网络动力学降维的三种方式：应用于同步的一个案例
摘要：动态近似约简技术（Dynamics Approximate Reduction Technique，DART）用于预测网络拓扑和动态对状态演化以及集体现象（如同步）的影响。DART将高维度（完全）动态映射到低维度（约简）动态，同时保留原始系统的最突出的拓扑和动态特征。DART通过处理复数动态变量、节点内在属性的异质性以及具有强相互作用群体的模块化网络，从而推广了最近的维度约简方法。我们确定了三种主要的约简程序，它们的相对准确性取决于状态演化主要由内在动态、度序列还是邻接矩阵决定。我们以振荡器网络的相位同步为基准，成功预测了随机块模型上三种相位动力学（Winfree、Kuramoto、theta）的同步曲线。此外，我们使用了平均随机块模型上Kuramoto-Sakaguchi模型的分叉，并通过数值方法在双星图上展示了边缘各向异性状态的存在。这使我们能够突出显示社区大小的不对称性在各向异性状态的存在中所起的关键作用。最后，我们使用DART在星图上对Kuramoto-Sakaguchi模型进行系统地回复了众所周知的爆炸式同步的分析结果。
作者：Vincent Thibeault, Guillaume St-Onge, Louis J. Dub''e, Patrick Desrosiers
论文ID：2005.10922
分类：Adaptation and Self-Organizing Systems
分类简称：nlin.AO
提交时间：2020-11-18