[论文解读] A unified theory of chaos linking nonlinear dynamics and statistical physics

Chi‐Sang Poon, Cheng Li+1 more|arXiv (Cornell University)|Apr 8, 2010

Gene Regulatory Network Analysis参考文献 50被引用 5

一句话总结

本文挑战了传统上将正李雅普诺夫指数作为现实世界系统中确定性混沌的决定性证据的依赖。通过引入噪声滴定实验，表明确定性与随机性激励均可产生相似的混沌特征，揭示了多种非自治混沌形式——提供了一个统一框架，以区分实验数据中真实低维混沌与噪声引起的波动。

ABSTRACT

A fundamental issue in nonlinear dynamics and statistical physics is how to distinguish chaotic from stochastic fluctuations in short experimental recordings. This dilemma underlies many complex systems models from stochastic gene expression or stock exchange to quantum chaos. Traditionally, deterministic chaos is characterized by "sensitive dependence on initial conditions" as indicated by a positive Lyapunov exponent. However, ambiguity arises when applying this criterion to real-world data that are corrupted by measurement noise or perturbed nonautonomously by exogenous deterministic or stochastic inputs. Here, we show that a positive Lyapunov exponent is surprisingly neither necessary nor sufficient proof of deterministic chaos, and that a nonlinear dynamical system under deterministic or stochastic forcing may exhibit multiple forms of nonautonomous chaos assessable by a noise titration assay. These findings lay the foundation for reliable analysis of low-dimensional chaos for complex systems modeling and prediction of a wide variety of physical, biological, and socioeconomic data.

研究动机与目标

• 解决长期存在的问题：在受噪声或外部激励污染的实验数据中，准确识别确定性混沌的模糊性。
• 挑战正李雅普诺夫指数是检测确定性混沌的必要且充分条件的假设。
• 开发一种可靠方法，用于分析现实中测量噪声和外源输入会掩盖动力学特征的低维混沌系统。
• 将非线性动力学与统计物理的概念统一，以改进复杂系统的建模与预测。

提出的方法

• 提出一种噪声滴定实验，系统性地改变施加于动力系统的外部噪声水平。
• 利用该实验探究所观测到的混沌行为是否源于确定性混沌或随机激励。
• 分析系统在不同噪声水平下的响应，以识别不同的动力学状态。
• 将该方法应用于确定性与随机激励的非线性系统，比较其混沌行为。
• 采用李雅普诺夫指数分析作为诊断工具，但重新诠释其在非自治激励背景下的意义。
• 提出一个整合统计物理原理与非线性动力学的框架，以评估在扰动下混沌的鲁棒性。

实验结果

研究问题

• RQ1 正李雅普诺夫指数能否可靠地区分实验数据中确定性混沌与随机波动？
• RQ2 当非线性系统受到确定性或随机激励时，会涌现出哪些形式的非自治混沌？
• RQ3 外部噪声如何影响现实世界系统中低维混沌的可检测性？
• RQ4 能否建立一个统一框架，以可靠地识别和分类跨多种复杂系统中的混沌？
• RQ5 噪声滴定在揭示噪声环境中混沌动力学真实本质方面发挥何种作用？

主要发现

• 正李雅普诺夫指数既非确认真实世界数据中确定性混沌的必要条件，也非充分条件。
• 在确定性或随机激励下的非自治系统可表现出多种、截然不同的混沌形式，若无噪声滴定则无法区分。
• 噪声滴定实验成功区分了由确定性动力驱动的混沌与由外部噪声引发的混沌。
• 只有在考虑非自治激励与测量噪声的前提下，才能可靠地检测与分析复杂系统中的低维混沌。
• 本研究建立了一个统一的理论框架，将非线性动力学与统计物理相联系，以改进对生物、物理及经济社会系统的建模。
• 研究结果表明，传统混沌检测方法在存在真实噪声与外部扰动的条件下会失效，因此亟需采用修订后的分析方法。