Machine Translated by Google

LV Gambuzza F. Di, 1Patti R. ,2 L. Gallo ,3 S. Lepri2, M. Romance4 et S.

li2iXri0vlrn2
1v31930.40]0O2A:v0.n
1 Boccaletti+2, 8, 9
Criado,4 M. Frasca+, V. Latora+, 5, 6, 7
1Département de génie électrique, électronique et informatique, Université de Catane, 95125 Catane, Italie 2CNR­Institut des
systèmes complexes, Via Madonna del Piano, Sesto Fiorentino, Florence 50019, Italie 3Département de
physique et d'astronomie, Université de Catane, 95125 Catane, Italie 4Département de
mathématiques appliquées. et Institut de recherche sur les données, les réseaux complexes et la
cybersécurité, Université Rey Juan Carlos, C/Tulipn s/n, Mstoles, Madrid 28933,
Espagne 5Département de physique et d'astronomie, Université de Catane et INFN, 95125 Catane, Italie
6École des sciences mathématiques, Queen Mary University of London, Londres E1 4NS, Royaume­
Uni 7The Alan Turing Institute, The British Library, Londres NW1 2DB, Royaume­Uni
8Unmanned Systems Research Institute, Northwestern Polytechnical University, Xi'an 710072, Chine 9Moscow
Institute of Physics and Technology, Dolgoprudny, Région de Moscou, 141701, Fédération de Russie (Date : 9
avril 2020)
Toutes les propriétés collectives intéressantes et fascinantes d’un système complexe découlent de la manière
complexe dont ses composants interagissent. Divers systèmes en physique, biologie, sciences sociales et
ingénierie ont été modélisés avec succès sous forme de réseaux de systèmes dynamiques couplés, où les liens
graphiques décrivent des interactions par paires. Il s’agit cependant d’une limitation trop importante, car des
études récentes ont révélé que des interactions à N corps d’ordre supérieur sont présentes dans les groupes
sociaux, les écosystèmes et dans le cerveau humain, et qu’elles affectent en réalité la dynamique émergente de
tous ces systèmes. Ici, nous introduisons un cadre général qui permet d'étudier des systèmes dynamiques
couplés tenant compte de la structure microscopique précise de leurs interactions dans n'importe quel ordre
possible. Nous considérons l'ensemble le plus général de systèmes dynamiques identiques, organisés sur les
nœuds d'un complexe simplicial, et interagissant par une fonction de couplage synchronisation­non invasive. Le
complexe simplicial peut être de n’importe quelle dimension, ce qui signifie qu’il peut prendre en compte à la
fois des interactions par paires, des interactions à trois corps, etc. Dans un contexte aussi large, nous montrons
que la synchronisation complète, une circonstance où toutes les unités dynamiques organisent leur évolution à
l'unisson, existe comme une solution invariante, et nous donnons la condition nécessaire pour qu'elle soit
observée comme un état stable en termes d'état stable. Fonction de stabilité principale. Cela généralise les
résultats existants valables pour les interactions par paires (ie graphes) au cas de systèmes complexes avec
l'architecture la plus générale possible. De plus, nous montrons comment l'approche peut être simplifiée pour
des cas spécifiques, mais fréquents, et nous vérifions toutes nos prédictions théoriques dans des systèmes
synthétiques et réels. Compte tenu du caractère tout à fait général de la méthode proposée, nos résultats
contribuent à la théorie des systèmes dynamiques à interactions à N corps et peuvent trouver des applications dans un éventail extrêmement l
a[
8

Ces Auteurs ont contribué à parts égales à ce travail
+ Ces Auteurs ont contribué à parts égales à ce travail
INTRODUCTION
fidèlement dans de nombreuses autres circonstances. En effet, des
réseaux cérébraux fonctionnels [2–4] et structurels [5] aux réseaux
d'interactions protéiques [6], en passant par les réseaux sémantiques
[7] et les graphes de co­auteur en science [8], il existe de nombreuses
situations pratiques qui ne peut tout simplement pas être factorisé en
termes d’interactions par paires [9, 10].

De nombreux systèmes en physique, biologie, ingénierie et
sciences sociales peuvent être modélisés comme des réseaux d'unités
en interaction [1]. Souvent, chacun des systèmes élémentaires
constitutifs (les nœuds du réseau) est lui­même un système
dynamique, dont l'évolution est influencée par les états des autres
unités auxquelles il est connecté via les liens du réseau. Comprendre
comment l'interaction de la structure du réseau et le type d'interactions
façonnent la dynamique globale du système et régissent ses
comportements collectifs est donc un problème d'un grand intérêt
dans toutes les disciplines.
Il existe cependant une hypothèse forte sous­jacente lorsque l’on
adopte une représentation en réseau d’un système complexe :
l’interaction globale entre les composants unitaires du système est
supposée être décrite de manière exhaustive par des combinaisons
d’interactions par paires.
Une telle hypothèse peut être justifiée lorsqu’on étudie certains types
de processus, mais elle est très courte pour représenter
Les complexes simpliciaux (SC) sont des structures topologiques
formées de simplexes de différentes dimensions (tels que des nœuds,
des liens, des triangles, des tétraèdres, etc.) et cartographient les
interactions à plusieurs corps entre les éléments d'un système.
Contrairement aux réseaux, les SC peuvent donc représenter
efficacement les interactions entre un nombre quelconque d’unités.
Bien que les SC ne soient pas une idée nouvelle [11], la disponibilité
de nouveaux ensembles de données et les progrès récents dans les
techniques d'analyse de données topologiques [12] ont renouvelé
l'intérêt de la communauté scientifique [13, 14]. En particulier, une
grande attention a été consacrée ces dernières années à la
modélisation des complexes simpliciaux, et des progrès significatifs
ont été réalisés dans l'extension aux SC des modèles de graphes
standards, tels que les modèles de graphes aléatoires [15], le modèle
de configuration [16 ], les modèles de croissance du réseau [17] et les
modèles axés sur l'activité [18].
En revanche, la synchronisation est un phénomène
Machine Translated by Google
apparaissant de manière omniprésente dans les systèmes naturels et
artificiels [19, 20], et correspond à l'émergence d'un
un comportement collectif dans lequel les composants unitaires du
système finissent par s'ajuster dans une évolution commune dans le
temps. Diverses études ont mis en lumière les relations intimes entre la
topologie d'un réseau
système, sa synchronisabilité et les propriétés du
états synchronisés. En particulier, des comportements synchrones ont
été observés et caractérisés dans des environnements de petit monde.
[21], pondérés [22], multicouches [23] et réseaux adaptatifs [24, 25].
En dehors de la synchronisation complète, d'autres types de
synchronisation ont d'ailleurs été révélés.
émergent dans les systèmes en réseau, y compris la synchronisation à
distance [26, 27], les états de cluster [28] et la synchronisation
de groupe de nœuds [29], chimère [30, 31] et Bellérophon
états [32, 33]. Enfin, il a été démontré que la transition vers la
synchronisation est soit douce et réversible,
ou brusque et irréversible (comme dans le cas d'un explosif
synchronisation, ressemblant à une transition de phase de premier
ordre [34]).
Alors que des tentatives d'extension aux hypergraphes p−uniformes
l'analyse de la synchronisation complète des systèmes dynamiques ont
été récemment faites [35], l'étude
de systèmes interagissant via des interactions d’ordre supérieur
dans les complexes simpliciaux a été jusqu'à présent limité au cas
du modèle Kuramoto [36, 37]. Il s'agit en fait d'une spécificité
modèle, dans lequel chaque unité de l'ensemble i = 1, ..., N est
un oscillateur de phase et se caractérise par l'évolution
de sa phase à valeur réelle θi(t) [0, 2π]. Le modèle a
été étudié dans toutes sortes de topologies de réseaux avec des
applications possibles aux domaines biologique et social.
systèmes [20, 36], et récemment des extensions de celui­ci ont été
proposés qui incluent des interactions d’ordre supérieur. À savoir,
il a été montré que le modèle de Kuramoto peut présenter une
désynchronisation brutale lorsque des interactions à trois corps entre
tous les oscillateurs sont ajoutées à [38], ou
remplacer complètement [39], les interactions par paires tout­à­tout du
modèle original. Des résultats similaires ont été obtenus avec une
variation non symétrique du Kuramoto
modèle dans lequel les détails microscopiques des interactions
parmi les oscillateurs de phase sont décrits sous la forme de
un complexe simplicial [40].
Une approche différente a été proposée par Mill´an et
al, qui ont formulé un modèle Kuramoto d'ordre supérieur
dans lequel les oscillateurs sont placés non pas sur les nœuds mais
sur les simplexes d'ordre supérieur, tels que les liens, les triangles et
ainsi de suite, d'un complexe simplicial [41]. Enfin, Lucas et al.
ont envisagé une extension du modèle Kuramoto à
interactions d'ordre élevé de tout ordre, qui sont toujours traitables
analytiquement car tous les oscillateurs ont des caractéristiques identiques.
fréquences [42].
Nous abandonnons ici la limitation de s'en tenir à un système de
modèle spécifique et introduisons à la place le cadre le plus général
pour l'étude des systèmes dynamiques dans
SC. A savoir, nous considérons un ensemble de complètement
systèmes dynamiques génériques (mais identiques), organisés sur
les nœuds d'un complexe simplicial d'ordre générique, et interagissant
via des fonctions de couplage génériques. Autrement dit,
2
sauf que les systèmes doivent être identiques,
nous ne faisons aucune hypothèse spécifique qui pourrait limiter
d'une manière ou d'une autre notre approche. Dans un contexte aussi
vaste, nous montrons que la synchronisation complète existe comme un
solution invariante dans la mesure où les fonctions de couplage
s'annulent lorsque la dynamique des nœuds est identique. En outre,
nous donnons la condition nécessaire pour qu'il soit observé comme
un état stable en termes de fonction maître de stabilité,
une méthode initialement développée dans la Réf. [43] pour deux à deux
systèmes couplés, puis étendus de nombreuses manières pour
aux réseaux complexes [44] et aux interactions variables dans le temps
[45­47]. Par conséquent, non seulement notre cadre inclut et
englobe toutes les études réalisées jusqu'à présent sur le Kuramoto
modèle, mais il est valable pour un nombre énormément plus grand de
situations, et de ce fait, il est applicable à un très large éventail
de circonstances expérimentales et/ou pratiques. Nous allons
montrent en effet que toutes les prédictions théoriques que notre
que la méthode nous permet de faire sont entièrement vérifiées dans
des simulations de systèmes en réseau synthétiques et réels.
II. RÉSEAUX ET ORDRE SUPÉRIEUR
STRUCTURE
Un réseau est un ensemble de nœuds et de bords reliant des paires
de nœuds. Mathématiquement, cela est représenté
par un graphe G = (V, E), qui consiste en un ensemble V avec
N = |V| des éléments appelés sommets (ou nœuds), et un ensemble
E dont les K éléments, appelés arêtes ou liens, sont des paires de
nœuds (i, j) (i, j = 1, 2, . . . , N et i = j). Comme les graphiques font
explicitement référence à des interactions par paires, les réseaux ont été
très réussi à capturer les propriétés des systèmes dynamiques couplés
dans tous les cas dans lesquels les interactions
peut être exprimé (ou approché) comme une somme de deux corps
termes [48]. A l’inverse, leurs limites apparaissent lorsqu’il s’agit
pour modéliser des interactions d’ordre supérieur. En effet, la présence
d'un triangle de trois nœuds i, j, k dans un réseau, par exemple le
la présence des trois liens (i, j), (i, k), (j, k) dans le graphe correspondant,
n'est pas en mesure de capturer la différence
entre une interaction à trois corps des trois individus, à partir de la
somme de trois interactions par paires. Avis
qu'il s'agit de deux situations complètement différentes, avec
des mécanismes et des dynamiques sociales complètement différents
travail [49].
Les complexes simpliciaux sont plutôt les structures mathématiques
appropriées pour décrire les interactions d’ordre élevé. UN
Le complexe simplicial est un agrégat de simplexes, d'objets
qui généralisent les liens et peuvent en général être de différentes
dimension. Un d­simplex, ou simplex de dimension d, σ
est, dans sa définition la plus simple, une collection de d + 1 nœuds.
De cette façon, un 0­simplex est un nœud, un 1­simplex est un lien,
un 2­simplex (i, j, k) est un objet bidimensionnel créé par
trois nœuds, généralement appelé triangle (complet), un 3­simplex est
un tétraèdre, c'est­à­dire un objet tridimensionnel, etc.
Il est désormais possible de différencier un système à trois corps
interaction, et trois corps en interactions par paires : le
le premier cas sera représenté par un triangle complet, un 2­
simplexe dimensionnel, tandis que le deuxième cas consistera
Machine Translated by Google
3

