日期： 2023-03-29 11:14:25 来源：集智俱乐部收集编辑：集智编辑部 关键词：网络重构，时间序列，离散混沌振子，平均场方法论文题目：Reconstructing Network Dynamics of Coupled Discrete Chaotic Units from Data论文来源：Physical Review Letters论文链接：https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.130.117401我们日常生活中许多动力学网络（如电网、气候网络、神经元网络等）都由网络上震荡的动力学单元（dynamical units）表示。如何调节网络动力学？这个问题的重要性不言而喻。基于数据重构网络动力学的研究成果丰硕，但目前的研究常常受限于约束条件、需要先验知识、引入统计学习方法（需要长时间序列）。那么，一个自然的问题是，是否可以用相对较短的数据揭示弱相互作用混沌振子的网络动力学，而无需知道系统的节点行为和耦合模式。这个问题在弱耦合状态下尤其重要。最近发表于PRL的这篇文章结合平均场方法和统计学习工具，提出了一种基于时间序列观测的动态网络重构方法，可以用相当短的时间序列，准确识别复杂网络上弱耦合混沌映射的控制方程和相互作用（无需增加不现实的约束条件）。作者还将该技术应用于真实的小鼠新大脑皮层和人工网络上的有噪声和无噪声的真实神经元系统。图1. 重构图示图2. 在真实的小鼠大脑皮层网络上重建弱电耦合Rulkov映射的过程。图3. 平均噪声对重构性能的影响高阶网络社区详情请见：探索复杂系统高阶交互的奥秘 | 高阶网络读书会启动推荐阅读1. 离散混沌传奇丨陈关荣2. Ginestra Bianconi 新作：三元互动网络中渗流的动力学特性3. PRL 速递：有限大小神经元网络的自洽随机动力学4. 《张江·复杂科学前沿27讲》完整上线！5. 成为集智VIP，解锁全站课程／读书会6. 加入集智，一起复杂！点击“阅读原文”，报名读书会