State trajectory approach to the interpretation of self-organization in the Belousov-Zhabotinsky reaction
Loading...
Date
Authors
Zhyrova, Anna
Journal Title
Journal ISSN
Volume Title
Publisher
Jihočeská univerzita
Abstract
Reakce Bělousova-Žabotinskyho je dobře známý model pro zkoumání projevů samoorganizace v přírodě. Kaskádu chemické reakce je snadné ovládat a měřit v laboratorních podmínkách, což umožňuje zkoumání různých scénářů chování systému. Cílem této disertační práce bylo zhodnotit průběh reakce za předpokladu multifractality sledovaných chemických vzorců. Pro zhodnocení viditelných změn v průběhu oscilace BZ reakce během analýzy obrazu byly použity přístupy teorie informační entropie a byly zavedeny nové charakteristiky: informační příspěvek jednoho bodu a entropie informačního příspěvku. Konečným výsledkem navrhovaného přístupu je vytvoření trajektorie stavů komplexního systému s unikátním zaznamenáním oscilačních stavů, které bylo dosaženo pomocí multivariační stochastické analýzy dat.
Spolehlivost vyvinutého algoritmu byla testována prostřednictvím rozmanitých experimentů včetně nedostatečně prozkoumané tvorby vln v BZ reakci v rámci prostorové konstrikce a narušení efektem opětovného otřesu. Byla potvrzená hypotéza, že každý ze stavů systému má své charakteristické spektrum informační entropie. Získané trajektorie stavů BZ reakce umožňují posuzovat měnící se chování systému v návaznosti na změnu počátečních podmínek a předpovídat o evoluci trajektorií stavů v blízké budoucnosti. Bylo prokázáno, že výpočet informační entropie jé účinný a levný nástroj pro neinvazivní analýzu širokého spektra samoorganizovaných systémů a může být použitý pro automatizaci laboratorních analýz například při identifikaci různých buněčných stavů v medicíně a biologii.
Description
Keywords
komplexní system, chemické vlny, stavová trajektorie, informační entropie, informační příspěvek jednoho bodu, entropie informačního příspěvku, hustota entropie informačního příspěvku, complex system, chemical waves, state trajectory, information entropy, point information gain, point information gain entropy, point information gain entropy density