de trois objets à une dimension. Par conséquent, dans la suite de cet (3)
k le nombre de tétraèdres, et ainsi de suite. je
article, des simplexes de dimension d seront utilisés pour décrire la Le Laplacien est une matrice particulièrement importante dans
structure des interactions (d + 1)­corps. de nombreux processus linéaires tels que la diffusion dans les
Enfin, un complexe simplicial S sur un ensemble donné de nœuds graphes, mais qui s'avère également utile dans la linéarisation de
V, avec |V| = N, est une collection de M simplexes, S = {σ1, σ2, . . . , systèmes non linéaires, par exemple lorsque l'on étudie la stabilité
σM }, avec l'exigence supplémentaire que, pour tout simplexe σ d'un état synchronisé dans un système dynamique en réseau. La
' '
S, tous les simplexes σ avec σ σ, c'est­à­dire tous les simplexes matrice laplacienne L = {lij} d'un graphe peut être définie comme L =
construits à partir de sous­ensembles de σ, sont également contenus K − A, où K est la matrice diagonale ayant les degrés de nœuds
dans S. En raison de cette exigence, les SC sont un type très comme éléments diagonaux.
particulier d'hypergraphes [50]. Les SC se sont révélés appropriés Nous donnons ici la définition d'un Laplacien généralisé, décrivant
dans le contexte des systèmes sociaux [49, 51, 52] et, comme nous le cas de systèmes à interactions d'ordre élevé, comme la matrice
le verrons dans la section suivante, ils s'avéreront très utiles pour L (d) dont les éléments sont
étudier les systèmes dynamiques couplés. Dans la suite, nous
indiquerons par Md, d = 1, 2, . . . D le nombre de d­simplices présents 0 (1) pour i = j et a = 0 ij (1)
dans S (où D, l'ordre du complexe simplicial, est la dimension du plus (d) =
Lij _ −k
(d)
pour i = j et a ij pour i = =1 (2)
grand simplexe dans S), et on a la contrainte Md = M. ij
ré (d)
d! ok je j,
ré = 1
Comme représentation mathématique des SC, nous utiliserons ici
un formalisme qui généralise directement la notion de matrice (d) où k est le d­degré généralisé du lien ij, c'est­à­dire ij le nombre
d'adjacence pour un réseau. La matrice de contiguïté A d'un graphe d'hypergraphes (d+1)­uniformes ayant le lien (d) entre i et j comme
G est une matrice N × N, telle que l'entrée aij vaut 1 lorsque le bord
arête, et k est le lien généralisé d­degré du nœud i. Notez que L (1)
(i, j) E, et 0 sinon. L’idée peut être étendue aux SC en considérant je

récupère exactement la matrice laplacienne classique.

des tenseurs plutôt que des matrices. En fait, pour chaque dimension
d, on peut définir le tenseur d'adjacence A(d) le N × N × ∙ ∙ ∙ × N dont
l'entrée ,
d
(d) III. SYSTÈMES DYNAMIQUES AVEC INTERACTIONS
un i1,...,id
est égal à 1 si le d­simplex (i1, . . . , id) appartient au
D'ORDRE SUPÉRIEUR
simplex S, et vaut 0 sinon [16]. Notez que chaque tenseur est
symétrique par rapport à ses d indices, (d) ce qui signifie que la
L'objet de notre étude est un ensemble inconditionnel de N
valeur d'une entrée donnée a est i1,...,id égale à la valeur des entrées
systèmes dynamiques interagissant au moyen d'interactions d + 1­
correspondant à toute permutation des indices.
corps avec d = 1, . . . , D, dont la structure de couplage sous­jacente
peut donc être commodément représentée par un complexe
Avec la définition ci­dessus, A(1) coïncide avec la matrice de
simplicial d’ordre D. Les équations du mouvement sont
contiguïté standard A, tandis que le tenseur de contiguïté N ×N ×N
A(2) caractérise les objets bidimensionnels : un (2) a a = 1 si les trois
nœuds i, j, k forment un triangle complet, ijk N (1)
x˙ je
= f(xi) + σ1 +σ2
un j1=1 ij1 g (1)(xi , xj1 )
(2) N
autrement difficile, de = 0. En conclusion, il est possible, et (2)
Nj1 =1 un j2=1 ij1j2 g (2)(xi , xj1 , xj2 )+...
mapper complètement la structure de connectivité d'un complexe
+σD ...N un (D)
simpliciel S dans l'ensemble complet des tenseurs de contiguïté D Nj1 =1 jD=1 ij1....jD g (D) (xi , xj1 , ..., xjD ),
A(d) , d = 1, 2, . . . D. (3) où xi(t) est l'état
Un nœud i d'un complexe simplicial S ne peut donc pas être (1) vectoriel à m dimensions décrivant la dynamique de l'unité i, σ1, .. .,
N σD sont des paramètres à valeur réelle décrivant les forces de
caractérisé uniquement en donnant son degré ki = a j=1 ij , ilmais faut
plutôt tenir compte du nombre de sim­plices de n'importe quelle couplage, f : R m −→ R m décrit la dynamique locale (qui est
supposée identi­ (d)
dimension, incidents dans i. Il est donc (d) extrêmement utile de
cal pour toutes les unités), tandis que: R (d+1)×m
g −→ R m (d = 1, ...., D) sont
définir le degré généralisé, ka nœud i comme , de
je
des fonctions de synchronisation non invasives (ie (d) (x, x, . .., x) ≡
g 0 d) régissant les formes d'interaction à
N N N (d) des commandes différentes. De plus, pour d = 1, ..., D, a
(d) = 1 (d) ij1...jd sont les entrées du tenseur d'adjacence A(d) .
k ... (1)
je
d! un i,i2,...,id ,
i2=1 i3=1 identifiant=1
Comme la notation est longue et quelque peu lourde, par souci de
coïncide avec le clarté dans ce qui suit, nous illustrons notre étude pour le cas de D =
(1) avec d = 1, 2, . . . , D pour que k (2)
2 (afin qu'un lecteur puisse apprécier, en dehors des formalités,
je

