Офз динамика: Кривая бескупонной доходности государственных облигаций

Динамика рубля неожиданно сильно контрастирует с динамикой ОФЗ — Аналитики Росбанка

В моменте мы наблюдаем довольно непривычное расхождение динамики рубля и гособлигаций, однако процесс неустойчив и может склонить чашу весов в ту или иную сторону.

Для национальной валюты источником оптимизма остается сырьевая динамика – нефтяные котировки (Brent $63.5/барр.) устремились к уровням января прошлого года, когда риски пандемии еще не имели сколь значимого веса для участников рынка. Пары USD/RUB (73.27, —0.6%) и EUR/RUB (88.9, —0.5%) вчера преодолели январские уровни сопротивления, наметив движение в сторону 72.0 и 88.0.

Для гособлигаций важная тема сейчас – переосмысление стратегии Банка России после его комментария о приостановке цикла смягчения процентной политики.

Доходность 10-летнего бенчмарка достигала вчера 6.60%, только за один день прибавив 10 бп, а за прошедшую неделю – 40 бп.

Общим знаменателем является временное изменение структуры рынка: покупатели отступили в ожидании более комфортных уровней. На валютном рынке превалирует предложение экспортной выручки, тогда как спрос на валюту от импортеров занял выжидательную позицию. В сегменте госдолга сохраняется неопределенность со стратегией достижения Минфином целевых объемов привлечения средств.

На первый взгляд, подобное расхождение из-за перекосов ликвидности может развиваться сколь угодно долго. Однако стоит временным факторам выйти из внешних и внутренних настроений, как произойдет возврат к привычной динамике. Для рубля таковым может стать коррекция сырьевых котировок по мере улучшения погодных условий в США и отказа Саудовской Аравии от одностороннего сокращения добычи по окончании марта, а для рынка госдолга – замедление роста долгосрочных долларовых ставок ставок и разворот внутренней инфляции.

Оба условия могут реализоваться в ближайшие 2-3 недели, и резко развернуть курс рынков. Однако пока этого не произошло, продолжаем следить за уникальной динамикой валют и ставок.

Сегодня Минфин оглашает параметры регулярных первичных аукционов – ведомство могло бы поддержать сегмент умеренностью предложения новых серий ОФЗ-ПД, например, выставив небольшой объем серий 26234 (июл. 25) или 26236 (май.28). Конечно, подобный подход не решает долгосрочной задачи наращивания объема локальных заимствований, но оно позволило бы не создавать дополнительный негатив в момент откровенной слабости рынка.

Индекс государственных облигаций — ОФЗ (RGBI) — котировки, график онлайн, курс, цена, значение сегодня, что это такое

Индекс государственных облигаций RGBI

Индекс государственных облигаций России (RGBI) рассчитывается с 2002 года по методике индекса «чистых» цен (clean price index). Базовое значение индекса составляет 100 пунктов. Индекс обращается на Московской межбанковской валютной бирже. Рассчитывается непрерывно в режиме реального времени в ходе торгов по мере совершения сделок с облигациями, включенными в базу расчета

Индексы государственных облигаций ММВБ призваны выполнять функцию индикаторов ситуации, складывающейся на российском рынке государственного долга. Повышая прозрачность и информативность российского фондового рынка, они позволяют инвесторам и всем заинтересованным лицам отслеживать как общее направление, так и краткосрочные колебания на рынке российских государственных облигаций, оценивать эффективность инвестиций в данные инструменты, строить прогнозы развития рынка.

Правилами расчета Индексов предусмотрен четкий и прозрачный механизм формирования базы расчета, кроме того они в полной мере отвечают международным стандартам построения фондовых индексов: облигационные индексы ММВБ разработаны в соответствии с рекомендациями Европейской комиссии по облигациям (European bond commission) Европейской федерации финансовых аналитиков (European Federation of Financial Analysts Societies (англ.)).

База расчета индекса RGBI

Базой расчета индекса RGBI является список выпусков облигаций (ГКО-ОФЗ), используемых при расчете Индексов государственных облигаций России и индикаторов доходности к погашению государственных облигаций России.

