistemi che si comportano come orologi standard, dove il futuro dipende solo dal momento presente. Tuttavia, molti materiali e processi del mondo reale, come il modo in cui la gomma si estende o come l'elettricità si muove attraverso certe batterie, non seguono queste regole semplici. Essi possiedono una "memoria", il che significa che il loro stato attuale è influenzato da tutto ciò che è accaduto loro in passato. Quando gli scienziati cercano di applicare gli strumenti standard a questi sistemi ricchi di memoria, i risultati sono confusi e spesso contraddittori.

Un nuovo studio del ricercatore indipendente Stefano Fazzino affronta questa confusione ridefinendo il modo in cui misuriamo il caos nei sistemi con memoria. Il documento si concentra su un tipo specifico di modello matematico chiamato sistema a ordine frazionario, utilizzato per descrivere processi in cui il passato pesa pesantemente sul presente. A differenza dei sistemi standard, questi modelli non guardano solo alla velocità di variazione attuale; essi guardano all'intera storia del sistema, estendendosi fino all'inizio stesso. Fazzino sostiene che, a causa di questo profondo legame con il passato, il modo standard di calcolare il caos fallisca. Egli propone un nuovo metodo che tratta la memoria del sistema non come un'influenza di sfondo vaga, ma come una vasta collezione di stati interni nascosti, ciascuno dei quali decade alla propria velocità. Guardando il sistema attraverso questa lente ampliata, egli è in grado di applicare le rigorose regole della teoria del caos che erano precedentemente indisponibili.

La scoperta centrale di questo lavoro è che il modo in cui abbiamo calcolato il caos in questi sistemi basati sulla memoria è fondamentalmente errato. Quando i ricercatori utilizzano codici informatici standard per stimare quanto velocemente questi sistemi diventano caotici, ottengono spesso numeri negativi per i tassi di separazione, suggerendo che il sistema stia restringendosi o stabilizzandosi. L'analisi di Fazzino mostra che questi numeri negativi non sono vere misure della stabilità a lungo termine del sistema. Invece, rappresentano i tassi di contrazione dell'osservabile su scale temporali brevi o sono artefatti spuri creati quando la memoria viene troncata. In realtà, per questi sistemi a ordine frazionario, lo vero spettro dei tassi di separazione consiste in valori positivi che indicano il caos, un esponente zero associato al flusso, e una banda essenziale dove tutti gli altri esponenti svaniscono. I valori negativi riportati dai software esistenti non riflettono la stabilità intrinseca del sistema; sono semplicemente la velocità con cui il metodo di calcolo dimentica la storia che avrebbe dovuto conservare.

Per raggiungere questa conclusione, Fazzino ha trasformato il problema in uno spazio matematico differente. Invece di cercare di tracciare un singolo punto che si muove nel tempo, ha immaginato il sistema come un flusso continuo di filtri interni, o "modi", che conservano informazioni sul passato. Alcuni di questi filtri trattengono le informazioni per un tempo molto breve, mentre altri le trattengono per un tempo incredibilmente lungo. Questo approccio ha rivelato un fenomeno chiamato "invecchiamento". Poiché il sistema non dimentica mai il suo punto di partenza, la memoria di quella condizione iniziale diventa più forte nel tempo, anche se il comportamento visibile del sistema sembra stabile. Ciò significa che il sistema non è invariante; esso cambia il suo carattere man mano che invecchia. Lo studio dimostra che per definire correttamente il caos, bisogna osservare il comportamento del sistema dopo che si è assestato in un ritmo costante, piuttosto che cercare di misurarlo dal primo istante in cui inizia.

Il documento ha anche testato come diversi modi di semplificare la memoria influenzino i risultati. Nelle simulazioni al computer, è spesso necessario tagliare la memoria dopo un certo periodo di tempo per risparmiare potenza di calcolo. Fazzino ha scoperto che il punto in cui si effettua questo taglio conta immensamente. Se si taglia la memoria nella parte dell'equazione che descrive il tasso di variazione, i risultati rimangono accurati e il sistema si comporta come previsto. Tuttavia, se si taglia la memoria nella parte che somma la storia, il sistema cambia completamente. In questi casi, il comportamento caotico può scomparire del tutto, o il sistema può essere forzato in uno stato stabile che non raggiungerebbe mai nella realtà. Lo studio mostra che una finestra di memoria di appena cento unità temporali può distruggere la natura caotica di un sistema che dovrebbe essere caotico, mentre una finestra di cinquecento unità può ridurre la misura del caos della metà. Ciò suggerisce che molti studi precedenti che utilizzavano questi scorciatoie potrebbero aver studiato un sistema diverso, meno caotico di quello che intendevano modellare.

Inoltre, la ricerca chiarisce perché lo standard esponente "zero", che solitamente indica un sistema che si muove lungo un percorso stabile, mancasse nei calcoli precedenti. In un sistema con memoria, la direzione stessa del tempo agisce come un percorso speciale che non cresce né diminuisce. Il nuovo metodo cattura questo, mostrando che il sistema possiede effettivamente un esponente zero, ma solo quando la memoria è trattata correttamente. Lo studio suggerisce anche che nelle versioni lineari di questi sistemi, le parti visibili del sistema non si restringono esponenzialmente veloci come avviene nei sistemi standard; invece, svaniscono molto lentamente, seguendo una legge di potenza. Questo lento svanire spiega perché gli esponenti negativi visti nei vecchi codici informatici fossero in realtà misurazioni a breve termine di questo lento svanire, piuttosto che veri indicatori di stabilità.

Le implicazioni di queste scoperte sono significative per chiunque modelli materiali o dispositivi complessi. Lo studio fornisce un modo nuovo e affidabile per calcolare gli esponenti di Lyapunov per questi sistemi, confermando che gli esponenti positivi sono reali e robusti, mentre quelli negativi sono in gran parte artefatti matematici o tassi di contrazione a breve termine. Avverte che l'uso di finestre di memoria fisse in certi tipi di calcoli può portare a conclusioni errate su una questione di caos o stabilità. L'autore raccomanda di utilizzare un approccio specifico che mantenga intatta la memoria del tasso di variazione, o di utilizzare il nuovo metodo basato sui modi interni, per garantire l'accuratezza. Sebbene la prova matematica dell'esistenza di uno stato stabile a lungo termine in questi sistemi caotici rimanga un'ipotesi, l'evidenza numerica supporta fortemente la nuova definizione. Il lavoro non offre solo un nuovo calcolo; offre una comprensione corretta di come la memoria plasmi l'imprevedibilità del mondo che ci circonda.