Fast Chaos Detection through Data-Driven Approach

• Project/Area Number: 23K16963
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 61040:Soft computing-related
• Research Institution: Tokyo University of Science, Yamaguchi
• Principal Investigator: 大久保 健一 山陽小野田市立山口東京理科大学, 工学部, 助教 (70882504)
• Project Period (FY): 2023-04-01 – 2026-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000); Fiscal Year 2025: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2023: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
• Keywords: カオス性判定 / 弱カオス / 機械学習 / エルゴード性 / 非平衡

Outline of Research at the Start

本研究は弱カオス系と呼ばれるカオス性が弱い状態付近の時系列データを扱う. 研究の方針は大きく2つに分かれる.
1つ目はデータから高速にカオス性を判定する指標を開発する研究である. 既存の高速カオス性判定指標は力学構造をあらかじめ知っていなければ適用することができなかったが, データから支配方程式を同定する手法と組合せることで, データからでも高速にカオス性を判定できるようにする.
2つ目は非カオス状態とカオス状態(カオス状態においても, 無限測度のエルゴード理論が適用できるカオスと指数関数的な拡大率を示すカオスを分けて)の違いをデータから機械学習を用いて判別する研究である.