Стохастическое моделирование сложных динамических систем, включая турбулентность, молекулярные взаимодействия и эффекты памяти.Динамика сложных систем — это изучение того, как большое число взаимодействующих компонентов порождает коллективное поведение, отсутствующее у отдельных частей. Сюда относятся такие явления, как турбулентность в жидкостях, молекулярные взаимодействия в материалах и эффекты памяти в физических системах. Стохастическое моделирование здесь необходимо, поскольку взаимодействий слишком много, чтобы отслеживать их детерминированно, а случайность играет ключевую роль в формировании макроскопического поведения. Эта область стремится выявить универсальные закономерности, такие как законы подобия и фазовые переходы, которые возникают в разных системах.
Современная концепция сложных систем возникла в середине XX века благодаря вкладу физиков Онзагера и Пригожина в неравновесную термодинамику, а позже — пионеров теории хаоса, таких как Лоренц. Явное использование стохастических методов в этом контексте было развито в работах Цванцига и Мори в 1960-х годах, посвящённых функциям памяти и обобщённым уравнениям Ланжевена.
Подход обычно заключается в сведении многих степеней свободы к нескольким огрублённым переменным, которые отражают существенную динамику, с последующим добавлением стохастических членов для представления пренебрегаемых деталей. Например, в турбулентности уравнения Навье—Стокса часто заменяются стохастическими моделями, описывающими каскад энергии от больших к малым масштабам. В системах с памятью, таких как плазма или стёкла, динамика может зависеть от всей предыстории системы, что приводит к интегро-дифференциальным уравнениям с ядрами памяти. Эти модели анализируются с помощью инструментов статистической физики, таких как уравнения Фоккера—Планка и континуальные интегралы, для предсказания вероятностей различных исходов.
Эти модели используются в прогнозировании климата, при проектировании материалов (например, сплавов с памятью), для удержания плазмы в термоядерных реакторах и даже на финансовых рынках для моделирования колебаний цен и системных рисков.
В некоторых сложных системах добавление шума может стабилизировать динамику — это явление известно как «стохастический резонанс», когда слабый периодический сигнал становится различимым только при оптимальном уровне шума. Этот принцип используется в некоторых электронных устройствах и, возможно, в биологических сенсорных системах.
| n_s | переменная | Скалярный спектральный индекс — скалярный спектральный индекс |
| \epsilon | переменная | Первый параметр медленного скатывания — slow roll parameter |
| \eta | переменная | Второй параметр медленного скатывания — slow roll parameter second |
| r | переменная | Отношение тензорных возмущений к скалярным — tensor to scalar ratio |
| \sigma_f | переменная | Суммарная неопределённость функции f — неопределённость varies |
| f | переменная | Функция нескольких измеряемых переменных — function varies |
| x_i | переменная | i-я измеряемая переменная — variable varies |
| \sigma_{x_i} | переменная | Неопределённость i-й измеряемой переменной — неопределённость varies |
| \partial f / \partia | оператор | Частная производная f по x_i, показывающая чувствительность f к этой переменной — частная производная |
| \sqrt{} | оператор | Квадратный корень из суммы квадратов членов — квадратный корень |
| \sum_i | оператор | Сумма по всем независимым переменным i — суммирование |
