MétaCan
Menu
Retour à la cohorte
Enregistrement W4415971265 · doi:10.1103/z5v7-41g1

Geometric perspective of linear stability of q-states in finite Kuramoto networks on circulant graphs

2025· article· en· W4415971265 sur OpenAlexafffund
Yashee Sinha, Priya B. Jain, Antonio Mihara, Rene O. Medrano-T, Ján Mináč, Lyle Muller, Roberto C. Budzinski

Notice bibliographique

RevuePhysical review. E · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueNonlinear Dynamics and Pattern Formation
Établissements canadiensFields Institute for Research in Mathematical SciencesWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlliance de recherche numérique du CanadaConselho Nacional de Desenvolvimento Científico e TecnológicoCanada First Research Excellence FundNational Science Foundation
Mots-clésCirculant matrixStability (learning theory)Perspective (graphical)Synchronization (alternating current)Linear stabilityPath (computing)Linear systemFinite setKuramoto model

Résumé

récupéré en direct d'OpenAlex

We develop an operator-description for the linear stability in finite networks of Kuramoto oscillators on circulant graphs. This mathematical approach offers analytical predictions for the linear stability of q-states, which include phase synchronization (q=0) and phase-locked states with different spatial frequencies (|q|>0). This approach seamlessly incorporates the presence of time delays (represented by phase lags in the coupling). With this, we are able to determine the specific combination of connectivity and time delays (phase lags) that leads to any given q-state to be linearly stable. We apply our framework to a variety of networks, including k-ring graphs, distance-dependent graphs, and random circulant graphs. This approach offers a geometric perspective of linear stability in finite networks in terms of the connectivity and delays (phase lag), and it opens a path to designing and controlling the spatiotemporal dynamics of individual and finite oscillator networks.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,016
Tête enseignante GPT0,315
Écart entre enseignants0,299 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical review. EMême sujetNonlinear Dynamics and Pattern FormationTravaux en français237 207