Diferencia entre revisiones de «Modelo de Kuramoto»
Contenido eliminado Contenido añadido
Initial autotrad, now will work on making it cuter |
Text fixed |
||
Línea 1:
{{En desarrollo|t=20211120233947}}[[File:Wesphysdemo - Synchronized Metronomes.webm|thumb|upright=1.1|[[Metrónomo|Metrónomos]], inicialmente desfasados, se sincronizan a través de pequeños movimientos de la base sobre la que están colocados. Se ha demostrado que este sistema es equivalente al modelo Kuramoto.<ref>{{cite journal|url=http://www.math.pitt.edu/~bard/classes/mth3380/syncpapers/metronome.pdf|title=Sincronización de metrónomos|last1=Pantaleone|first1=James|date=Octubre 2002|journal=American Journal of Physics|volume=70|issue=10|pages=992-1000|bibcode=2002AmJPh..70..992P|doi=10. 1119/1.1501118}}</ref>]]El '''modelo de Kuramoto''' (o '''modelo de Kuramoto-Daido''') es un [[modelo matemático]] utilizado para describir la [[sincronización]] propuesto por {{nihongo|[[Yoshiki Kuramoto]]|蔵本 由紀|}} en 1984;<ref>{{cita libro|last=Kuramoto|first=Yoshiki|title=Lecture Notes in Physics, International Symposium on Mathematical Problems in Theoretical Physics|volumen=39|editor=H. Araki|página=420|año=1975}}</ref><ref>{{cita libro|author=Kuramoto Y|title=Chemical Oscillations, Waves, and Turbulence|publisher=New York, NY: Springer-Verlag|año=1984}}</ref> para describ
▲El '''modelo de Kuramoto''' (o '''modelo de Kuramoto-Daido''') es un [[modelo matemático]] utilizado para describir la [[sincronización]] propuesto por {{nihongo|[[Yoshiki Kuramoto]]|蔵本 由紀|}} en 1984;<ref>{{cita libro|last=Kuramoto|first=Yoshiki|title=Lecture Notes in Physics, International Symposium on Mathematical Problems in Theoretical Physics|volumen=39|editor=H. Araki|página=420|año=1975}}</ref><ref>{{cita libro|author=Kuramoto Y|title=Chemical Oscillations, Waves, and Turbulence|publisher=New York, NY: Springer-Verlag|año=1984}}</ref> para describir el comportamiento de un gran conjunto de [[osciladores]] acoplados.<ref>{{cite journal | autor = Strogatz S | título = De Kuramoto a Crawford: Explorando el inicio de la sincronización en poblaciones de osciladores acoplados | journal = Physica D | volume = 143 | issue = 1-4| pages = 1-20 | year = 2000 | bibcode = 2000PhyD..143.... 1S | doi = 10.1016/S0167-2789(00)00094-4| url = http://www.math.pitt.edu/~bard/bardware/classes/mathneuro/strogatz_crawford.pdf }}</ref><ref>{cite journal | last1 = Acebrón | first1 = Juan A. | last2 = Bonilla | first2 = L. L. | last3 = Vicente | first3 = Pérez | last4 = Conrad | first4 = J. | last5 = Ritort | first5 = Félix | last6 = Spigler | first6 = Renato | journal = Reviews of Modern Physics | pages = 137-185 | title = El modelo Kuramoto: Un paradigma simple para los fenómenos de sincronización | url = http://scala.uc3m.es/publications_MANS/PDF/finalKura.pdf<nowiki> | volumen = 77 | número = 1 | año = 2005|bibcode = 2005RvMP...77..137A |doi = 10.1103/RevModPhys.77 .137 | hdl = 2445/12768 | hdl-access = free }}</nowiki></ref> Su formulación fue motivada por el comportamiento de sistemas de osciladores [[químicos]] y biológicos, y ha encontrado amplias aplicaciones en áreas como la neurociencia.