稀释自催化化学网络的最优多时间尺度估计。(1) 引言与 $\sigma^*$-主导情形
概率论
2025-02-10 v1 数学物理
math.MP
化学物理
摘要
自催化化学网络是动力系统，其在零点附近的线性化具有正的李雅普诺夫指数；该指数给出了系统在稀释区域（即浓度接近零时）的增长率。动力学极限下的生成元是一个 Perron-Frobenius 矩阵，这提示使用马尔可夫链技术来获得长时间渐近行为。本系列工作引入了一种新的通用程序，基于对李雅普诺夫特征值和特征向量的估计，提供关于此类渐近行为的精确定量信息。该算法受量子场论中 Wilson 重整化群方法的启发，基于从最快到最慢的动力学尺度的向下递归。估计结果采用动力学速率的简单有理函数形式。在尺度分离假设下，即动力学速率跨越多个数量级时，这些估计是准确的。我们在此提供了简要的总体动机和方法介绍，展示了一些简单示例，并推导出若干初步结果，特别是对一类所谓的 -主导图的李雅普诺夫数据的估计。
引用
@article{arxiv.2502.05068,
title = {Optimal multi-time-scale estimates for diluted autocatalytic chemical networks. (1) Introduction and $\sigma^*$-dominant case},
author = {Jeremie Unterberger},
journal= {arXiv preprint arXiv:2502.05068},
year = {2025}
}