많은 공학 문제에는 지배 방정식이 불충분하게 특성화되었거나 부분적으로만 알려진 현상이 포함된다. 신경망과 같은 대리 모델링(surrogate modeling) 기법은 이러한 시스템의 거동을 포착할 수 있지만, 일반적으로 공학 환경에서 얻기 어려운 대규모 학습 데이터셋을 요구하며 물리적 해석 가능성이 제한된 모델을 산출한다. 비선형 동역학 희소 식별(SINDy) 방법은 후보 비선형 항들의 라이브러리에 대해 희소 회귀(sparse regression)를 수행함으로써 두 한계를 모두 해결하며, 비교적 작은 데이터셋으로부터 해석 가능한 지배 방정식을 복원한다. SINDy는 표준 벤치마크 시스템에서 광범위하게 시연되었지만, 실용적 공학 문제에 대한 적용은 덜 널리 문서화되어 있다. 본 튜토리얼은 SINDy 방법을 소개하고, 노이즈 견고 약형(weak-form) 및 앙상블 기반 변형부터 제약 및 매개변수화 가능한 formulation까지 주요 확장으로 점진적으로 나아간다. 본 논문과 동반 튜토리얼(https://github.com/paullililili/SINDy4Engineers)은 세 부분으로 구성된다: 첫 번째 부분은 표준 SINDy 알고리즘을 소개하고 점진적으로 확장하며, 사전 지식이 없는 독자도 각 단계를 따라가 자신의 문제에 방법을 적용할 수 있도록 한다; 나머지 두 부분은 (1) 무인 항공기(UAV)의 시스템 식별과 (2) 혼돈 thermosyphon 열교환기에 대한 상세 사례 연구를 제시한다. 이러한 예시를 통해 SINDy가 구현은 간단하면서도 고급 공학 응용을 위한 유용한 식별 도구로서 충분히 유연함을 보여 주는 것을 목표로 한다.
불확실한 비선형 시스템의 실시간 강인 최적 제어(RNOCP)를 위해, 선형 시변(LTV) 근사의 선형화 오차 경계(LEBs)를 GPU 병렬로 빠르고 미분 가능하게 계산하는 GPUSLS-LEO 방법을 제안한다. 해석적 동역학에는 경로 기반 헤시안 경계를, 신경망 동역학에는 검증기 기반 아핀 완화를 적용하여 최대 168차원 시스템에서 67 Hz의 실시간 제어율을 달성하며 공식적인 안전성 보장을 유지한다.
We study how the degree of nonlinearity in the input data affects the optimal design of reservoir computers, focusing on how closely the model's nonlinearity should align with that of the data. By reducing minimal RCs to a single tunable nonlinearity parameter, we explore how the predictive performance varies with the degree of nonlinearity in the reservoir. To provide controlled testbeds, we generalize to the fractional Halvorsen system, a novel chaotic system with fractional exponents. Our experiments reveal that the prediction performance is maximized when the reservoir's nonlinearity matches the nonlinearity present in the data. In cases where multiple nonlinearities are present in the data, we find that the correlation dimension of the predicted signal is reconstructed correctly when the smallest nonlinearity is matched. We use this observation to propose a method for estimating the minimal nonlinearity in unknown time series by sweeping the reservoir exponent and identifying the transition to a successful reconstruction. Applying this method to both synthetic and real-world datasets, including financial time series, we demonstrate its practical viability. Finally, we transfer these insights to classical RC by augmenting traditional architectures with fractional, generalized reservoir states. This yields performance gains, particularly in resource-constrained scenarios such as physical reservoirs, where increasing reservoir size is impractical or economically unviable. Our work provides a principled route toward tailoring RCs to the intrinsic complexity of the systems they aim to model.
