指数级多混沌自旋玻璃吸引子的共存

本文研究了一个大小为 $N$ 且具有延迟相互作用的混沌网络，该网络类似于伪逆联想记忆神经网络。对于负载 $\alpha=P/N<1$（其中 $P$ 代表存储模式的数量），该混沌网络作为具有宏观吸引域的 $2P$ 个吸引子的联想记忆运作，其吸引域随 $\alpha$ 的增大而减小。在有限 $\alpha$ 下，存在一个混沌自旋玻璃相，其中不同混沌吸引子的数量随 $N$ 呈指数级标度。每个吸引子的特征在于混沌行为与 $N$ 个混沌单元中每一个的冻结或相对于 $P$ 个模式的冻结共存。结果得到了由 Bernoulli 映射单元和 Mackey-Glass 时滞微分方程组成的大规模网络仿真的支持。