可适应储备计算机维持库尔莫模型动力学

在现实复杂系统中，常见情况是少数组件出现暂时性失效。对于功能依赖于相互作用组件集合动力学的系统，一种可行的应对方式是用备用组件取代故障组件，以便在解决问题的时间段内精确维持系统的集合动力学。本文以典范性的库尔莫模型为例，考虑振荡器失效的情景，提出用由系统演化数据训练得到的数字孪生体取代失效的振荡器。具体而言，利用可适应储备计算机（RC）中的技术，演示单个小型 RC 能够取代库尔莫模型中的任意振荡器，使得修复后系统同步序参数的时间演化与原系统完全一致，持续特定时间段。我们在不同情境下评估了可适应 RC 的性能，发现维持时间受多个因素影响，包括训练数据集的规模、系统的总体耦合强度以及被替代振荡器的数量。此外，尽管同步序参数在长期运行中会偏离真实值，但由机器替代维持的振荡器功能网络仍由忠实地维持。