<ref><nowiki>{cite journal | last1 = Bick | first1 = Christian | last2 = Goodfellow | first2 = Marc | last3 = Laing | first3 = Carlo R. | last4 = Martens | first4 = Erik A. | journal = Journal of Mathematical Neuroscience | pages = 9 | title = Understanding the dynamics of biological and neural oscillator networks through exact mean-field reductions: a review | volume = 10 | issue = 1 | year = 2020 | doi = 10.1186/s13408-020-00086-9 | pmid = 32462281 | pmc = 7253574 | doi-access = free }}/ref>{cite journal | last1 = Cumin | first1 = D. | last2 = Unsworth | first2 = C. P. | doi = 10.1016/j.physd.2006.12.004 | issue = 2 | journal = Physica D | pages = 181-196 | title = Generalización del modelo de Kuromoto para el estudio de la sincronización neuronal en el cerebro | volume = 226 | year = 2007 | bibcode = 2007PhyD..226..181C }}</nowiki></ref><ref><nowiki>{cite journal | doi = 10.3389/fnhum.2010 .00190 |pmid=21151358 |pmc=2995481 |vauthors=Breakspear M, Heitmann S, Daffertshofer A | title = Modelos generativos de oscilaciones corticales: Implicaciones neurobiológicas del modelo Kuramoto | journal = Front Hum Neurosci | volume = 4 | issue = 190 | year = 2010 |page=190 }}</nowiki></ref><ref>{{cite journal | doi = 10.1016/j.neuroimage.2013 .11. 047 |vauthors=Cabral J, Luckhoo H, Woolrich M, Joensson M, Mohseni H, Baker A, Kringelbach ML, Deco G | title = Explorando los mecanismos de la conectividad funcional espontánea en MEG: Cómo las interacciones de red retardadas conducen a las envolventes de amplitud estructurada de las oscilaciones filtradas por paso de banda | journal = NeuroImage | volume = 90 | pages = 423-435 | year = 2014 | pmid=24321555| doi-access = free }}</ref> Kuramoto se sorprendió bastante cuando vio que el comportamiento de algunos sistemas físicos, concretamente las matrices acopladas de uniones de Josephson, seguían su modelo.<ref>Steven Strogatz, ''Sync: The Emerging Science of Spontaneous Order'', Hyperion, 2003.</ref>
El modelo hace varias suposiciones, incluyendo que hay un acoplamiento débil, que los osciladores son idénticos o casi idénticos, y que las interacciones dependen sinusoidalmente de la diferencia de fase entre cada par de objetos.
Línea 11 ⟶ 9:
=== Definición inicial ===
[[File:KuramotoModelPhaseLocking.ogv|thumb|right|Bloqueo de fases en el modelo de Kuramoto|upright=1.1]]En la versión más conocida del modelo de Kuramoto, se considera que cada uno de los osciladores tiene su propia [[frecuencia natural]] intrínseca <math>\omega_i</math>, y cada uno está acoplado por igual a todos los demás osciladores. Sorprendentemente, este modelo totalmente no lineal puede resolverse exactamente cuando el número de osciladores N tiende a infinito, ''N''→ ∞;<ref><nowiki>{cite journal | last1 = Bick | first1 = Christian | last2 = Goodfellow | first2 = Marc | last3 = Laing | first3 = Carlo R. | last4 = Martens | first4 = Erik A. | journal = Journal of Mathematical Neuroscience | pages = 9 | title = Comprender la dinámica de las redes de osciladores biológicos y neuronales a través de reducciones exactas de campo medio: una revisión | volume = 10 | issue = 1 | year = 2020 | doi = 10. 1186/s13408-020-00086-9 | pmid = 32462281 | pmc = 7253574 | doi-access = free }}</nowiki></ref> alternativamente, utilizando argumentos de autoconsistencia se pueden obtener soluciones de estado estacionario de r, el parámetro que describe el grado de sincronización del sistema.<ref>{cite journal | author = Strogatz S | title = From Kuramoto to Crawford: Explorando el inicio de la sincronización en poblaciones de osciladores acoplados | journal = Physica D | volume = 143 | issue = 1-4| pages = 1-20 | year = 2000 | bibcode = 2000PhyD..143....1S| doi = 10.1016/S0167-2789(00)00094-4| url = http://www.math.pitt.edu/~bard/bardware/classes/mathneuro/strogatz_crawford.pdf<nowiki> }}</nowiki></ref>
La forma más popular del modelo tiene las siguientes ecuaciones de gobierno:
Línea 58 ⟶ 56:
== Variaciones del modelo ==
[[File:Spatial synchronization patterns in variants of the Kuramoto Model.png|thumb|upright=1.1|right|Patrones de sincronización distintos en un conjunto bidimensional de osciladores tipo Kuramoto con diferentes funciones de interacción de fase y topologías de acoplamiento espacial.