standard, k simplexes) compte le nombre de triangles (2­degré

je
chacune des actions conceptuelles que nous effectuons), et à à la
auxquels je participe
fin, nous résumerons les étapes à suivre pour extrapoler nos résultats
N N à toutes les valeurs de D.
(2) un (2)
k = 1/2 je
oui,
j=1 k=1
Considérons alors l’ensemble suivant de différences couplées.
Machine Translated by Google
4

équations ferentielles
N (1)
x˙ je
= f(xi) + σ1 aj=
1 ij g (1)(xi , xj ) ijk ˙ N
N (2) (4) L (1) Jg (1)(x s
+p2 Nk=1 ung (2)(xi , xj , xk ), δxi = Jf(x s )δxi − σ1 ij , X s )δxj
j=1
j=1
N
où σ1 et σ2 sont les forces de couplage associées aux interactions à N
−σ2j k=1 τijk J1g (2)(x s sx , , X s )δxj (7)
deux et trois corps. =1
L'existence et l'invariance de la solution synchronisée s (t) = x1(t) = s
. . par
X = xN (t) sont garanties . le caractère non invasif des fonctions de +J2g (2)(x s , X , X s )δxk ,

couplage.

où nous avons introduit un tenseur T dont les éléments sont (2) (2) τijk = 2k i δijk
− a pour i, j, k =
IV. FONCTION MAÎTRE DE STABILITÉ 1, . . . , N, et simplifié la notation comme

Afin d'étudier la stabilité de la solution de synchronisation, on

considère de petites perturbations autour de l'état synchrone, c'est­à­
s
,
dire δxi = xi − x et on effectue une analyse de stabilité linéaire de
∂g (1)(xi,xj) s )
l'équation. (4). On a Jg (1)(x s X,
= ∂xj ,
(xs,xs)

˙ ∂g (2)(xi,xj,xk) s )
N (1) ∂g (1)(xi,xj) ∂xi J1g (2)(x s , s x , X = ∂xj , (8)
δxi = Jf(x s )δxi + σ1 a δxi
j=1 je (xs,xs,xs)
(xs,xs) ∂g (2)(xi,xj,xk) s )
J2g (2)(x s , s x , X = ∂xk .
∂g (1)(xi,xj) +
∂xj δxj (xs,xs,xs)
(xs,xs)
N N (2) ∂g (2)(xi,xj ,xk) ∂xi
+p2 j=1 et k=1 ijk δxi
(xs,xs,xs) Déjà à ce stade, il est fondamental de remarquer que notre approche
∂g (2)(xi,xj,xk) ∂xj
étend même la validité de la théorie classique de la fonction maîtresse
+ δxj de stabilité [le cas σ2 = 0 dans l’équation. (7)], dans la mesure où nous
(xs,xs,xs)
n'avons pas besoin d'une forme fonctionnelle diffusive pour l'interaction
∂g (2)(xi,xj,xk) +
∂xk δxk , entre les nœuds du réseau, et nous englobons donc en fait une classe
(xs,xs,xs) beaucoup plus large de fonctions de couplage. Par exemple, notre
(5) approche permet le traitement formel du modèle de Kuramoto [36], où
où Jf(x s ) désigne la matrice jacobienne m × m de la fonction f, évaluée m = 1, chaque unité de réseau i est identifiée par la phase instantanée
s
à l'état synchrone x .
θi d'un oscillateur, et le couplage entre les nœuds i et j est donné par
Nous franchissons maintenant notre première étape conceptuelle la fonction sin (θj − θi), qui n'est pas diffusif.
très importante. Cela consiste à remarquer que toutes les fonctions de
couplage sont des synchronisations non invasives (ie g (1)(x, x) ≡ 0 et
g (2)(x, x, x) ≡ 0). Comme leur valeur est alors constante (égale à zéro)
Passons maintenant à notre deuxième étape, conceptuelle, qui
à la variété de synchronisation, il s'ensuit immédiatement que leur
nous permettra de simplifier grandement le dernier terme du côté droit
dérivée totale s'annule également, ce qui implique à son tour que
de l'équation (7). Un tel terme fait référence à des interactions à trois
corps, et nous montrons maintenant comment le cartographier en une
seule sommation impliquant la matrice laplacienne généralisée.
∂g (1)(xi,xj) ∂xi ∂g (1)(xi,xj ) + Cela se fait en remarquant que les deux matrices jacobiennes J1g (2)(x sont
∂xj = 0,
(xs,xs) (xs,xs) indépendantes de k et , s x , X s ) et J2g (2)(x s , s x , X s ) sont tous les deux
∂g (2)(xi,xj,xk) ∂xi ∂g (2)(xi,xj ,xk) + j. En conséquence, l'équation (7) devient
∂xj +
(xs,xs,xs) (xs,xs,xs)
∂g (2)(xi,xj ,xk) ∂xk = 0.
+
˙ N
(xs,xs,xs) (1) X,
δxi = Jf(x s )δxi − σ1 Lij _ Jg (1)(x s s )δxj
(6) j=1
Alors, on peut factoriser les termes N N
s
−σ2 J1g (2)(x s , X , X s )δxj je suis (9)
∂g (1)(xi,xj) ∂xi ∂g (2)(xi,xj ,xk) ∂xi k=1
δxi et (xs,xs) δxi j=1
N N
dans (xs,xs,xs)
+ J2g (2)(x s , s x , X s )δxk τijk . j=1
les sommations (tous deux ne dépendent en effet pas des indices des
k=1
sommations). De plus, un (2) a ça et = 2k i
N (1) (1) = k je N N (2)
a une
k=1
.
j=1 je j=1 QI
En rebranchant les termes résultants dans les sommations et en Alors, en utilisant la propriété symétrique de T, à savoir on a k τijk = k τikj ,
utilisant l'équation. (6), on obtient finalement
Machine Translated by Google

100 20
4
5
1 3
˙ N 10­2 2
L (1) Jg (1)(x s , X s )δxj

2
δxi = Jf(x s )δxi − σ1 ij dix
j=1 10­4
N
s (2)
−σ2 J1g (2)(x s , X , X s )δxjL je 10­6 0
j=1 0 1 2
N
+ (2) 1
J2g (2)(x s sx , , X s )δxkL je
k=1 (un) (b)
N (dix)
= Jf(x s )δxi − σ1 L (1) Jg (1)(x s , X s )δxj 100 20
ij 6
4
20
j=1 1
5 100 1
N 2
10­2 3 3 2
(2) s 4
−σ2j ,X ,X s) 10­2

2
J1g (2)(x s

2
Lij _ dix dix
=1 10­4
10­4
+J2g (2)(x s ,sx X,
s ) δxj
10­6 0 10­6 0
0 1 2 0 1 2

1 1
Réécrivons maintenant l'équation. (10) sous forme de bloc par intro­
T TT δx δx 1 , T et (c) (d)
produisant le vecteur de pile δx = [δx désignant 2 , . . . , N
par JF = Jf(x s ), JG(1) = Jg (1)(x s JG(2) = J1g (2)(x ss ) + J2g , X ] sable _
s s
(2)(x ss ).Un ob­ ,X ,X ,X ,X
tains

