嵌入双态自然过程中的马尔可夫记忆

嵌入二元系统中的马尔可夫记忆基于其当前状态塑造其演化，并引入二元状态的聚类或分散。其后果直接表现为相同二元状态游程的延长或缩短，以及状态测量序列中某状态比例围绕其真实平均值的散布方式，这可通过马尔可夫自转移概率进行量化。研究表明，就其二元状态频率的长期行为而言，马尔可夫记忆甚至可以模仿随机过程的演化。当相关的二元状态自转移概率平衡时，就会出现这种情况。为了例证马尔可夫记忆的行为，选取了两个自然过程。第一个例子研究了非人类穴居动物关于利手性的偏好。此处的马尔可夫模型评估了两个相邻个体相互影响的程度。另一个例子研究了快速状态测量所引入的量子态跃迁受阻现象，即量子芝诺效应 (Quantum Zeno effect, QZE)。基于当前方法，对实验观察到的状态聚类进行模拟，从而估算了该量子系统中的两个自转移概率。通过这些估算，人们可以理解量子态演化的特定受阻现象可能源于何处。本工作旨在阐述当前数学方法的优点，即其广泛的适用性以及提供有关所研究过程动力学各种信息的潜力。