Il existe une multitude de systèmes dynamiques non linéaires hautement stochastiques dans
des domaines tels que la biologie moléculaire, chimie, épidémiologie, et écologie. Encore,
aucun des modèles stochastiques actuellement disponibles n'est à la fois précis et
informatiquement efficace pour les prévisions à long terme de grands systèmes. Le
Approximation du bruit linéaire (LNA) Le modèle des réseaux de réactions biochimiques est
traitable analytiquement, ce qui le rend informatiquement efficace pour
simulation, analyse, et inférence. Cependant, ce n'est précis que pour le linéaire
systèmes et transitions de courte durée. D'autres méthodes peuvent atteindre une plus grande précision
sur une gamme plus large de systèmes, y compris les non-linéaires, mais manque d'analyse
traitabilité. Cet article cherche à remettre en question l’opinion dominante de
démontrant que l'approximation linéaire du bruit peut effectivement capturer des bruits non linéaires.
dynamique après certaines modifications. Nous introduisons un nouveau cadre qui
utilise la théorie de la variété centrale nous permettant d'identifier des interventions simples pour
le LNA qui ne compromet pas de manière significative son efficacité de calcul. Nous
développer des algorithmes spécifiques pour les systèmes qui présentent des oscillations ou
bi-stabilité et démontrer leur précision et leur efficacité de calcul à travers
plusieurs exemples.

Cet article explore les excursions dans le temps et leurs implications.

Télécharger PDF: