Data-Driven Stabilization of Unstable Periodic Orbits of the Three-Body Problem
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Many different models of the physical world exhibit chaotic dynamics, from fluid flows and chemical reactions to celestial mechanics. The study of the three-body problem (3BP) and its many different families of unstable periodic orbits (UPOs) has provided fundamental insight into chaotic dynamics as far back as the 19th century. The 3BP, a conservative system, is inherently challenging to sample due to its volume-preservation property. In this paper we present an interpretable data-driven approach for the state-dependent control of UPOs in the 3BP, through leveraging the inherent sensitivity of chaos and the local manifold structure. We overcome the sampling challenge by utilising prior knowledge of UPOs and a novel augmentation strategy. This enables sample-efficient discovery of a verifiable and accurate local Poincaré map in as few as 55 data points. We suggest that the Poincaré map is best discovered at a surface of section where the norm of the monodromy matrix, i.e. the local sensitivity to small perturbations, is the smallest. To stabilise the UPOs, we apply small velocity impulses once each period, determined by solving a convex system of linear matrix inequalities based on the linearised map. We constrain the norm of the decision variables used to solve this system, resulting in locally-optimal velocity impulses directed along the local stable manifold. Critically, this behaviour is achieved in a computationally efficient manner. We demonstrate this sample-efficient and low-energy method across several orbit families in the 3BP, with potential applications ranging from robotics and spacecraft control to fluid dynamics.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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