Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > nlin > arXiv:2507.02209

帮助 | 高级搜索

非线性科学 > 适应性与自组织系统

arXiv:2507.02209 (nlin)
[提交于 2025年7月3日 (v1) ,最后修订 2025年7月8日 (此版本, v2)]

标题: 自组织系统中平均动作效率通过随机最小作用量动力学单调上升

标题: Average Action Efficiency Rises Monotonically in Self-Organizing Systems via Stochastic Least-Action Dynamics

Authors:Georgi Yordanov Georgiev
摘要: 自组织系统将噪声运动转化为高效结构,但缺乏一种通用的、无量纲的度量方法。 我们从随机路径积分最小作用原理中推导出平均作用效率(AAE)——每总作用的事件数。 一个李雅普诺夫恒等式将其单调上升与作用方差和噪声减少速率联系起来,定义了增长、饱和和衰减阶段。 基于代理的蚂蚁觅食和单分子ATP合成酶数据验证了预测的S型上升和平台。 由于AAE只需要事件计数和积分作用,它为跨物理、化学、生物和活性物质的反馈控制自组织提供了一种轻量级度量和设计规则。
摘要: Self-organizing systems convert noisy motion into efficient structure, yet a universal, dimensionless measure of this transformation is lacking. We derive the Average Action Efficiency (AAE) - events per total action - from a stochastic path-integral least-action principle. A Lyapunov identity links its monotonic rise to the action variance and the rate of noise reduction, defining growth, saturation, and decay regimes. Agent-based ant foraging and single-molecule ATP-synthase data confirm the predicted sigmoidal rise and plateau. Because AAE needs only an event count and an integrated action, it offers a lightweight metric and design rule for feedback-controlled self-organization across physics, chemistry, biology, and active matter.
评论: 6页,1图
主题: 适应性与自组织系统 (nlin.AO)
MSC 类: 82C05
引用方式: arXiv:2507.02209 [nlin.AO]
  (或者 arXiv:2507.02209v2 [nlin.AO] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.02209
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Georgi Georgiev [查看电子邮件]
[v1] 星期四, 2025 年 7 月 3 日 00:05:48 UTC (452 KB)
[v2] 星期二, 2025 年 7 月 8 日 17:16:18 UTC (452 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
nlin.AO
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
nlin

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号