심혈관계는 생리적 상태 공간에서 유계 궤적을 따라 진화하며, 컴팩트한 기하학적 객체인 심장 유인자(cardiac attractor)로 수렴한다. 웨어러블 광용적맥파계(PPG) 또는 심전도계(ECG)는 이 유인자의 1차원 투영을 관측하며, Takens 임베딩 정리에 따라 지연 좌표(delay coordinates)가 전체 기하를 재구성한다. 3십 년간의 비선형 심장 역학 연구는 재구성된 유인자로부터 Lyapunov 지수, 재발(recurrence) 통계, 표본 엔트로피(sample entropy)를 추출해 왔으나, 어떤 유인자 특성이 어떤 심혈관량을 포착하는지, 그리고 그 이유에 대한 원칙적 설명은 존재하지 않아 특징 선택이 탐색 문제로 남고 부정적 결과는 해석 불가능하다. 우리는 재구성된 유인자의 정보가 세 가지 상호 비중복(non-redundant) 영역으로 분할됨을 증명하는 Attractor Domain Theory(ADT)를 제안한다: Geometry Domain G(지연 임베딩; 고유 기능: 아티팩트 제거), Ergodic Domain S(점근적 통계 불변량; 고유 기능: 안정성 추정), Variational Domain V(유한 시간 Lyapunov 지수 필드; 고유 기능: 혈역학 추론). 우리는 Domain Sufficiency Theorem(유인자 정보에 대한 Parseval 유사 정리)을 증명하고, 세 영역이 필요충분함을 확립한다. 네 개 데이터셋의 176,742개 PPG 세그먼트에 걸친 SCSI 프레임워크를 통한 Geometry Domain 검증은 세 가지 체계적 평가 아티팩트를 보정한 후(+0.179 순 인플레이션) AUC = 0.757 [0.686-0.828], NPV = 0.966을 산출한다. Ablation은 C_NL이 Geometry Domain의 지배적 구성 요소(Delta AUC = -0.413)임을 확인하고, 다섯 구성 요소 간 영역 내 중복을 확인한다.
이 원고는 비선형 시스템 식별을 위한 새롭게 정의된 이차 임베딩 방법(QENDy)의 적분 공식화를 제안합니다. 기존 알고리즘에서는 궤적 데이터 포인트와 그 시간 미분값이 함께 사용됩니다. 시간 미분값을 계산하는 방법은 알고리즘이 노이즈에 민감해지게 만듭니다. 우리의 적분 공식화는 시간 미분값을 사용하지 않습니다. 이는 동역학을 학습하는 더 강건한 방법으로 이어집니다.
지배 방정식 없이 스칼라 관측값에서 과도 혼돈을 탐지하는 것은 비선형 역학의 근본적인 도전 과제입니다. 본 연구는 급격한 체제 전환을 추적하기 위해 예측 궤적 발산과 거시적 어트랙터 형태를 통합하는 기하학적 유도 머신러닝 프레임워크를 제안합니다. 해당 방법론은 샘플 외 k-최근접 이웃 예측 오차를 통해 국소 불안정성 척도를 추출하여 ML-FTLE 추정기를 확립한 뒤, 이 시간적 발산을 푸앵카레 점유 그리드의 최소 사전에서 유도된 구조적 근접 행렬에 매핑합니다. 부분 최소제곱 회귀를 사용하여 경험적 유한 시간 리아푸노프 스펙트럼에 직접 보정된 잠재 기하학적 성분을 추출함으로써, 푸앵카레 기반 기하학적 유도 FTLE를 도출합니다. 해석적 QR-FTLE 기준선에 대한 검증 결과, 위상 상태 공간과 예측 발산의 융합이 연속적 전환 추적을 체계적으로 향상시키는 것으로 확인되었습니다. 구조적 유사성 지수는 점진적 감쇠를 최적으로 해결하는 반면, 하우스도르프 거리는 급격한 위상 공간 붕괴 기간 동안 극한의 회복력을 나타냅니다. 또한, 거시적 공간 이산화는 가산 가우시안 잡음에 대해 강건한 위상 정규화기 역할을 하여, 중간 수준의 신호 임계값에서도 결정론적 특징을 보존합니다. 이 방정식 없는 프레임워크는 복잡한 비정상 시스템에서 구조적 전이를 모니터링하기 위한 고도로 정확하고 잡음에 강한 진단 도구를 제공합니다.