Caos y estocasticidad: Un método basado en la varianza para la estimación del exponente de Lyapunov

Área de la Ciencia:

• Dinámica no lineal
• Teoría del caos
• Física computacional

Sus antecedentes:

• El Exponente de Lyapunov Más Grande (LLE) cuantifica el caos en sistemas dinámicos.
• Los métodos clásicos de cálculo del LLE (por ejemplo, el algoritmo de Wolf) tienen dificultades con el ruido, la eficiencia y la escalabilidad.
• Los sistemas de alta dimensionalidad plantean desafíos significativos para la estimación del LLE basada en trayectorias.

Objetivo del estudio:

• Desarrollar una metodología novedosa basada en la varianza para calcular el LLE.
• Utilizar el caos polinomial intrusivo (IPC) para la cuantificación de la incertidumbre en sistemas caóticos.
• Establecer un enfoque probabilístico para la estimación del LLE, conectando el caos determinista con las descripciones estadísticas.

Principales métodos:

• Se empleó el caos polinomial intrusivo (IPC) para evolucionar la distribución de probabilidad de las condiciones iniciales.
• Se extrajo el LLE de la tasa de crecimiento exponencial de la varianza del conjunto.
• Se validó el método basado en IPC frente a algoritmos clásicos basados en trayectorias en sistemas caóticos de referencia (Lorenz, Rössler, Al-Azzawi/Al-Obeidi).

Principales resultados:

• El enfoque IPC demostró una precisión y tasas de convergencia comparables a los métodos basados en trayectorias.
• Se logró una excelente concordancia en las historias de convergencia, las funciones de densidad de probabilidad de los exponentes de Lyapunov instantáneos y las medidas de error estadísticas.
• El método calcula directamente la estructura estadística completa de la dinámica del conjunto, una ventaja clave.

Conclusiones:

• La estimación del LLE basada en la varianza a través del caos polinomial es una alternativa robusta y viable a los métodos tradicionales.
• El IPC ofrece un marco poderoso para analizar la dinámica caótica y cuantificar las incertidumbres asociadas.
• La metodología propuesta mejora el análisis computacional de sistemas dinámicos no lineales.