O caos nem sempre é prejudicial à tecnologia, na verdade, ele pode ter várias aplicações úteis se for detectado e identificado.
O caos e sua dinâmica caótica são predominantes em toda a natureza e por meio de dispositivos e tecnologia fabricados. Embora o caos seja geralmente considerado negativo, algo a ser removido dos sistemas para garantir sua operação ideal, existem circunstâncias em que o caos pode ser um benefício e pode até ter aplicações importantes. Daí um crescente interesse na detecção e classificação do caos em sistemas.

Um novo artigo publicado no The European Physical Journal B de autoria de Dagobert Wenkack Liedji e Jimmi Hervé Talla Mbé da Unidade de Pesquisa de Matéria Condensada, Eletrônica e Processamento de Sinais, Departamento de Física, Universidade de Dschang, Camarões, e Godpromesse Kenné, do Laboratoire d' Automatique et d'Informatique Appliquée, Departamento de Engenharia Elétrica, IUT-FV Bandjoun, Universidade de Dschang, Camarões, propõe o uso do computador de reservatório baseado em atraso de nó único não linear para identificar dinâmicas caóticas.

No artigo, os autores mostram que os recursos de classificação desse sistema são robustos, com precisão de mais de 99%. Examinando o efeito do comprimento da série temporal no desempenho do método, eles encontraram maior precisão alcançada quando o computador de reservatório baseado em atraso de nó único não linear foi usado com séries temporais curtas.

Vários quantificadores foram desenvolvidos para distinguir dinâmicas caóticas no passado, destacando-se o maior expoente de Lyapunov (LLE), que é altamente confiável e ajuda a exibir valores numéricos que ajudam a decidir sobre o estado dinâmico do sistema.

A equipe superou problemas com o LLE como despesa, necessidade de modelagem matemática do sistema e longos tempos de processamento estudando vários modelos de aprendizado profundo, encontrando esses modelos obtendo taxas de classificação ruins. A exceção a isso foi uma rede neural convolucional de tamanho grande de kernel (LKCNN) que poderia classificar séries temporais caóticas e não caóticas com alta precisão.

Assim, usando o sistema computacional de reservatório baseado em atraso Mackey-Glass (MG) para classificar comportamentos dinâmicos não caóticos e caóticos, os autores mostraram a capacidade do sistema de atuar como um quantificador eficiente e robusto para classificar sinais não caóticos e caóticos.

Eles listaram as vantagens do sistema que usaram como não exigindo necessariamente o conhecimento do conjunto de equações, ao invés, descrevendo a dinâmica de um sistema, mas apenas os dados do sistema, e o fato de que a implementação neuromórfica usando um computador de reservatório analógico possibilita a real - detecção de tempo de comportamentos dinâmicos de um determinado oscilador.

A equipe conclui que pesquisas futuras serão dedicadas a computadores de reservatórios profundos para explorar seus desempenhos em classificações de dinâmicas mais complexas. + Explorar mais

Nova estrutura para classificar caos e termalização