˙
δx = IN JF − σ1L (1) JG(1) − σ2L (2) JG(2) δx. (11)

La troisième et dernière étape conceptuelle consiste à remarquer

(C'est)

que tous les Laplaciens généralisés L (d) sont des matrices symétriques
à somme nulle à valeur réelle. Par conséquent : (i) ils sont tous
diagonalisables ; (ii) pour chacun d’eux l’ensemble des valeurs propres
est constitué de nombres réels non négatifs, et l’ensemble des vecteurs
propres correspondant constitue une base orthonormée de R
; (iii) ils partagent tous, comme la plus petite de
leurs valeurs propres, λ1 ≡ 0, dont le vecteur propre associé 1 (1, 1,
1, ..., 1)T est aligné le long de la variété de synchronisation √ N ; (iv)
comme en général ils ne commutent pas, les ensembles de vecteurs
propres correspondant à toutes les autres de leurs valeurs propres sont
différents les uns des autres, et pourtant toute perturbation de la variété
de synchronisation (qui, par définition, se situe dans l'espace tangent)
peut être développé comme une combinaison linéaire de l'un quelconque
de ces ensembles de vecteurs propres (la conséquence pertinente est
que l'on peut sélectionner arbitrairement n'importe lequel des Laplaciens
généralisés comme référence pour le choix de la base de l'espace
transverse, et tous les autres ensembles de vecteurs propres seront
mappés à un tel base au moyen de transformations matricielles unitaires).
FIGUE. 1 : tracés de contour du temps moyenné (sur une durée
d'observation T = 500) de l'erreur de synchronisation E (voir l'équation
(26) pour la définition et les barres verticales de chaque panneau pour
le code couleur) dans le plan ( σ1, σ2 ) pour quelques exemples de
complexes simpliciaux (dont les croquis sont rapportés en haut à
gauche de chaque panneau). Les simulations se réfèrent à des
+ z(x − c))T ) T oscillateurs R¨ossler couplés et f = (−y − z, x + ay, b
avec (x = (x, y, z) paramètres fixés dans le régime chaotique ( a = b = 0,2, c = 9).
Dans les panneaux (ad) g (1)(xi, xj ) = [xj−xi, 0, 0]T , tandis que dans
le panneau (e) g (1)(xi, xj ) = [0, yj − yi, 0 ]T . Quant à l'autre fonction
de couplage, on a g (2)(xi, xj , xk) = [0, y2(d) j yk − i3, 0]T dans le panneau
2 3
et g (2)(xi, xj , xk) = [x Les jxk −x y i , 0, 0]T dans tous les autres panneaux.
lignes continues bleues sont les prédictions théoriques des seuils de
synchronisation obtenus à partir de l'Eq. (13). Les trois panneaux de
la rangée supérieure sont des exemples de problèmes de classe III,
tandis que les deux panneaux de la rangée du bas sont des exemples
de problèmes de classe II.

On est alors en droit de prendre comme base de référence celle

constituée par les vecteurs propres du Laplacien classique L (1) (V =
sont les valeurs propres de L (1), et indiquant par L˜(2) =
[v1, v2, . . . , vN ]), et de considérer de nouvelles variables δη = (V−1
V−1L (2)V le Laplacien généralisé transformé d’ordre 2, on obtient que
IN )δx. On a

˙δη = (V−1 IN ) IN JF − σ1L (1) JG(1)

˙δη = IN JF − σ1Λ (1) JG(1) − σ2L˜(2) JG(2) soit. (12)

−σ2L (2) JG(2) (V IN ) c'est à dire.

De plus, en tenant compte du fait que V−1L (1)V = λN ) = Λ(1), où 0 = Comme L (2) est une somme de ligne nulle (c'est­à­dire L (2)v1 = 0), les équations.
λ1 < λ2 ≤ . . . λN diag(λ1, λ2, . . . , (12) peut être réécrit comme
Machine Translated by Google

côté main de l’équation. (3) peut en effet être manipulé en suivant exactement les
trois mêmes étapes conceptuelles décrites jusqu'à présent. Appelant donc JG(d) =

η˙1 = JFη1 J1g (d) (x s J2g (d) (x ss ) + ... + Jdg (d) (x s , ..., X
s)+
N
(13) , ..., X , ..., X s ), Éq. (11) être­
η˙i = (JF − σ1λiJG(1))ηi − σ2 (2) JG(2) ηj ,
L˜ je
j=2 vient

c'est­à­dire que la dynamique du système linéarisé est découplée en ˙

δx = IN JF − σ1L (1) JG(1) − σ2L (2) JG(2) − ...
deux parties : la dynamique de η1 représentant le mouvement le long
de la variété synchrone, et celle de toutes les autres variables ηi (avec i
−σDL (D) JG(D) δx.
= 2, . . . , N, représentant les différents modes transversaux à la variété
de synchronisation) qui sont couplés entre eux au moyen des
(14)
coefficients L˜ (2) (tous étant des quantités connues) donnés par
Encore une fois, on est en droit de sélectionner l'ensemble de
transformationjeL (2) avec la matrice qui diagonalise L ( 1). Le problème
vecteurs propres qui diagonalise L (1), et d'introduire les nouvelles
de stabilité se réduit alors à : (i) simuler un système unique, non couplé variables δη = (V−1 In)δx. En suivant les mêmes étapes qui nous ont
et non linéaire ; (ii) utiliser la trajectoire obtenue pour alimenter les amenés à écrire Eqs. (13), on obtient alors
éléments des Jacobiens JG(1) et JG(2) ; (iii) simuler la dynamique d'un
système de N −1 équations linéaires couplées, et suivre
η˙1 = JFη1, η˙i
N

= (JF − σ1λiJG(1))ηi − σ2 (2) JG(2) ηj −

L˜ je ...
N m j=2
N
ing le comportement du calcul de la norme je = 2 j=1(η (j) ) 2 pour le
je

de l'exposant de Lyapunov maximum (étant (1) (2) (m) ηi ≡ (η )). , η , ..., η ii La stabilité −σD L˜je(D) JG(D) ηj ,
de la solution synchrone j=2
nécessite ,jecomme
nécessaire,
condition
que le
(15)
maximum parmi les exposants de Lya­punov associés à tous les modes
où les coefficients L˜ (d) je résultent de la transformation de
transversaux soit négatif. Par conséquent, cette quantité fournit une fonction
maîtresse de stabilité généralisée, Λmax, qui, compte tenu de la dynamique des L (d) avec la matrice qui diagonalise L (1). En conséquence, on a
nœuds et des fonctions de couplage, est en fonction générale de la topologie des conceptuellement la même réduction du problème à un système unique
interactions à deux corps, de la topologie des interactions à trois corps et des deux non linéaire non couplé, plus un système de N − 1 équations linéaires
forces de couplage σ1 et σ2 , c'est­à­dire Λmax=Λmax(σ1, σ2,L (1) ,L ( 2)). couplées, à partir duquel l'exposant de Lyapunov maximum Λmax=Λmax
(σ1, σ2 , ..., σD,L (1) ,L (2)
, ...,L (D) ) peuvent être
extraits et surveillés (pour chaque complexe simplicial) dans l'hyper­
espace D−dimensionnel des paramètres de force de couplage.

En analogie avec la classification des systèmes faite pour la

synchronisation de réseaux complexes (Chapitre 5 dans Réf. [1]), on se
rend immédiatement compte que, une fois précisé le système V. CAS PARTICULIERS
dynamique intervenant dans chaque nœud (c'est­à­dire la fonction f),
les différentes fonctions de couplage g (1,2) et la structure du complexe
simplicial (c'est­à­dire L (1) et L (2)), tous les cas possibles peuvent être En revenant au cas de D = 2 (encore une fois uniquement à titre
divisés en trois classes : (i) problèmes de classe I, où Λmax est positif d’illustration, car tous les exemples que nous ferons sont directement
dans tout le demi­plan (σ1 ≥ 0, σ2 ≥ 0), et donc la synchronisation n'est extensibles à n’importe quel ordre D), le problème peut être grandement
jamais stable ; (ii) problèmes de classe II, pour lesquels Λmax est négatif simplifié dans quelques cas particuliers dans lesquels soit la topologie
dans une zone illimitée du demi­plan (σ1 ≥ 0, σ2 ≥ 0) ; et (iii) les de la structure de connectivité, ou des fonctions de couplage, permettent
problèmes de classe III, pour lesquels la zone du demi­plan (σ1 ≥ 0, σ2 une réduction supplémentaire de la complexité.
≥ 0) dans laquelle Λmax est négatif est plutôt limitée, et donc des
instabilités supplémentaires du mouvement synchrone peuvent se
produire à des valeurs plus élevées de les forces de couplage. Bien
A. Couplage tout­à­tout
que les problèmes de classe I soient triviaux (dans la mesure où la
synchronisation n'est jamais observée), des exemples de problèmes de
classe II et de classe III sont présentés sur la figure 1 pour des complexes Le premier cas est un couplage tout­à­tout, pour lequel toute
simpliciaux d'oscillateurs de Rössler [53], et on voit facilement que les interaction à deux ou trois corps est active. Dans ce cas, la matrice
prédictions fait en résolvant les équations. (13) sont en effet pleinement laplacienne classique est
confirmés par les simulations des équations du système original (4).
(1) −1 pour je = j
=
Lij _ N−1 pour je = j.
Loin de se limiter au cas D = 2, notre approche peut être étendue
directement aux complexes simpliciaux de tout ordre D. Chaque terme Ensuite, il est facile de réécrire L (2), car les hors diagonale­(i = j)
(2)
termes finaux L ij
à droite représentent le nombre de triangles
Machine Translated by Google
7

