Séance de cours

Synchronisation dans le modèle Kuramoto

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

BIO-341: Dynamical systems in biology

Life is non-linear. This course introduces dynamical systems as a technique for modelling simple biological processes. The emphasis is on the qualitative and numerical analysis of non-linear dynamical models. Examples are taken from biology and population ...

Description

Cette séance de cours couvre le modèle Kuramoto, qui décrit la synchronisation dans les populations d'oscillateurs de phase. Le modèle explore l'interaction entre les oscillateurs, le couplage tout-à-tout et les variations de la distribution des fréquences. Il se penche sur les critères de stabilité pour les systèmes dynamiques discrets et le concept de points fixes. La séance de cours traite également de la cohérence des phases, de l'impact du couplage sur la synchronisation et de la valeur de couplage critique pour la synchronisation. Grâce à l'analyse du modèle Kuramoto, la séance de cours donne un aperçu du comportement de synchronisation des systèmes complexes.

Enseignant·e·s (2)

Felix Naef

Felix Naef studied theoretical physics at the ETHZ and obtained his PhD from the EPFL in 2000. He then received postdoctoral training at the Center for Studies in Physics and Biology at the Rockefeller University (NYC) under the guidance of Prof. Magnasco. His research focuses on the modeling and interpretation of high-throughput functional data and the study of biomolecular oscillators. He joined ISREC as an associate scientist in early 2004 and is currently Associate Professor in the Institute of Bioengineering (IBI).

Julian Charles Shillcock

Julian received his PhD at Simon Fraser University in Canada for work on Monte Carlo simulations of liquid crystal phase transitions and the elastic properties of fluid and polymerized membranes. He was a Group Leader at the Max Planck Institute of Colloids and Interfaces, Germany for five years applying coarse-grained simulation techniques - principally Dissipative Particle Dynamics (DPD) and Brownian Dynamics - to equilibrium and dynamic properties of fluid lipid membranes. A major target of this research was to reveal the molecular rearrangements that occur during vesicle fusion. During this time, he developed a commercially-available, parallel DPD code that is being used by several universities. He was an Associate Professor at MEMPHYS in the Department of Physics and Chemistry, University of Southern Denmark. He has also worked in industry, designing and writing software for communication satellite simulations (British Aerospace, 1986-1990), and fluid simulation software (Accelrys, Inc., 1998-1999). He joined the Blue Brain Project in 2011, and uses mesoscale simulation techniques, together with theoretical analysis and collaborations with experimentalists, to study the dynamics of cellular processes. Current projects include simulating the formation of the post-synaptic density in dendritic spines and developing theoretical models of the supramolecular organisation of synapses. He also teaches Master's and PhD courses in computational cell biology and biophysics. He wrote and maintains an open source dissipative particle dynamics simulation code: https://github.com/Osprey-DPD/osprey-dpd Orcid: orcid.org/0000-0002-7885-735X

Source officielle

Concepts associés (32)

Modèle de Kuramoto

Le modèle de Kuramoto, proposé pour la première fois par Yoshiki Kuramoto (蔵本由紀 Kuramoto Yoshiki), est un modèle mathématique utilisé pour décrire la synchronisation au sein des systèmes complexes. Plus précisément, il s'agit d'un modèle pour le comportement d'un grand nombre d'oscillateurs couplés. Sa formulation a été motivée par le comportement des oscillateurs dans les systèmes chimiques et biologiques, et il a trouvé de nombreuses applications dans les neurosciences ou les oscillations dynamiques de la propagation d'une flamme par exemple.

Système dynamique

En mathématiques, en chimie ou en physique, un système dynamique est la donnée d’un système et d’une loi décrivant l'évolution de ce système. Ce peut être l'évolution d'une réaction chimique au cours du temps, le mouvement des planètes dans le système solaire (régi par la loi universelle de la gravitation de Newton) ou encore l'évolution de la mémoire d'un ordinateur sous l'action d'un programme informatique. Formellement on distingue les systèmes dynamiques à temps discrets (comme un programme informatique) des systèmes dynamiques à temps continu (comme une réaction chimique).

Bilinear time–frequency distribution

Bilinear time–frequency distributions, or quadratic time–frequency distributions, arise in a sub-field of signal analysis and signal processing called time–frequency signal processing, and, in the statistical analysis of time series data. Such methods are used where one needs to deal with a situation where the frequency composition of a signal may be changing over time; this sub-field used to be called time–frequency signal analysis, and is now more often called time–frequency signal processing due to the progress in using these methods to a wide range of signal-processing problems.

Théorie des systèmes dynamiques

La théorie des systèmes dynamiques désigne couramment la branche des mathématiques qui s'efforce d'étudier les propriétés d'un système dynamique. Cette recherche active se développe à la frontière de la topologie, de l'analyse, de la géométrie, de la théorie de la mesure et des probabilités. La nature de cette étude est conditionnée par le système dynamique étudié et elle dépend des outils utilisés (analytiques, géométriques ou probabilistes).

Système complexe

vignette|Visualisation sous forme de graphe d'un réseau social illustrant un système complexe. Un système complexe est un ensemble constitué d'un grand nombre d'entités en interaction dont l'intégration permet d'achever un but commun. Les systèmes complexes sont caractérisés par des propriétés émergentes qui n'existent qu'au niveau du système et ne peuvent pas être observées au niveau de ses constituants. Dans certains cas, un observateur ne peut pas prévoir les rétroactions ou les comportements ou évolutions des systèmes complexes par le calcul, ce qui amène à les étudier à l'aide de la théorie du chaos.

Afficher plus

Séances de cours associées (64)

Mise à l'échelle et renormalisation en mécanique statistique

Explore l'échelle et la renormalisation en mécanique statistique, en mettant l'accent sur les points critiques et les propriétés invariantes.

Systèmes dynamiques : cartes et stabilité

Explore les cartes unidimensionnelles, les solutions périodiques et les bifurcations dans les systèmes dynamiques.

Entraînement et synchronisation des oscillateurs

Explore l'entraînement et la synchronisation des oscillateurs, en se concentrant sur le modèle de Kuramoto et les phénomènes de résonance dans les rythmes circadiens humains.

Dynamiques non linéaires : stabilité et chaos

Explore la stabilité des points fixes, les fonctions de Lyapunov, les modèles Lotka-Volterra et la dynamique non linéaire dans les systèmes complexes.

Learning and Adaptive Control for Robots: Extensions à DS

Explore les systèmes dynamiques couplés et non couplés, la stabilité, le couplage main-bras et l'adaptation en robotique.

Afficher plus

Concepts associés (32)

Modèle de Kuramoto

Système dynamique

Bilinear time–frequency distribution

Théorie des systèmes dynamiques

Système complexe

Afficher plus