Large and small fluctuations in oscillator networks from heterogeneous and correlated noise

Resumo Técnico: Grandes e Pequenas Flutuações em Redes de Osciladores sob Ruído Heterogêneo e Correlacionado

Definição do Problema
Redes de osciladores acoplados, como as que modelam redes elétricas ou a dinâmica neuronal, exibem comportamentos coletivos como a sincronização. Esses sistemas frequentemente possuem múltiplos estados estáveis e instáveis. Embora o ruído externo inevitavelmente induza flutuações em torno de estados sincronizados estáveis, a maioria das análises existentes assume que o ruído é homogêneo em intensidade e não correlacionado entre os componentes da rede. No entanto, sistemas do mundo real frequentemente exibem intensidades de ruído heterogêneas (ex: variações na potência de entrada) e correlações (devido ao embutimento espacial ou interações não modeladas). Este manuscrito aborda a lacuna na compreensão de como tais características de ruído realista afetam dois regimes distintos: pequenas flutuações (SFs) próximas aos estados sincronizados e grandes flutuações (LFs) que conduzem o sistema a instabilidades de sela, causando deslizes de fase e escapes de bacia de atração. Uma questão central investigada é se a magnitude das pequenas flutuações (variância da rede) prevê de forma confiável a taxa de grandes flutuações (tempos de escape).

Metodologia
Os autores analisam uma rede de osciladores de Kuramoto sujeita a ruído, regida pela equação diferencial:
$$\dot{\theta}_i = \omega_i + K \sum_j A_{ij} \sin(\theta_j - \theta_i) + \sum_m G_{im}\xi_m(t)$$
onde $\xi_m(t)$ são processos gaussianos brancos independentes e $G$ é uma matriz de alimentação que codifica a intensidade e a correlação do ruído.

1. Pequenas Flutuações (SFs): Os autores realizam uma análise de estabilidade linear em torno de um ponto fixo sincronizado $\theta^*$. Ao expandir a dinâmica para a primeira ordem, eles derivam uma expressão para a variância total da rede $\langle \delta\theta^T \delta\theta \rangle$. Esta variância mostra-se proporcional a uma amplitude de ruído efetiva $q$, que depende da matriz de covariância do ruído $GG^T$ e dos autovalores/autovetores do Laplaciano ponderado da rede.
2. Grandes Flutuações (LFs): Para analisar eventos raros que levam a instabilidades de sela, os autores introduzem a Aproximação do Modo Indicador (IMA). Esta técnica projeta a dinâmica de alta dimensão da rede sobre uma única dimensão de amplitude $a(t)$, representando a distância entre o estado atual e um ponto de sela. Essa redução transforma o problema em um sistema não linear unidimensional com ruído aditivo.
3. Estimativa de Taxa: Usando a IMA, os autores constroem a equação de Fokker-Planck e aplicam a aproximação WKB para derivar a "ação" $S$, que determina a taxa exponencial de grandes flutuações. A taxa é governada por uma amplitude de ruído efetiva $Q$, distinta da amplitude de SF $q$.
4. Modelos de Ruído: O estudo avalia quatro configurações específicas de ruído:
   • Ruído de nó heterogêneo e não correlacionado.
   • Ruído de aresta correlacionado e aresta anti-correlacionado.
   • Ruído de modo coletivo (ruído alinhado com modos próprios específicos da rede).
   • Ruído de nó direcionado (ruído concentrado em osciladores específicos).

Principais Contribuições e Resultados

• Quantificação de Pequenas Flutuações: Os autores derivam uma fórmula analítica (Eq. 5) ligando a variância da rede à sobreposição entre a covariância do ruído e os modos lentos do estado sincronizado.

  • Para ruído não correlacionado heterogêneo, a variância é amplificada em redes fracamente conectadas, redes com hubs centrais e redes com grandes diâmetros. Em redes densas, os efeitos de heterogeneidade se anulam.
  • Para ruído de aresta anti-correlacionado, a variância total da rede no limite de acoplamento forte depende apenas do tamanho da rede $N$, não da topologia.
  • Para ruído de aresta correlacionado, a variância é significativamente maior do que no caso anti-correlacionado para redes esparsas com grandes diâmetros.
  • Para ruído de modo coletivo, a variância é maximizada quando o ruído é injetado no modo estável mais lento (o modo de Fiedler).

• Quantificação de Grandes Flutuações: A IMA fornece um método tratável para estimar taxas de escape. A taxa de escape é determinada por uma amplitude de ruído efetiva $Q$ (Eq. 17).

  • Para ruído de nó heterogêneo, as LFs são maximizadas quando o ruído atinge nós que devem percorrer a maior distância para alcançar a sela, em vez de necessariamente visar o modo de Fiedler.
  • Para ruído de aresta correlacionado, as LFs são maximizadas quando o sinal de correlação entre nós conectados se alinha com o produto de seus deslocamentos até a sela.
  • Para ruído de modo coletivo, a IMA captura a tendência dos tempos de deslizamento, embora com uma dispersão moderada devido à alta correlação.

• Desacoplamento dos Regimes de SF e LF: Um achado primário é que a variância total da rede (regime de SF) não necessariamente prevê a taxa de grandes flutuações (regime de LF).

  • No caso de ruído aleatoriamente heterogêneo, há uma forte correlação ($R \approx 0,83-0,84$) entre a variância de SF e as taxas de LF.
  • No entanto, para ruído direcionado e ruído de aresta correlacionado, a correlação é significativamente mais fraca ($R \approx 0,21-0,41$). Isso demonstra que uma rede com alta variância de pequenas flutuações não implica automaticamente uma alta taxa de escape de bacia, e vice-versa.

Significância e Alegações
O artigo afirma preencher a lacuna entre as análises de pequenas e grandes flutuações em redes de osciladores ruidosas ao introduzir amplitudes de ruído efetivas distintas ($q$ para SFs e $Q$ para LFs) para ambientes de ruído heterogêneo e correlacionado. Os autores demonstram que, enquanto as pequenas flutuações são bem descritas pela variância linearizada da rede, as grandes flutuações dependem de uma projeção diferente do ruído sobre o caminho específico para a instabilidade.

A significância reside no achado de que uma maior variância de rede no regime de pequenas flutuações não leva necessariamente a taxas mais altas de grandes flutuações. Isso desafia a suposição de que o monitoramento da variância em pequena escala é suficiente para prever a estabilidade ou as taxas de escape de redes complexas. A Aproximação do Modo Indicador (IMA) é apresentada como uma ferramenta analítica inovadora que reduz a dimensionalidade do problema de escape, preservando as condições de contorno exatas (estado estável e sela), ofereção uma alternativa mais eficiente às soluções numéricas de sistemas hamiltonianos de alta dimensão. O trabalho sugere que estratégias de design de rede voltadas para a mitigação de ruído devem considerar o regime de interesse específico (pequenas excursões vs. escape de bacia) e a estrutura específica das correlações de ruído, pois otimizar para um não garante a otimização para o outro.