formé par le lien (i, j) qui, dans le cas présent, est simplement égal Alternativement, on peut considérer la matrice M efficace,
à N − 2. Deuxièmement, on considère les termes de (2) la diagonale symétrique et à somme nulle, donnée par
principale L le nombre deii triangles
, ayant
p2
le nœud i comme sommet, qui est M = L (1) + rL (2), r= .
p1
N−1 (N − 1)(N − 2) 2
k
(2) = = .
je
2 Les valeurs propres de M dépendent du rapport r des coefficients
de couplage, et on a cela
Par conséquent, on a ça
N
L (2) = (N − 2) L (1) . ˙
δxi = Jf(x s )δxi − σ1 Me Jh (1)(x s )δxj . (20)
Avec la notation actuelle, on a donc j=1

N
˙ Éq. (20) permet d’établir une analogie formelle complète be­
(1)
δxi = JFδxi − L
ij σ1 JG(1) + σ2 (N − 2) JG(2) δxj . entre le cas d'un complexe simplicial et celui d'un réseau dont les poids
j=1
sont donnés par les coefficients de la matrice effective M. En
En développant le vecteur de perturbation δx sur la base oth­ particulier, un MSF monoparamétrique peut être défini, à partir du
ornormale formée par les vecteurs propres de la matrice laplacienne modèle variationnel paramétrique lin­ear m−dimensionnel suivant
classique L (1), et après avoir remarqué que dans la configuration équation
tout­à­tout λ2 = . . . λN = N, pour chaque ηi (avec i {2, . . . , N})
on a
η˙ = Jf(x s ) − αJh (1)(x s ) η (21)
η˙i = [JF − σ1N JG(1) − σ2N(N − 2) JG(2)]ηi . (16)

En d’autres termes, dans le cas tout­à­tout, les variables ηi à partir duquel est calculé l'exposant de Lyapunov maximum :
s’avèrent toutes découplées les unes aux autres, de sorte que le Λmax = Λmax(α) avec α = λ(σ1L (1) + σ2L (2)) ou α = σ1λ(L (1) +
MSF dépend uniquement de σ1, σ2 et N, c’est­à­dire Λmax = rL (2)) = σ1λ( M). La situation est donc conceptuellement équivalente
Λmax(σ1, σ2, N ). à celle de la synchronisation dans les réseaux complexes : étant
donné le système dynamique f, les fonctions de couplage h (1) et h
(2), et la structure de connexion du complexe simplicial (ie L (1) et
B. Interactions de diffusion généralisées avec les L (2)), on peut définir trois classes possibles de problèmes :
couplage

Un autre cas intéressant est celui des interactions de diffusion (i) problèmes de classe I, pour lesquels la courbe Λmax =
généralisées avec des fonctions de couplage naturelles. Cela Λmax(α) n'intercepte pas l'abscisse et elle est toujours
revient à considérer des fonctions de couplage diffusif, données par positive. Dans ce cas, la synchronisation est toujours
interdite, quel que soit le complexe simplicial utilisé pour
connecter les systèmes dynamiques ;
g (1)(xi , xj ) = h (1)(xj ) − h (1)(xi), g (2)
(17) (ii) les problèmes de classe II, pour lesquels la courbe Λmax =
(xi , xj , xk) = h (2)(xj , xk) − h ( 2)(xi , xi),
Λmax(α) n'intercepte l'abscisse qu'une seule fois en αc, et
2m pour lesquels, donc, le seuil de synchronisation est donné
où h (1) −→ R :mR et
m h (2) addition, une :R −→ Rm . Dans
condition de couplage naturel est considérée : par l'équation auto­cohérente it
critique σ 1 critique
= αc/λ2[M(p 1 , σcritique
2 )], c'est­à­dire

h (2)(x, x) = h (1)(x). (18) évolue avec l'inverse de la deuxième plus petite valeur
propre de la matrice effective ;
Éq. (18) exprime en effet le fait que le couplage au nœud i à
partir d’interactions à deux corps et à trois corps est essentiellement
(iii) les problèmes de classe III, pour lesquels la courbe Λmax =
similaire, en ce sens qu’une interaction à trois corps où deux nœuds
Λmax(α) coupe deux fois l'abscisse en α1 et α2 > α1. Dans
sont sur le même état est équivalente à une interaction à deux
ce cas, la synchronisation ne peut être observée que si tout
corps. interaction. Ici, le MSF prend une forme particulièrement
le spectre des valeurs propres de la matrice effective est tel
pratique, car il peut être écrit en fonction d'un seul paramètre.
que σ1λ2(M) > α1 et, en même temps, σ1λN (M) < α2. Dans
ce cas, le λ2(M) peut être considéré comme un paramètre
La conséquence de l’équation. (18) est que J1h (2)(x s J2h (2)(x ss ) = Jh ,X s ) + de
,X
(1)(x s ). On a donc synchronisabilitémesure proxy λN (M sûr de la
˙ du complexe simplicial, en ce sens que plus un tel paramètre
N (1)
δxi = Jf(x s )δxi − σ1 (2) j=1 Lij _ Jh (1)(x s )δxj est proche de l'unité (plus le spectre de valeur propre de M
N
−σ2 L Jh (1)(x s )δxj est compact). ), plus la plage de forces de couplage pour
j=1 ij
N (1) (2) σ1L + σ2L laquelle les deux conditions de synchronisation ci­dessus
= Jf(x s )δxi − j=1 ij ij Jh (1)(x s )δxj . peuvent être satisfaites peut être grande.
(19)
Machine Translated by Google
8

VI. RÉSULTATS 2 2

[xj
2x
k
, 0, 0]T [yj et k , 0, 0]T [zj
sur
40
, 0, 0]T
0,1 2
0,4
Nous discutons ici d'une série de résultats confirmant la validité 0 1

m umi x am

m umi x am

m umi x am
0,2
­0,1
et la large applicabilité de l'approche proposée. ­0,2
0 0

En particulier, nous commencerons par discuter du cas plus 10­4 10­2 100 10­4 10­2 100 10­4 10­2 100

général traité dans la section IV, puis nous nous concentrerons 2x , 0]T
2
et , 0]T
2
sur , 0]T
[0, xj k [0, yj k [0, zj 40

sur les cas particuliers de la section V. De plus, nous nous 2 0,2 1,5
1
concentrerons sur deux exemples paradigmatiques de modèles tridimensionnels.1 0

mumi xam

mumi xam

mumi xam
0,5
T R _ 3chaotiques : l'os­cillateur de R¨ossler [53],
­0,2
0
(x = (x, y, z) ) systèmes 0
­0,4 ­0,5
10­4 10­2 10­4 10­2 10­4 10­2
et le système de Lorenz [54]. L'oscillateur R¨ossler est décrit par 100 100 100

