Identificación de la dirección neta del flujo de información en osciladores caóticos no idénticos acoplados

Área de la Ciencia:

• Dinámica no lineal
• Teoría de la información
• Sistemas complejos

Sus antecedentes:

• Los osciladores caóticos acoplados son fundamentales para comprender los sistemas complejos.
• Determinar la dirección del flujo de información en tales sistemas es crucial pero desafiante.
• Los métodos existentes a menudo se basan en suposiciones específicas del modelo.

Objetivo del estudio:

• Investigar la dirección del flujo neto de información entre osciladores caóticos no idénticos acoplados.
• Establecer un principio general que rija la transferencia de información basado en la chaoticidad inherente de los osciladores individuales.
• Validar los hallazgos en diversas configuraciones de osciladores acoplados.

Principales métodos:

• Se utilizó la información mutua condicional como un índice asimétrico y libre de modelo para el flujo de información.
• Se definió el ;grado de caos; por el exponente máximo de Lyapunov.
• Se calculó la entropía proyectada de Kolmogorov-Sinai para las variables del oscilador en interacción.
• Se empleó la medida de flujo de información de Liang-Kleeman para la validación de resultados.

Principales resultados:

• Se observó una transferencia neta de información predominante del oscilador con un mayor grado de caos al de menor grado.
• Los osciladores con mayores grados de caos exhibieron una mayor entropía proyectada de Kolmogorov-Sinai.
• Los resultados fueron consistentes en osciladores con formas funcionales idénticas (parámetros diferentes) y formas funcionales completamente diferentes.
• El principio también se demostró en sistemas con osciladores de diferentes dimensiones del espacio de fases.

Conclusiones:

• La dirección del flujo neto de información en osciladores caóticos no idénticos acoplados está principalmente dictada por sus grados relativos de caos.
• Los hallazgos son robustos y aplicables a una amplia gama de sistemas caóticos acoplados, independientemente de su dinámica o dimensiones específicas.
• Esto proporciona una visión fundamental del procesamiento de la información en redes caóticas complejas.