MétaCan
Menu
Retour à la cohorte
Enregistrement W4400691832 · doi:10.1007/s00332-024-10054-2

Turing Bifurcation in the Swift–Hohenberg Equation on Deterministic and Random Graphs

2024· article· en· W4400691832 sur OpenAlexafffund
Georgi S. Medvedev, Dmitry E. Pelinovsky

Notice bibliographique

RevueJournal of Nonlinear Science · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueNeural Networks Stability and Synchronization
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Science Foundation
Mots-clésSwiftMathematicsBifurcationRandom graphDiscrete mathematicsComputer sciencePhysicsNonlinear systemGraph

Résumé

récupéré en direct d'OpenAlex

Abstract The Swift–Hohenberg equation (SHE) is a partial differential equation that explains how patterns emerge from a spatially homogeneous state. It has been widely used in the theory of pattern formation. Following a recent study by Bramburger and Holzer (SIAM J Math Anal 55(3):2150–2185, 2023), we consider discrete SHE on deterministic and random graphs. The two families of the discrete models share the same continuum limit in the form of a nonlocal SHE on a circle. The analysis of the continuous system, parallel to the analysis of the classical SHE, shows bifurcations of spatially periodic solutions at critical values of the control parameters. However, the proximity of the discrete models to the continuum limit does not guarantee that the same bifurcations take place in the discrete setting in general, because some of the symmetries of the continuous model do not survive discretization. We use the center manifold reduction and normal forms to obtain precise information about the number and stability of solutions bifurcating from the homogeneous state in the discrete models on deterministic and sparse random graphs. Moreover, we present detailed numerical results for the discrete SHE on the nearest-neighbor and small-world graphs.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,024
Tête enseignante GPT0,279
Écart entre enseignants0,255 · 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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Nonlinear ScienceMême sujetNeural Networks Stability and SynchronizationTravaux en français237 207