T 2 T 2 T
2x
k
] et ] sur ]
[0, 0, xj [0, 0, yj k [0, 0, zj 40

2 3 1
2 0,5
1

mumi xam

mumi xam

mumi xam
1
X˙ = −y − z, 0 0
0

­0,5
y˙ = X + ay, (22) 10­4 10­2 100 10­4 10­2 100 10­4 10­2

z˙ = b + z(x − c),

tandis que les équations du système de Lorenz sont

FIGUE. 3 : Synchronisation dans des complexes simpliciaux d'os­
cillateurs de R¨ossler, dans le cas d'un couplage naturel. La fonction
X˙ = σ(y − x), maître de stabilité obtenue pour plusieurs fonctions de couplage. En
y˙ = x(ρ − z) − y, z˙ (23) haut de chaque panneau, l'expression utilisée pour h (2) est rapportée.
= xy − βz, L'expression correspondante pour h (1) peut être dérivée en tenant
compte de la condition (18).
Dans les deux cas, les paramètres sont figés de sorte que la
dynamique qui en résulte est chaotique. À savoir, pour l'os­
cillateur R¨ossler, nous avons sélectionné a = b = 0,2, c = 9, et A titre d'exemple, considérons les équations dynamiques
pour le système de Lorenz σ = 10, ρ = 28 et β = 8/3. complètes des oscillateurs de R¨ossler couplés, lorsque les
Notre discussion commence en revenant à la figure 1, où nous fonctions de couplage sont choisies comme g (1)(xi , xj, 0,
) =0]T
[xj et
− xig
2 3
avons considéré quelques configurations élémentaires de SC, (2)(xi , xj , xk) = [x jxk − x je , 0, 0]T . Ils lisent
choisies afin d'illustrer les classes de problèmes que l'on peut
traiter même lorsque les structures n'impliquent qu'un petit nombre
N
de nœuds. En particulier, la Fig. 1 révèle que la synchronisation x˙ je
= −yi − zi + σ1 j=1 un
(1) (xj − xi)
je
dans le cas général dépend de manière cruciale de la topologie et
des fonctions de couplage : une même configuration peut en effet N N
(2) 2 3 (24)
+σ2 jxk − x ),
présenter des dynamiques différentes lorsque divers mécanismes j=1 k=1
(quand j je

régulent le couplage et, inversement, les mêmes fonctions de y˙i = xi + ayi , z˙i
couplage. peut conduire à des comportements différents lorsque = b + zi(xi − c),
la topologie des interactions change.
ou équivalent

N=10 N=50 N=100 N N N

L (1)j=1 2
10­2 x˙ = −yi − zi − σ1 ij xj − σ2 ij=1 τijkx jxk,
k=1
y˙i = xi + ayi ,
10­4 z˙i = b + zi(xi − c),
(25)
10­6 Dans chacune des configurations considérées, l'état du système
est surveillé par l'erreur de synchronisation moyenne définie comme
10­8
10­6 10­4 10­2 100

1 1 N
12

E= 2
xj − xi T, (26)
N(N−1)
FIGUE. 2 : Synchronisation dans un complexe simplicial d'oscillateurs je,j=1
de Rössler avec couplage tout­à­tout. Courbes limites inférieures et
supérieures pour la région où la synchronisation est stable, à où T est une fenêtre de temps suffisamment grande pendant
différentes valeurs de N. Les codes de couleur pour les différentes laquelle l'erreur de synchronisation est moyennée, après élimination
courbes sont indiqués en haut du panneau. du transitoire.
Machine Translated by Google
9

La figure 1 rapporte E (σ1, σ2) pour différents SC (indiqués 2 2

[xj
2x , 0, 0]T [yj et k , 0, 0]T [zj
sur , 0, 0]T
en encadrés dans les panneaux) et fonctions de couplage, ainsi 2
k
2 40
40

que les prédictions théoriques fournies par le MSF obtenu à 1

mumixam

mumixam

mumixam
0 20

partir de l'équation. (13) (les lignes bleues continues superposées

­2
aux diagrammes de l'erreur de synchronisation). Dans tous les 10­4 10­2 100 101 0 10­4 10­2 100 101 0 10­4 10­2 100

cas, les simulations numériques sont en très bon accord avec 2 2

2x , 0]T et , 0]T sur , 0]T
les prédictions théoriques des seuils de synchronisation. 2
[0, xj k [0, yj k
40
[0, zj 40

0
0

mumixam

mumixam

mumixam
­2 20

Les intégrations numériques sont réalisées au moyen d'un ­2

­4

algorithme d'Euler, avec un pas d'intégration δt = 10−4 dans , une 10­4 10­2 100 101 10­4 10­2 100 101 0 10­4 10­2 100

fenêtre de temps égale à 2T avec T = 500s. Le MSF a été 2x ]

T T T 2 2

k
] ] et sur
[0, 0, xj [0, 0, yj [0, 0, zj k
calculé à partir des équations. (13) en utilisant l'algorithme de
40

30 20 1

calcul de l'exposant de Lyapunov maximum rapporté dans la réf. 20

mumixam

mumixam

mumixam
dix 0
dix
[55] (pp. 116­117) avec les paramètres suivants : taille du pas 0

d'intégration δt = 10−3 nombre d'itérations par cycle, I = 10000, 0 10­4 10­2 100 101 10­4 10­2 100 101 ­1 10­4 10­2 100 101

nombre de cycles C = 5.
Les résultats de la figure 1 suggèrent plusieurs considérations
intéressantes. En effet, dans les cas rapportés dans les FIGUE. 4 : Synchronisation dans les complexes simpliciaux des
panneaux (a) et (b) de la figure 1, la synchronisation peut être systèmes de Lorenz, dans le cas de couplage naturel. La fonction
obtenue en utilisant uniquement des interactions à deux ou trois maître de stabilité est ici calculée pour plusieurs fonctions de
corps (pour un très petit σ1 , il existe en effet une plage de couplage. En haut de chaque panneau, l'expression utilisée pour h (2) est rapportée
valeurs de σ2 conduisant à synchronisation, et vice­versa), alors L'expression correspondante pour h (1) peut être dérivée en tenant
que dans le cas du panneau (c) la synchronisation est interdite compte de la condition (18).
pour de très petites valeurs de σ1. Dans le dernier cas, en effet,
les deux triangles n'ont pas d'arête commune comme sur la
figure 1(a), ni de nœud commun comme sur la figure 1(b), et
donc les interactions par liens deviennent essentielles pour la
synchronisation. Enfin, on remarque qu'il existe des scénarios, 20 1
10­2
comme dans les panneaux (d) et (e), où la région de 15
synchronisation est illimitée. Comme déjà mentionné dans la 0,8
2

2
dix
section IV, la figure 1 fournit des exemples de deux des trois 10­4 r=1
0,6 r=5
classes possibles de MSF, avec un comportement de classe III 5
r=10
sur les figures 1 (a) à (c) et de classe II sur la figure 1 (d). (où la 10­6 0,4
10­6 10­4 10­2 0 0,5 1
synchronisation existe dans une région illimitée du coefficient de
couplage régulant les interactions par paires, c'est­à­dire σ1) et 1 p2s _

sur la figure 1 (e) (où la synchronisation existe dans une région (un) (b)
illimitée du coefficient de couplage régulant les interactions à trois corps, c'est­à­dire σ2). 0,03
Passons maintenant à d'autres résultats, qui font référence r=1
r=5
aux cas particuliers de la section V. Nous commençons par le 0,02 r=10
/N

cas de couplage tout­à­tout où, selon l'équation. (16), on obtient

0,01
un MSF fonction de N, σ1 et σ2. Nous considérons ensuite un
complexe simplicial d’oscillateurs de R¨ossler à couplage tout­à­ 0
tout, décrit par 0 0,5 1

p2s _

(c)
N N N
2
x˙ = −yi − zi − σ1 xj − σ2 ij=1 j=1 k=1 fois
jxk FIGUE. 5 : Synchronisation en complexes simpliciaux extraits des
(27)
y˙i = xi + ayi , interactions caractérisant le réseau des clubs de karaté Zachary. (a)
z˙i = b + zi(xi − c). Erreur de synchronisation (code couleur reporté dans la barre à
droite du panneau) vs σ1 et σ2 pour le complexe simplicial obtenu
lorsque tous les triangles sont considérés comme étant des 2­
Les résultats sont présentés sur la figure 2 pour trois valeurs de
simplexes. La ligne bleue délimite la zone de stabilité de la solution
N (N = 10, N = 50 et N = 100) : la variété synchrone est stable synchrone prédite par MSF. (b) λ2 par rapport au pourcentage de 2­
dans une région délimitée du demi­plan (σ1 > 0, σ2 > 0 ) simplexes dans la structure, p2s (voir le texte pour la définition) ; (c)
délimitée par des lignes bleues (N = 10), rouges (N = 50) et λ2/λN contre p2s. Dans les panneaux (b) et (c), trois valeurs
noires (N = 100). On voit immédiatement qu’une telle région de différentes de r sont considérées, le code couleur des courbes
stabilité se déplace vers l’origine lorsque N augmente. Par tracées étant indiqué dans les encadrés correspondants.
conséquent, augmenter N réduit les seuils inférieur et supérieur
pour réaliser la synchronisation.
Machine Translated by Google
dix