База расчета автоматически пересчитывается по итогам каждого календарного месяца, что позволяет своевременно учитывать изменяющуюся конъюнктуру рынка ГКО-ОФЗ. В базу расчета включаются выпуски облигаций, индикатор ликвидности по которым превышает пороговое значение, равное 1.

При определении базы расчета индекса RGBI не рассматриваются выпуски облигаций:

— используемые в операциях по продаже Банком России облигаций с обязательством обратного выкупа;
— срок до погашения которых составляет менее 365 дней по состоянию на последнее календарное число месяца действия новой базы расчета.

Арикапитал — Управляющая компания

В августе доходность 10-летних US Treasuries снизилась с 2,96% до 2,86%, американские корпоративные спреды слегка расширились. Большинство облигаций emerging markets упало в цене, соответствующий спред (Bloomberg Barclays EM Hard Currency Aggregate Average OAS) взлетел на 43 пункта за месяц. Рубль снизился, несмотря на увеличение цен на нефть, доходности ОФЗ сильно выросли (примерно на 100 пунктов).

Глобальные рынки

В августе доходность 10-летних US Treasuries снизилась с 2,96% до 2,86%, 30-летних – с 3,08% до 3,02%. Доллар продолжил рост к валютам и развитых, и особенно развивающихся стран.

Из новостей месяца можно отметить продолжение кризиса на emerging markets. Динамика рискованных активов становится все более разнонаправленной: в августе S&P 500 обновил исторический максимум, а индекс валют emerging markets (JP Morgan EM Currency Index) пробил вниз минимум 2016 года.

Спекулятивные ставки против дюрации (которые исторически были неплохим contrarian сигналом) сократились в последнюю неделю августа, но остаются недалеко от рекордных максимумов.

Доходность 10-летних UST и чистая спекулятивная позиция*

* По данным CFTC

Источник: Bloomberg

Другим аргументом в пользу возможного снижения длинных долларовых ставок является продолжающееся снижение цен на металлы, что создает дефляционное давление на цены. Например, популярный индикатор медь/золото в сравнении с доходностью 10-летних US Treasuries указывает на возможное снижение доходности примерно на 50 пунктов.

Цена меди в золоте (HG1/XAU) и доходность 10-летних UST

Источник: Bloomberg

Кредитные рынки и облигации emerging markets

Американские корпоративные спреды слегка расширились. Спред корпоративных облигаций инвестиционного уровня (Bloomberg Barclays USD Liquid Investment Grade Corp Average OAS) в августе увеличился на 8 пунктов, высокодоходных (BarCap US Corporate High Yield YTW – 10Y US Treasuries Spread) – на 7 пунктов.

Спред долларовых облигаций emerging markets (Bloomberg Barclays EM Hard Currency Aggregate Average OAS) взлетел на 43 пункта за месяц. В августе была заметна очень высокая корреляция между ростом доходности за месяц и кредитным качеством эмитента. Турецкие и аргентинские долларовые облигации буквально рухнули, бразильские сильно упали, но снижение РФ и ЮАР было относительно умеренным, а Саудовская Аравия, Польша и Мексика вообще не уменьшились в цене. Особенно сильно пострадали долларовые облигации турецких банков: короткие бумаги крупнейших банков стали торговаться под доходность порядка 30% годовых.

Изменение доходности 10-летних* долларовых облигаций в августе

* 2026-2028 год погашения

Источник: Bloomberg

Индекс валют emerging markets по отношению к доллару (JP Morgan EM Currency Index) в августе упал на 6,2%, продолжив прерванное в июле многомесячное снижение. Турецкая лира рухнула за месяц на 33,1%, аргентинское песо – на 34,5%, но и менее слабые валюты продемонстрировали очень негативную динамику: бразильский реал упал на 7,9%, южноафриканский рэнд – на 10,6%. Доходности большинства локальных облигаций сильно выросли. Особенно масштабным был рост доходности локальных облигаций Турции – на 350-400 пунктов.

Лучше других, как уже часто случалось в этом году, была Мексика: мексиканское песо снизилось всего на 2,4%, доходности локальных облигаций практически не изменились.

