利用涡旋进行计算：沟通流体动力学与其信息处理能力
流体动力学
2020-01-24 v1
摘要
本文将卡门涡街系统视为一个大型循环神经网络，并通过仿真非线性动力系统与记忆容量数值评估其计算能力。由此揭示了卡门涡街系统计算性能的雷诺数依赖性，并且其最优计算性能在卡门涡脱落起始的临界雷诺数附近实现，该现象与 Hopf 分岔相关。我们的发现增进了对流体动力学物理性质与其计算能力之间关系的理解，同时也为被广泛认同的“信息处理能力在混沌边缘达到最优”的观点提供了另一种看法。
引用
@article{arxiv.2001.08502,
title = {Computing with vortices: Bridging fluid dynamics and its information-processing capability},
author = {Ken Goto and Kohei Nakajima and Hirofumi Notsu},
journal= {arXiv preprint arXiv:2001.08502},
year = {2020}
}
备注
17pages, 8 figures(including supplementary materials)