Enfin, nous considérons le cas du couplage naturel. Ici, comme discuté Les prédictions fournies par le MSF (21) sont illustrées sur la figure 5 (a)
dans la Sec. V, le MSF est fonction d'un seul paramètre, c'est­à­dire Λmax qui montre le rôle crucial joué par les liens par paires, car la
= Λmax(α) avec α = λ(σ1L (1) + σ2L (2)) ou α = σ1λ(L (1) + rL (2)) = synchronisation s'avère impossible lorsque seules les interactions à trois
σ1λ(M). corps sont considérées, c'est­à­dire lorsque σ1 = 0.
Nous avons calculé le MSF pour l'oscillateur de R¨ossler et le système
de Lorenz avec plusieurs choix de fonctions de couplage : h (1)(xj ) = [x j , Ensuite, nous prenons le réseau d'origine et construisons différents
3
0, 0]T et h (2)(xj , xk) = j , 0]T et h (2)(xj , xk) = et h (2)(xj , xk) = ; h (1)(xj ) SC en considérant un pourcentage croissant (appelé p2) de triangles
2 dans la structure d'origine comme de vrais 2­simplexes. Pour chacune de
jxk, 0, 0]T ; h (1)(xj ) = [0, x3 [x [0, x2 = [y j , 0, 0]T et h (2)(xj , xk) = et h
T ces structures nous déterminons la matrice effective M dans (20), et
jxk, 0]T ; h (1)(xj ) = [0, 0, x3 ] [0, 0, x2 jxk] jj (2)(xj , xk) =
T 3
calculons son spectre de valeurs propres, et en particulier nous calculons
yk, 0, 0]T ... les quantités λ2(M) et λ2(M)/λN (M). La première quantité fournit l'échelle
2 T
l'algorithme
h (1)(xj ) =pour
[0, 0,lez3
calcul
[y ] [0,
du0,spectre
z2 zk] complet
a utilisé de synchronisation pour les systèmes de classe II, tandis que la dernière
T j . Pour le calcul du MSF nous avons ici
des quantité (λ2/λN ) est un proxy de synchronisabilité pour les systèmes de
j
exposants de Lyapunov dans la réf. [56] (avec paramètres : pas classe III. Plus les deux grandeurs sont grandes, plus il est facile d'obtenir
d'intégration de l'algorithme d'Euler δt = 10−5 , durée de la simulation L = la synchronisation.
2500s, fenêtres de moyenne T = 0,9L).
Les figures 5 (b) et (c) illustrent les résultats à trois valeurs de . On
r = p2 constate que l’augmentation de p2s a pour effet d’augmenter λ2
p1