Российские облигации

Российские активы в августе сильно упали на фоне новостей о возможных санкциях.

Суверенные долларовые облигации заметно снизились в цене, но в целом были достаточно устойчивы по сравнению с другими emerging markets, а также долларовыми облигациями российских компаний и ОФЗ. Доходность России 27 выросла всего на 31 пункт, а доходность относительно коротких корпоративных бумаг – в среднем на 50-100 пунктов. Особенно сильно упали облигации госбанков, которые могут стать основной мишенью новых санкций. Например, доходность ВТБ 20 выросла на 142 пункта.

Рубль упал на 7,9%, несмотря на увеличение цен на нефть на 4,3%. Доходности ОФЗ взлетели примерно на 100 пунктов, а начале сентября ликвидные длинные ОФЗ (26207, 26212) превысили по доходности 9%. Длинные ОФЗ по динамике в августе были даже хуже сравнимых emerging markets.

Из макроэкономических новостей можно отметить, что PMI Manufacturing в августе улучшился по сравнению с июлем, но остался ниже 50, продолжая указывать на сокращение производства.

Товарные рынки

Bloomberg Industrial Metals Subindex (включает медь, алюминий, никель и цинк) в августе упал на 4,5%. Снизились все компоненты индекса кроме алюминия (+2,1%), сильнее других – никель (-8,8%). Нефть продолжила рост (ближайший фьючерс на Brent +4,3% за месяц).

Интересно отметить, насколько перепроданы некоторые металлы: серебро достигло низшей точки с 2015 года, а платина сейчас на 15-летнем минимуме.

Долгосрочная динамика цен на платину

Источник: Bloomberg

Текст статьи в pdf-формате.

Банк России повысил ключевую ставку до 5% годовых

Совет директоров Банка России 23 апреля 2021 года принял решение повысить ключевую ставку на 50 б. п., до 5,00% годовых. Темпы роста потребительских цен и инфляционные ожидания населения и бизнеса остаются повышенными. Восстановление спроса приобретает все большую устойчивость и в ряде секторов опережает возможности наращивания выпуска. В этих условиях баланс рисков смещен в сторону проинфляционных. Прогноз Банка России по инфляции на 2021 год повышен до 4,7–5,2%.

Быстрое восстановление спроса и повышенное инфляционное давление формируют необходимость более раннего возвращения к нейтральной денежно-кредитной политике. Банк России будет оценивать целесообразность дальнейшего повышения ключевой ставки на ближайших заседаниях. Решения по ключевой ставке будут приниматься с учетом фактической и ожидаемой динамики инфляции относительно цели, развития экономики на прогнозном горизонте, а также оценки рисков со стороны внутренних и внешних условий и реакции на них финансовых рынков. В условиях проводимой денежно-кредитной политики годовая инфляция вернется к цели Банка России в середине 2022 года и будет находиться вблизи 4% в дальнейшем.

Динамика инфляции. Инфляция продолжает складываться выше прогноза Банка России. В марте годовой темп прироста потребительских цен увеличился до 5,8% (после 5,7% в феврале). По оценке на 19 апреля, годовая инфляция замедлилась до 5,5%, что, однако, связано с эффектом высокой базы апреля 2020 года. Показатели, отражающие наиболее устойчивые процессы ценовой динамики, по оценкам Банка России, в марте повысились и находятся значимо выше 4% в годовом выражении.

Быстрое восстановление спроса и повышенное инфляционное давление формируют необходимость более раннего возвращения к нейтральной денежно-кредитной политике. По прогнозу Банка России, в II квартале годовые темпы роста потребительских цен будут близки к значениям I квартала. Устойчивое замедление годовой инфляции прогнозируется во втором полугодии 2021 года. По итогам 2021 года инфляция составит 4,7–5,2%. В условиях проводимой денежно-кредитной политики годовая инфляция вернется к цели Банка России в середине 2022 года и будет находиться вблизи 4% в дальнейшем.

