کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5760408 1623993 2017 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Approaches for the estimation of timescales in nonlinear dynamical systems: Timescale separation in enzyme kinetics as a case study
ترجمه فارسی عنوان
رویکردها برای برآورد زمانبندی در سیستمهای دینامیکی غیرخطی: جدایی زمانبندی در سینتیک آنزیم به عنوان یک مطالعه موردی
کلمات کلیدی
مقیاس بندی و ساده سازی، جدایی زمانی تقریبی نیمه حالت پایدار، تعادل پویا، حداقل ساده سازی، نرخ معکوس،
ترجمه چکیده
مشتق جدول زمانی اغلب به عنوان یک شکل هنری در مقالات و کتاب های درسی معرفی می شود. بهترین تکنیک های مقیاس سازی نیاز به استفاده از شهود فیزیکی برای شناسایی متغیرهای بدون بعد است که یک نظم واحد از اندازه و پارامتر های کوچک است که می تواند معادلات دیفرانسیل غیرخطی را ساده کند. با این حال، شهود فیزیکی نیاز به دانش قبلی از راه حل سیستم های دینامیکی تحت بررسی دارد. مشکلی وجود دارد که کاربرد بصیرت فیزیکی ساده نیست. بنابراین لازم است تکنیک های ریاضی برای تخمین مقیاس برای جداسازی زمان بندی و ساده سازی استفاده شود. در این بررسی، ما سه روش ریاضی - تعیین تعادل جفتی، اصل حداقل ساده سازی و مقیاس سازی با نرخ های معکوس - ارائه می دهیم تا سیستم های دینامیکی را با دانش محدودی از رفتار مدل مقایسه کنیم. ما کاربرد این تکنیک ها را با واکنش مایکلز مینت نشان می دهیم که به طور گسترده ای مورد بررسی قرار می گیرد تا تکنیک های پوسته پوسته شدن و ساده سازی در کتاب های درسی معرفی شود. ما نشان می دهیم که رویکرد تعادل جفتی، هر چند که معمولا به عنوان یک روش برای اندازه گیری بدون اندازه گیری معرفی می شود، می تواند جدایی بین زمانبندی را نداشته باشد. تکنیک های دیگر که ما در اینجا بررسی می کنیم می توان به تعدادی از سیستم های دینامیکی اعمال کرد، جایی که جداسازی زمان بندی ها می تواند به ساده سازی یک مشکل غیر خطی پیچیده منجر شود.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک علوم کشاورزی و بیولوژیک (عمومی)
چکیده انگلیسی
The derivation of timescales is frequently introduced as an art form in papers and textbooks. The best scaling techniques require the application of physical intuition to identify dimensionless variables that are one unit order of magnitude and small parameters, which can simplify nonlinear differential equations. However, physical intuition requires prior knowledge of the solution to the dynamical systems under investigation. There are problems where the application of physical intuition is not straightforward. Therefore, it is necessary to apply mathematical techniques to estimate scales for the separation of timescales and simplification. In this review, we present three mathematical techniques - determination of pairwise balances, principle of minimum simplification and scaling by inverse rates - to scale dynamical systems with limited prior knowledge of model behavior. We illustrate the application of these techniques with the Michaelis-Menten reaction, which is widely studied to introduce scaling and simplification techniques in textbooks. We show that the pairwise balance approach, though commonly introduced as a method for nondimensionalization, can fail to derive a separation between timescales. The other techniques we review here can be applied to a number of dynamical systems, where the separation of timescales can lead to the simplification of a complex nonlinear problem.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Mathematical Biosciences - Volume 287, May 2017, Pages 122-129
نویسندگان
, ,