Les résultats sont présentés sur la figure 3 pour l'oscillateur R¨ossler
et sur la figure 4 pour le système Lorenz. Les deux cas présentent une
variété de comportements qui englobent en fait toutes les classes
possibles de MSF. Dans le cas de l'oscillateur Rössler, nous avons un
exemple de classe III (Fig. 3 (a)), un exemple de classe II (Fig. 3 (e)),
tandis que tous les cas restants correspondent à la classe I. Dans le cas
du système de Lorenz, nous avons plusieurs exemples de comportement
de classe I (Fig. 4(c), (f), (g) et (h)) ; trois exemples de classe II (Fig. 3
(a), (d) et (e)) et un exemple de classe III avec une région très étroite pour
la synchronisation (Fig. 3 (b)). De plus, sur la figure 3 (i), le MSF suppose
des valeurs négatives dans deux intervalles différents de α ; dans
l'ensemble, cela représente un autre exemple de comportement de classe
III, offrant toutefois un scénario supplémentaire dans lequel l'augmentation
de la force de couplage permet d'obtenir des régions alternées de
synchronisation et de désynchronisation.
Enfin, nous appliquons notre méthode à un réseau réel modélisant les
interactions entre les membres du club de karaté Zachary [57]. Le réseau
se compose de N = 34 nœuds et 78 liens ; de plus les liens forment 45
triangles.
A partir de ce réseau, plusieurs complexes simpliciaux peuvent être
construits, selon lesquels et combien de nœuds formant un triangle sont
effectivement pris en considération comme faisant partie d'un 2­simplex
ou, au contraire, comme déterminant seulement trois interactions par
paires.
Dans un premier temps, considérons le cas où tous les triangles sont
considérés comme des 2­simplexes. Nous associons à chaque nœud un
oscillateur R¨ossler et nous concentrons sur le cas de classe III, en
sélectionnant les fonctions de couplage comme g (1)(xi , j−x
2 3
xj ) = [x et g (2)(xi , xj , xk) = [x jxk − x je , 0, 0]T . Avec ces comme­
hypothèses, la dynamique de chaque nœud i est décrite par
N N N
x = −this − fois − σ1 (1)
Lij _ 3 jx − σ2
ij=1 j=1 k=1
y˙i = xi + ayi , z˙i
= b + zi(xi − c).
Équations. (28) sont ensuite simulés pour différentes valeurs de σ1 et
σ2. L'erreur de synchronisation moyenne et le
(cela facilite donc la synchronisation dans les systèmes de classe II), mais
diminue simultanément λ2/λN (entravant ainsi la synchronisation dans la
classe III). De plus, la figure 5 révèle qu'une valeur plus grande de r =
p2
conduit à des valeurs plus grandes de λ2, mais à des valeurs plus faibles
p1
de λ2/λN , suggérant ainsi un impact bénéfique d'interactions à trois corps
plus fortes pour les systèmes de classe II et un effet opposé sur systèmes
de classe III.
VII. CONCLUSIONS
Les phénomènes collectifs émergents dans les systèmes complexes
sont le résultat des interactions de nombreux systèmes élémentaires, qui
peuvent se produire à travers différents mécanismes. Nous avons formulé
ici le modèle le plus général prenant en compte les interactions à N corps
d'ordre arbitraire entre des systèmes dynamiques de nature arbitraire, et
nous avons donné les conditions explicites nécessaires pour que la
synchronisation s'établisse de manière stable dans ces structures.
Sous la seule hypothèse de non­invasivité des fonctions de couplage
(qui est la seule hypothèse impossible à négliger, car elle est la base
fondamentale de l'existence même et de l'invariance de la solution de
synchronisation), nous avons dérivé la conditions de stabilité du
mouvement synchrone, qui impliquent l'utilisation de matrices laplaciennes
généralisées cartographiant les effets d'interactions d'ordre élevé. Notre
approche a finalement fourni une fonction principale de stabilité, qui
formalise l'interaction entre la topologie du SC et la dynamique des unités
3 3
je , 0, 0]T individuelles. De plus, nous avons même montré que dans certains cas
spécifiques, les structures associées aux interactions de divers ordres
prennent des formes particulières qui simplifient encore davantage le
problème. Enfin, nos dérivations théoriques ont été complétées par une
série de résultats numériques, qui ont pleinement confirmé la validité et
t (2)
2
la généralité de l'approche.
fois
QI jxk
(28) Nos résultats ouvrent la voie à plusieurs nouvelles études.
Premièrement, la généralité des hypothèses formulées la rend
applicable à un large éventail de cas pratiques, et nous
Machine Translated by Google
On s'attend à ce que notre méthode puisse être utile dans une
pléthore de circonstances expérimentales et/ou pratiques, afin de
faire une série de prédictions a priori sur l'émergence de la
synchronisation.
Deuxièmement, le fait que notre méthode puisse être utilisée
indépendamment sur les fonctions de couplage offre la possibilité
de l'appliquer à l'étude de divers mécanismes de couplage
pouvant se produire à différents ordres d'interactions. En
particulier, des questions telles que le rôle exact que jouent de
telles interactions dans l'élaboration du chemin vers la
synchronisation et sa robustesse face aux hétérogénéités de la
dynamique des oscillateurs, ou quelle est la différence dans
l'utilisation de l'un ou l'autre mécanisme de couplage, peuvent
réellement être abordées et clarifiée par notre approche.
Répondre à ces questions revêt en effet une importance cruciale
du point de vue des mécanismes d’ingénierie permettant de
réaliser la synchronisation dans les systèmes créés par l’homme.
Par exemple, les réseaux électriques sont actuellement
synchronisés en exploitant uniquement des interactions par
paires, alors que des configurations plus fonctionnelles et plus
performantes pourraient être conçues, grâce à notre méthode, par l'utilisation dans led'interactions
Troisièmement, notre étude se concentre sur ce qui est probablement le plus recherche 2016/2018 ».
[1] S. Boccaletti, V. Latora, Y. Moreno, M. Chavez et D.­U. Hwang,
Physics Reports 424, 175 (2006).
[2] G. Petri, P. Expert, F. Turkheimer, R. Carhart­Harris, D. Nutt,
PJ Hellyer et F. Vaccarino, J. Royal Soc.
Interface 11, 20140873 (2014).
[3] L.­D. Lord, P. Expert, H.M. Fernandes, G. Petri, T.J.
Van Hartevelt, F. Vaccarino, G. Deco, F. Turkheimer et ML
Kringelbach, Front. Système. Neurosci. 10, 85 (2016).
[4] H. Lee, H. Kang, MK Chung, B.­N. Kim et DS
Lee, IEEETrans. Méd. Imagerie. 31, 2267 (2012).
[5] AE Sizemore, C. Giusti, A. Kahn, JM Vettel, RF
Betzel et DS Bassett, J. Comp. Neurosci. 44, 115 (2018).
[6] E. Estrada et GJ Ross, J. Theor. Biol. 438, 46 (2018).
[7] AE Sizemore, EA Karuza, C. Giusti et DS Bas­sett,
préimpression arXiv arXiv :1709.00133 (2017).
[8] A. Patania, G. Petri et F. Vaccarino, EPJ Data Sci. 6, 18 (2017).
[9] G. Petri, M. Scolamiero, I. Donato et F. Vaccarino, PLoS One
8, e66506 (2013).
[10] A. Sizemore, C. Giusti et DS Bassett, J. Comp. Filet. 5, 245
(2016).
[11] PS Aleksandrov, Topologie combinatoire, vol. 1
(Courier Corporation, 1998).
[12] G. Carlsson, Bull. Suis. Mathématiques. Soc. 46, 255 (2009).
[13] V. Salnikov, D. Cassese et R. Lambiotte, préimpression arXiv
arXiv :1807.07747 (2018).
[14] AE Sizemore, J. Phillips­Cremins, R. Ghrist et DS
Bassett, préimpression arXiv arXiv:1806.05167 (2018).
[15] A. Costa et M. Farber, dans Configuration Spaces (Springer,
Berlin, 2016), pp. 129­153.
[16] OT Courtney et G. Bianconi, Physical Review E 93, 062311
(2016).
[17] G. Bianconi et C. Rahmede, Rapports scientifiques 5, 13979
11
forme courante et largement étudiée de synchronisation, c'est­à­
dire le régime où toutes les unités suivent la même trajectoire.
Cependant, comme mentionné également dans l'introduction, de
nombreuses autres formes de synchronisation existent,
notamment la synchronisation de cluster, les états chimère et
Bellérophon, la synchronisation à distance, etc... Tous ces états
ont été étudiés jusqu'à présent dans des structures avec des
interactions par paires. . L’émergence de tels états, ou même de
nouveaux états, dans les SC, ainsi que leur stabilité, constituent
des problèmes très intrigants et constituent certainement des
pistes de recherche ultérieures.
Remerciements
FDP, SL et SB reconnaissent le financement du projet EXPLICS
accordé par le ministère italien des Affaires étrangères et de la
Coopération internationale.
LVG et MF reconnaissent le soutien de l'Université de Catane
cadre des « Fonds
d'ordrede recherche universitaire ­ Plan de
supérieur.
(2015).
[18] G. Petri et A. Barrat, Physical Review Letters 121, 228301
(2018).
[19] A. Pikovsky, J. Kurths, M. Rosenblum et J. Kurths,
Synchronisation : un concept universel dans les sciences non
linéaires, vol. 12 (Presse universitaire de Cambridge, 2003).
[20] S. Boccaletti, AN Pisarchik, CI Del Genio et A. Amann,
Synchronisation : des systèmes couplés aux réseaux complexes
(Cambridge University Press, 2018).
[21] M. Barahona et LM Pecora, Physical Review Letters 89, 054101
(2002).
[22] M. Chávez, D.­U. Hwang, A. Amann, HGE Hentschel et S.
Boccaletti, Physical Review Letters 94, 218701 (2005).
[23] CI del Genio, J. G´omez­Garde˜nes, I. Bonamassa et S.
Boccaletti, Science Advances 2 (2016).
[24] R. Guti'errez, A. Amann, S. Assenza, J. G'omez­Gardenes, V.
Latora et S. Boccaletti, Physical Review Letters 107, 234103
(2011).
[25] V. Avalos­Gayt'an, JA Almendral, I. Leyva, F. Battis­ton, V.
Nicosia, V. Latora et S. Boccaletti, Physical Review E 97,
042301 (2018).
[26] LV Gambuzza, A. Cardillo, A. Fiasconaro, L. Fortuna, J. Gomez­
Gardenes et M. Frasca, Chaos : un journal interdisciplinaire
de science non linéaire 23, 043103 (2013).
[27] V. Nicosia, M. Valencia, M. Chavez, A. D´ıaz­Guilera et V.
Latora, Physical Review Letters 110, 174102 (2013).
[28] LM Pecora, F. Sorrentino, AM Hagerstrom, TE
Murphy et R. Roy, Nature Communications 5, 1 (2014).
[29] LV Gambuzza, M. Frasca et V. Latora, IEEE Transactions sur
le contrôle automatique 64, 365 (2018).
[30] DM Abrams et SH Strogatz, Physical Review Letters 93,
174102 (2004).
[31] MJ Naggio et DM Abrams, Non­linéarité 28, R67
Machine Translated by Google
(2015).
[32] H. Bi, X. Hu, S. Boccaletti, X. Wang, Y. Zou, Z. Liu et S. Guan,
Physical Review Letters 117, 204101 (2016).
[33] C. Xu, S. Boccaletti, S. Guan et Z. Zheng, Physique
Revue E 98, 050202 (2018).
[34] S. Boccaletti, J. Almendral, S. Guan, I. Leyva, Z. Liu, I. Sendi˜na­
Nadal, Z. Wang et Y. Zou, Physics Reports 660, 1 (2016).
[35] A. Krawiecki, Chaos, Solitons & Fractals 65, 44 (2014).
[36] JA Acebrón, LL Bonilla, CJP Vicente, F. Ritort et R. Spigler, Review
of Modern Physics 77, 137 (2005).
[37] FA Rodrigues, TKD Peron, P. Ji et J. Kurths,
Rapports de physique 610, 1 (2016).
[38] T. Tanaka et T. Aoyagi, Physical Review Letters 106, 224101
(2011).
[39] PS Skardal et A. Arenas, Physical Review Letters 122, 248301
(2019).
[40] PS Skardal et A. Arenas, préimpression arXiv arXiv :1909.08057
(2019).
[41] AP Mill'an, JJ Torres et G. Bianconi, préimpression arXiv
arXiv:1912.04405 (2019).
[42] M. Lucas, G. Cencetti et F. Battiston, préimpression arXiv
arXiv :2003.09734 (2020).
[43] LM Pecora et TL Carroll, Physical Review Letters 80, 2109 (1998).
[44] J. Sun, EM Bollt et T. Nishikawa, EPL (Europhysics Letters) 85,
60011 (2009).
[45] DJ Stilwell, EM Bollt et DG Roberson, SIAM Journal on Applied
Dynamical Systems 5, 140 (2006).
12
[46] M. Frasca, A. Buscarino, A. Rizzo, L. Fortuna et S. Boccaletti,
Physical Review Letters 100, 044102 (2008).
[47] J. Zhou, Y. Zou, S. Guan, Z. Liu et S. Boccaletti,
Rapports scientifiques 6, 1 (2016).
[48] V. Latora, V. Nicosia et G. Russo, Réseaux complexes : principes,
méthodes et applications (Cambridge Uni­versity Press, 2017).
[49] I. Iacopini, G. Petri, A. Barrat et V. Latora, Nature Communications
10, 2485 (2019).
[50] C. Berge, Graphiques et hypergraphes, North­Holl Math.
Livre. (Hollande du Nord, Amsterdam, 1973).
[51] KF Kee, L. Sparks, DC Struppa et M. Mannucci,
Commun. Q. 61, 35 (2013).
[52] U. Alvarez­Rodriguez, F. Battiston, GF de Arruda, Y. Moreno, M.
Perc et V. Latora, préimpression arXiv arXiv :2001.10313 (2020).
[53] OE Rössler, Physics Letters A 57, 397 (1976).
[54] SH Strogatz, Dynamique non linéaire et chaos avec manuel de
solutions pour étudiants : avec applications à la physique, à la
biologie, à la chimie et à l'ingénierie (CRC press, 2018).
[55] JC Sprott et JC Sprott, Analyse du chaos et des séries chronologiques.
ysis, vol. 69 (Citeseer, 2003).
[56] A. Wolf, JB Swift, HL Swinney et JA Vastano, Physica
D : Phénomènes non linéaires 16, 285 (1985).
[57] WW Zachary, Journal de recherche anthropologique 33, 452 (1977).