{{Columnas}}
(A) Molinetes
=== Variaciones de la topología de la red ===▼
(C) Quimeras
{{Nueva columna}}
(B) Ondas
(D) Quimeras y ondas
{{Final columnas}}
La escala de colores indica la fase del oscilador]]
Además del modelo original, que considera que todos los osciladores interaccionan igualmente entre ellos independientemente de su distancia, se han desarollado variaciones que tienen en cuenta [[Topología|topologías]] de [[red compleja]] que admiten estados quimera y comportamientos locales diferenciados.<ref>{{cite journal|title=Chimera states for coupled oscillators|last1=Abrams|first1=D.M.|last2=Strogatz|first2=S.H.|journal=Physical Review Letters|volume=93|issue=17|pages=174102|bibcode=2004PhRvL..93q4102A|doi=10.1103/physrevlett.93 .174102|pmid=15525081|year=2004|arxiv=nlin/0407045|s2cid=8615112}}</ref>
En redes bidimensionales de Kuramoto con acoplamiento local difusivo, es habitual encontrar sincronía uniforme, ondas y espirales cuya estabilidad puede determinarse analíticamente utilizando los métodos del análisis de estabilidad de Turing.<ref>{{cite journal|title=Pattern formation in an array of oscillators with electrical and chemical coupling|last1=Kazanci|first1=F.|last2=Ermentrout|first2=B.|journal=SIAM J Appl Math|volume=67|issue=2|pages=512-529|doi=10.1137/060661041|year=2006|citeseerx=10.1.1.140.1020}}</ref>
La topología sobre la que se estudia el modelo Kuramoto puede hacerse adaptativa<ref><nowiki>{cite journal | last1 = Eom | first1 = Y.-H. | last2 = Boccaletti | first2 = S. | last3 = Caldarelli | first3 = G | title = Mejora concurrente de la percolación y la sincronización en redes adaptativas | volume = 7 | journal = Scientific Reports | pages = 015103 | doi = 10. 1038/srep27111 | pmid = 27251577 | pmc = 4890019 | año = 2016 | arxiv = 1511.05468 | bibcode = 2016NatSR...627111E }}</nowiki></ref> mediante el uso
=== Interacción variable entre osciladores ===
: <math> \frac{d \theta_i}{d t} = \omega_i + \sum_{j=1}^{N} a_{ij} \sin(\theta_j - \theta_i), \qquad i = 1 \ldots N</math>
donde <math>a_{ij}</math> es un número real positivo no nulo si el oscilador <math>j</math> está conectado al oscilador <math>i</math>.
Este modelo permite un estudio más realista de, por ejemplo, la coordinación de bandadas de pájaros o de vehículos.<ref>{{cite journal|title=Synchronization in complex networks of phase oscillators: A survey|last1=Dorfler|first1=F.|last2=Bullo|first2=F.|journal=Automatica|volumen=50|issue=6|pages=1539-1564|doi=10.1016/j.automatica.2014.04.012|año=2014}}</ref> Dado que el modelo de Kuramoto parece desempeñar un papel clave en la evaluación de los fenómenos de sincronización en el cerebro,<ref>{{cite journal|title=Role of local network oscillations in resting-state functional connectivity|last1=Cabral|first1=J.|last2=Hugues|first2=E.|journal=NeuroImage|volume=57|issue=1|pages=130-139|doi=10.1016/j.neuroimage.2011 .04.010|pmid=21511044|last3=Sporns|first3=O.|last4=Deco|first4=G.|year=2011|s2cid=13959959}}</ref> estas variaciones podrían allanar el camino para una comprensión más profunda de los fenómenos de sincronización neuronal.<ref><nowiki>{cite journal | last1 = Menara | first1 = T. | last2 = Baggio | first2 = G. | last3 = Bassett | first3 = D. | last4 = Pasqualetti | first4 = F. | journal = IEEE Transactions on Control of Network Systems | pages = 302-314 | volume = 7 | issue = 1 | title = Stability Conditions for Cluster Synchronizations in Networks of Heterogeneous Kuramoto Oscillators | year = 2020 | doi = 10.1109/TCNS.2019 .2903914 | arxiv = 1806.06083 | s2cid = 73729229 }}</nowiki></ref>
== Implementaciones de software ==
|