自适应随机延续与改进的提升过程在复杂系统中的应用
摘要：使用随机连续技术来分析复杂系统的状态和宏观可观测量的分叉结构，可以对微观描述的系统进行宏观分析。本文研究如何通过自适应选择算法参数来改进随机连续技术，特别是靠近分叉点时能够获得比较准确的分叉图。我们引入了提升技术，用于生成具有自然生长结构的微观状态，这对可靠地评估宏观量很重要。我们展示了如何通过合适的线性拟合来计算波动函数的固定点。这个过程提供了统计误差的简单度量。我们通过应用这种方法来分析二维Ising模型、主动Ising模型和随机Swift-Hohenberg模型来展示这些改进方法。最后，我们讨论了这种技术的能力和尚未解决的问题。
作者：Clemens Willers, Uwe Thiele, Andrew J. Archer, David J. B. Lloyd, Oliver Kamps
论文ID：2002.01705
分类：Adaptation and Self-Organizing Systems
分类简称：nlin.AO
提交时间：2020-10-07