論文の概要: The Universal Statistical Structure and Scaling Laws of Chaos and
Turbulence
- arxiv url: http://arxiv.org/abs/2311.01358v1
- Date: Thu, 2 Nov 2023 16:04:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-03 12:46:04.729595
- Title: The Universal Statistical Structure and Scaling Laws of Chaos and
Turbulence
- Title(参考訳): カオスと乱流の普遍的統計構造とスケーリング則
- Authors: Noam Levi and Yaron Oz
- Abstract要約: 乱流は、高レイノルズ数での流体の強い非線形ダイナミクスによって生じる複雑な空間的・時間的構造である。
本研究では,非圧縮性流体および圧縮性流体の乱流シミュレーションから生成された画像データセットの詳細な解析を行う。
- 参考スコア(独自算出の注目度): 2.44755919161855
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Turbulence is a complex spatial and temporal structure created by the strong
non-linear dynamics of fluid flows at high Reynolds numbers. Despite being an
ubiquitous phenomenon that has been studied for centuries, a full understanding
of turbulence remained a formidable challenge. Here, we introduce tools from
the fields of quantum chaos and Random Matrix Theory (RMT) and present a
detailed analysis of image datasets generated from turbulence simulations of
incompressible and compressible fluid flows. Focusing on two observables: the
data Gram matrix and the single image distribution, we study both the local and
global eigenvalue statistics and compare them to classical chaos, uncorrelated
noise and natural images. We show that from the RMT perspective, the turbulence
Gram matrices lie in the same universality class as quantum chaotic rather than
integrable systems, and the data exhibits power-law scalings in the bulk of its
eigenvalues which are vastly different from uncorrelated classical chaos,
random data, natural images. Interestingly, we find that the single sample
distribution only appears as fully RMT chaotic, but deviates from chaos at
larger correlation lengths, as well as exhibiting different scaling properties.
- Abstract(参考訳): 乱流は、高レイノルズ数での流体の強い非線形ダイナミクスによって生じる複雑な空間的・時間的構造である。
何世紀にもわたって研究されてきたユビキタス現象であるにもかかわらず、乱流の完全な理解は依然として大きな課題であった。
本稿では、量子カオスとランダム行列理論(RMT)の分野のツールを紹介し、非圧縮性および圧縮性流体の乱流シミュレーションから生成された画像データセットの詳細な解析を行う。
データグラム行列と単一画像分布の2つの可観測性に着目し,局所固有値統計と大域固有値統計を,古典的カオス,非相関雑音,自然画像と比較した。
RMTの観点からは、乱流グラム行列は積分可能なシステムではなく量子カオスと同じ普遍性クラスにあり、そのデータは、非相関な古典的カオス、ランダムデータ、自然画像とは大きく異なる固有値の大部分において、パワー則のスケーリングを示す。
興味深いことに、単一のサンプル分布は完全なrmtカオスとしてのみ現れるが、より大きな相関長でカオスから逸脱し、異なるスケーリング特性を示す。
関連論文リスト
- Attractor Memory for Long-Term Time Series Forecasting: A Chaos
Perspective [66.79255404792849]
本稿では,カオス理論を長期時系列予測(LTSF)タスクに導入する。
我々のモデルである textbftextitAttraos はカオス理論をLTSFに組み込み、未知の高次元カオス力学系からの観測として実世界の時系列を知覚する。
歴史的力学構造を記憶し、周波数を拡大した局所進化戦略によって予測する。
論文 参考訳(メタデータ) (2024-02-18T05:35:01Z) - The Underlying Scaling Laws and Universal Statistical Structure of Complex Datasets [2.07180164747172]
実世界の複雑なデータセットと人工的に生成されたデータセットの両方に現れる普遍的特性について検討する。
我々のアプローチは、データを物理系に類似させ、統計物理学やランダム行列理論(RMT)のツールを用いて、その基盤となる構造を明らかにすることである。
論文 参考訳(メタデータ) (2023-06-26T18:01:47Z) - DIFFormer: Scalable (Graph) Transformers Induced by Energy Constrained
Diffusion [66.21290235237808]
本稿では,データセットからのインスタンスのバッチを進化状態にエンコードするエネルギー制約拡散モデルを提案する。
任意のインスタンス対間の対拡散強度に対する閉形式最適推定を示唆する厳密な理論を提供する。
各種タスクにおいて優れた性能を有する汎用エンコーダバックボーンとして,本モデルの適用性を示す実験を行った。
論文 参考訳(メタデータ) (2023-01-23T15:18:54Z) - Simultaneous Transport Evolution for Minimax Equilibria on Measures [48.82838283786807]
最小限の最適化問題は、敵対的学習や生成的モデリングなど、いくつかの重要な機械学習設定で発生する。
この研究では、代わりに混合平衡を見つけることに集中し、関連する持ち上げ問題を確率測度の空間で考察する。
エントロピー正則化を加えることで、我々の主な成果はグローバル均衡へのグローバル収束を確立する。
論文 参考訳(メタデータ) (2022-02-14T02:23:16Z) - Probing quantum chaos in multipartite systems [4.771483851099131]
本研究では,グローバルな行動に対するサブシステムの貢献が,全カウント統計を探索することによって明らかになることを示す。
本研究では,時間領域における量子カオスのシグネチャが特性関数のディップ・ランプ・プラトー構造を決定することを示す。
グローバル量子カオスは強い結合によって抑制できる。
論文 参考訳(メタデータ) (2021-11-24T13:06:25Z) - Onset of universality in the dynamical mixing of a pure state [0.0]
同じ純状態の進化によって生じるランダム密度行列の時間ダイナミクスについて検討する。
得られた混合状態のスペクトル統計は、確率行列理論によってよく説明されている。
論文 参考訳(メタデータ) (2021-09-22T03:01:02Z) - The Interplay Between Implicit Bias and Benign Overfitting in Two-Layer
Linear Networks [51.1848572349154]
ノイズの多いデータに完全に適合するニューラルネットワークモデルは、見当たらないテストデータにうまく一般化できる。
我々は,2層線形ニューラルネットワークを2乗損失の勾配流で補間し,余剰リスクを導出する。
論文 参考訳(メタデータ) (2021-08-25T22:01:01Z) - Universal Statistics of Vortices in a Newborn Holographic
Superconductor: Beyond the Kibble-Zurek Mechanism [52.77024349608834]
祝福されたキブルズレック機構(KZM)を超える普遍的シグネチャについて検討する。
我々は, 熱クエンチで発生する渦の分布を特徴付け, ホログラフィック超伝導体の形成に繋がる。
論文 参考訳(メタデータ) (2021-01-06T18:06:40Z) - Spectral transitions and universal steady states in random Kraus maps
and circuits [0.8504685056067142]
ランダム・クラウス・マップについて検討し、異なる発散強度とそれに対応する局所回路について検討した。
一方、定常状態はスペクトル遷移の影響を受けない。
局所クラウス回路の統計的性質は、非局所クラウス写像のものと質的に同じである。
論文 参考訳(メタデータ) (2020-07-08T18:00:02Z) - Multiplicative noise and heavy tails in stochastic optimization [62.993432503309485]
経験的最適化は現代の機械学習の中心であるが、その成功における役割はまだ不明である。
分散による離散乗法雑音のパラメータによく現れることを示す。
最新のステップサイズやデータを含む重要な要素について、詳細な分析を行い、いずれも最先端のニューラルネットワークモデルで同様の結果を示す。
論文 参考訳(メタデータ) (2020-06-11T09:58:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。