MétaCan
Menu
Retour à la cohorte
Enregistrement W3210352507 · doi:10.1063/5.0056097

Dynamical invariants and inverse period-doubling cascades in multi-delay systems

2021· article· en· W3210352507 sur OpenAlexafffund
S. Kamyar Tavakoli, André Longtin

Notice bibliographique

RevueChaos An Interdisciplinary Journal of Nonlinear Science · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueNonlinear Dynamics and Pattern Formation
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMathematicsChaoticFixed pointPeriod-doubling bifurcationLyapunov exponentNonlinear systemInverseComputationDelay differential equationApplied mathematicsControl theory (sociology)Differential equationStatistical physicsMathematical analysisComputer scienceAlgorithmBifurcationPhysics

Résumé

récupéré en direct d'OpenAlex

We investigate transitions to simple dynamics in first-order nonlinear differential equations with multiple delays. With a proper choice of parameters, a single delay can destabilize a fixed point. In contrast, multiple delays can both destabilize fixed points and promote high-dimensional chaos but also induce stabilization onto simpler dynamics. We show that the dynamics of these systems depend on the precise distribution of the delays. Narrow spacing between individual delays induces chaotic behavior, while a lower density of delays enables stable periodic or fixed point behavior. As the dynamics become simpler, the number of unstable roots of the characteristic equation around the fixed point decreases. In fact, the behavior of these roots exhibits an astonishing parallel with that of the Lyapunov exponents and the Kolmogorov-Sinai entropy for these multi-delay systems. A theoretical analysis shows how these roots move back toward stability as the number of delays increases. Our results are based on numerical determination of the Lyapunov spectrum for these multi-delay systems as well as on permutation entropy computations. Finally, we report how complexity reduction upon adding more delays can occur through an inverse period-doubling sequence.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,035
Tête enseignante GPT0,328
Écart entre enseignants0,293 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChaos An Interdisciplinary Journal of Nonlinear ScienceMême sujetNonlinear Dynamics and Pattern FormationTravaux en français237 207