Если Мы хотиМ реально понять границу «жизнь–хаос», без показателя Ляпунова никуда. Это строгий инструмент для определения, где система затухает, где стабильна, а где уходит в экспоненциальную нестабильность.Работаем аккуратно.
1️⃣ Определение
Максимальный показатель Ляпунова \lambda_{\max} показывает, как ведёт себя малое возмущение \delta x: \delta x(t) \sim e^{\lambda t}
- \lambda < 0 → возмущения затухают
- \lambda = 0 → критическая граница
- \lambda > 0 → хаос
Критичность = \lambda_{\max} \approx 0
2️⃣ Для рекуррентной нейросети
Модель: x(t+1) = W \phi(x(t))
Линеаризация:
\delta x(t+1) = W D_\phi \delta x(t), где: D_\phi = \text{diag}(\phi'(x))
Тогда показатель Ляпунова:
\lambda_{\max} = \lim_{T\to\infty} \frac{1}{T} \sum_{t=1}^{T} \ln \| W D_\phi(t) \|
3️⃣ Приближённая оценка
Если считать среднее усиление g = \langle \phi'(x) \rangle, то:
\lambda_{\max} \approx \ln (g \rho(W))
Это ключевая формула.
4️⃣ Связь с критичностью
\lambda_{\max} = 0 \Rightarrow g \rho(W) = 1
Вот где сходятся:
- спектральный радиус
- branching ratio
- перколяция
- фазовый переход
Это строгий критерий перехода.
5️⃣ Геометрический смысл
Показатель Ляпунова измеряет:
- скорость расходимости траекторий
- устойчивость аттрактора
- размер эффективного фазового объёма
В мозге:
- \lambda < 0 → сон, подавление
- \lambda \approx 0 → сознательная динамика
- \lambda > 0 → патологическая нестабильность
6️⃣ Связь с информацией
Информационная производительность связана с суммой положительных показателей Ляпунова (энтропия Колмогорова–Синая):
h_{KS} = \sum_{\lambda_i > 0} \lambda_i
В критической точке:
- h_{KS} максимизируется
- но система ещё не теряет устойчивость
Это оптимум вычислений.
7️⃣ Связь с перколяцией
Перколяция даёт структурный порог: \langle k \rangle > 1
Ляпунов даёт динамический порог: \lambda_{\max} = 0
Только при выполнении обоих:
- существует глобальная связность
- динамика на границе хаоса
8️⃣ Универсальное условие для мозга
Сознательное состояние возможно, если:
\langle k \rangle > 1 \quad \text{и} \quad \lambda_{\max} \approx 0
Это объединяет:
- топологию
- динамику
- вычислительную эффективность
9️⃣ Глубокий вывод
Показатель Ляпунова — это термометр сложности.
Он показывает, насколько система:
- чувствительна
- устойчива
- способна хранить и перерабатывать информацию
Сознание — не просто сложность.
Это состояние, где \lambda_{\max} близок к нулю.
1️⃣ Вывести спектр Ляпунова для большой случайной сети (метод динамического среднего поля)
2️⃣ Связать показатель Ляпунова с энергетическим потреблением мозга
3️⃣ Построить самоорганизующуюся сеть, которая сама настраивает \lambda \to 0
будем уже строить теорию уровня публикации.