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

No estudo de sistemas complexos, desde os padrões giratórios do clima até o disparo de neurônios, os cientistas frequentemente buscam uma assinatura do caos. Essa assinatura é uma medida de quão rapidamente dois pontos iniciais quase idênticos se afastam ao longo do tempo. Se eles se separam rapidamente, o sistema é caótico e imprevisível a longo prazo; se permanecem próximos, o sistema é estável. Por décadas, pesquisadores têm usado uma ferramenta matemática específica para calcular essa taxa de separação, conhecida como expoente de Lyapunov. Esta ferramenta funciona maravilhosamente para sistemas que se comportam como relógios padrão, onde o futuro depende apenas do momento presente. No entanto, muitos materiais e processos do mundo real, como a forma como a borracha estica ou como a eletricidade se move através de certas baterias, não seguem essas regras simples. Eles possuem uma "memória", o que significa que seu estado atual é influenciado por tudo o que lhes aconteceu no passado. Quando os cientistas tentam aplicar as ferramentas padrão a esses sistemas ricos em memória, os resultados são confusos e muitas vezes contraditórios.

Um novo estudo do pesquisador independente Stefano Fazzino aborda essa confusão ao redefinir como medimos o caos em sistemas com memória. O artigo foca em um tipo específico de modelo matemático chamado sistema de ordem fracionária, que é usado para descrever processos onde o passado pesa fortemente no presente. Diferente dos sistemas padrão, esses modelos não olham apenas para a velocidade de mudança atual; eles olham para toda a história do sistema, estendendo-se desde o seu próprio início. Fazzino argumenta que, devido a essa conexão profunda com o passado, a forma padrão de calcular o caos falha. Ele propõe um novo método que trata a memória do sistema não como uma influência vaga de fundo, mas como uma vasta coleção de estados internos ocultos, cada um relaxando em sua própria velocidade. Ao visualizar o sistema através dessa lente expandida, ele é capaz de aplicar as regras matemáticas rigorosas da teoria do caos que anteriormente estavam indisponíveis.

A descoberta central deste trabalho é que a maneira como temos calculado o caos nesses sistemas baseados em memória é fundamentalmente falha. Quando pesquisadores usam códigos de computador padrão para estimar quão rápido esses sistemas se tornam caóticos, eles frequentemente obtêm números negativos para as taxas de separação, sugerindo que o sistema está encolhendo ou se estabilizando. A análise de Fazzino mostra que esses números negativos não são medidas reais da estabilidade de longo prazo do sistema. Em vez disso, eles representam as taxas de contração do observável em escalas de tempo curtas ou são artefatos espúrios criados quando a memória é truncada. Na realidade, para esses sistemas de ordem fracionária, o verdadeiro espectro de taxas de separação consiste em valores positivos indicando o caos, um expoente zero associado ao fluxo, e uma banda essencial onde todos os outros expoentes desaparecem. Os valores negativos relatados pelo software existente não refletem a estabilidade intrínseca do sistema; eles são apenas a velocidade com que o método de cálculo esquece a história que deveria manter.

Para chegar a essa conclusão, Fazzino transformou o problema em um espaço matemático diferente. Em vez de tentar rastrear um único ponto movendo-se através do tempo, ele imaginou o sistema como um fluxo contínuo de filtros internos, ou "modos", que armazenam informações sobre o passado. Alguns desses filtros retêm informações por um tempo muito curto, enquanto outros as retêm por um tempo incrivelmente longo. Essa abordagem revelou um fenôãmeno chamado "envelhecimento". Como o sistema nunca esquece verdadeiramente seu ponto de partida, a memória dessa condição inicial torna-se mais forte ao longo do tempo, mesmo que o comportamento visível do sistema pareça estável. Isso significa que o sistema não é invariante; ele muda seu caráter à medida que envelhece. O estudo prova que, para definir o caos corretamente, deve-se observar o comportamento do sistema após ele ter se estabelecido em um ritmo constante, em vez de tentar medi-lo desde o primeiro momento em que começa.

O artigo também testou como diferentes maneiras de simplificar a memória afetam os resultados. Em simulações de computador, é frequentemente necessário cortar a memória após um certo período de tempo para economizar poder de processamento. Fazzino descobriu que o local onde você faz esse corte importa imensamente. Se você cortar a memória na parte da equação que descreve a taxa de mudança, os resultados permanecem precisos e o sistema se comporta como esperado. No entanto, se você cortar a memória na parte que soma o histórico, o sistema muda completamente. Nesses casos, o comportamento caótico pode desaparecer inteiramente, ou o sistema pode ser forçado a um estado estável que nunca alcançaria na realidade. O estudo mostra que uma janela de memória de apenas cem unidades de tempo pode destruir a natureza caótica de um sistema que deveria ser caótico, enquanto uma janela de quinhentas unidades pode reduzir o caos medido pela metade. Isso sugere que muitos estudos anteriores usando esses atalhos podem ter estado estudando um sistema diferente, menos caótico, do que aquele que pretendiam modelar.

Além disso, a pesquisa esclarece por que o "zero" expoente padrão, que geralmente indica um sistema movendo-se ao longo de um caminho estável, estava ausente nos cálculos anteriores. Em um sistema com memória, a própria direção do tempo atua como um caminho especial que não cresce nem encolhe. O novo método captura isso, mostrando que o sistema de fato possui um expoente zero, mas apenas quando a memória é tratada corretamente. O estudo também sugere que, nas versões lineares desses sistemas, as partes visíveis do sistema não diminuem exponencialmente rápido como ocorrem em sistemas padrão; em vez disso, elas desaparecem muito lentamente, seguindo uma lei de potência. Esse desaparecimento lento explica por que os expoentes negativos vistos em códigos de computador antigos eram, na verdade, medições de curto prazo desse desaparecimento lento, e não indicadores reais de estabilidade.

As implicações dessas descobertas são significativas para qualquer pessoa que modele materiais ou dispositivos complexos. O estudo fornece uma maneira nova e confiável de calcular os expoentes de Lyapunov para esses sistemas, confirmando que os expoentes positivos são reais e robustos, enquanto os negativos são, em grande parte, artefatos matemáticos ou taxas de contração de curto prazo. Ele alerta que o uso de janelas de memória fixas em certos tipos de cálculos pode levar a conclusões falsas sobre se um sistema é caótico ou estável. O autor recomenda o uso de uma abordagem específica que mantenha a memória da taxa de mudança intacta, ou o uso do novo método baseado nos modos internos, para garantir a precisão. Embora a prova matemática da existência de um estado estável de longo prazo nesses sistemas caóticos permaneça uma hipótese, a evidência numérica apoia fortemente a nova definição. O trabalho não oferece apenas um novo cálculo; oferece uma compreensão corrigida de como a memória molda a imprevisibilidade do mundo ao nosso redor.