Денежно-кредитные условия остаются мягкими и с момента предыдущего заседания Совета директоров Банка России существенно не изменились. Доходности средне- и долгосрочных ОФЗ находятся вблизи уровней конца марта, отражая ожидания возвращения Банка России к нейтральной денежно-кредитной политике и динамику процентных ставок на глобальных финансовых рынках. Кредитование продолжает расти темпами, близкими к максимумам последних лет. Принятые Банком России решения о повышении ключевой ставки и произошедшее с начала текущего года увеличение доходностей ОФЗ обусловят рост кредитно-депозитных ставок в будущем. Это позволит повысить привлекательность банковских депозитов для населения, защитить покупательную способность сбережений и обеспечит сбалансированный рост кредитования.

Экономическая активность. Восстановление экономической активности приобретает все более устойчивый характер. По итогам I квартала оборот розничной торговли приблизился к уровню до начала пандемии.

Банк России прогнозирует рост российской экономики в 2021 году на 3,0–4,0%. Это означает, что российская экономика вернется к своему докризисному уровню во втором полугодии 2021 года. В 2022–2023 годах ВВП, по прогнозу Банка России, вырастет на 2,5–3,5 и 2,0–3,0% соответственно.

Инфляционные риски. Баланс рисков смещен в сторону проинфляционных. Действие проинфляционных факторов может оказаться более продолжительным и выраженным в условиях опережающего роста потребительского спроса по сравнению с возможностями расширения выпуска. Также их влияние может быть усилено повышенными инфляционными ожиданиями и сопутствующими вторичными эффектами.

Дополнительное повышательное давление на цены могут продолжить оказывать временные затруднения в производственных и логистических цепочках. Проинфляционные риски создает ценовая конъюнктура мировых товарных рынков, в том числе под воздействием факторов со стороны предложения. Это может влиять на внутренние цены соответствующих товаров. Вместе с тем дальнейшая динамика продовольственных цен будет во многом зависеть от перспектив урожая сельскохозяйственных культур как внутри страны, так и за рубежом.

Банк России будет оценивать целесообразность дальнейшего повышения ключевой ставки на ближайших заседаниях. Решения по ключевой ставке будут приниматься с учетом фактической и ожидаемой динамики инфляции относительно цели, развития экономики на прогнозном горизонте, а также оценки рисков со стороны внутренних и внешних условий и реакции на них финансовых рынков.

По итогам заседания Совета директоров по ключевой ставке 23 апреля 2021 года Банк России опубликовал среднесрочный прогноз.

Источник: Банк России

как регулятор ответит на санкции


Глава ЦБ Эльвира Набиуллина


Фото: ТАСС


В предстоящую пятницу ЦБ РФ примет решение о ключевой ставке.

Повышение до 5% годовых мало кого удивит.

До объявления санкций со стороны США в отношении российского госдолга большинство аналитиков были уверены, что ЦБ РФ на предстоящем 23 апреля заседании повысит ключевую ставку незначительно. Эксперты придерживались мнения, что подъём составит всего 25 базисных пунктов (б. п.), с текущих 4,5 до 4,75% годовых. Анонсированный Белым домом запрет американским банкам и другим финансовым институтам США приобретать после 14 июня облигации ЦБ РФ, Минфина и ФНБ заставил аналитиков пересмотреть прогноз: рынок ждёт от Банка России повышения не менее чем на 50 б. п., до 5% годовых.


Сохранит паузу: эксперты прочли сигналы ЦБ по ключевой ставке


Финансы


Сохранит паузу: эксперты прочли сигналы ЦБ по ключевой ставке

Рынок не понял сигнала

Двухлетний цикл снижения ключевой ставки был прерван в марте текущего года, когда регулятор поднял её на 25 б. п. Решение стало неожиданным, аналитики, исходя из сигналов ЦБ РФ, ожидали начала повышения не ранее апреля и роста ключевой ставки до 5–6% годовых только к концу текущего года писал ранее ДП.

На предстоящем заседании регулятор вновь может всех удивить. Банк России опубликовал фрагмент интервью Кирилла Тремасова, главы департамента денежно–кредитной политики ЦБ РФ, в котором тот заявляет, что рассматривается возможность дальнейшего повышения. «Планируем три варианта возможных решений: сохранить ставку неизменной, повысить её на 25 или на 50 б. п., — заявляет Тремасов. — Факт, что мы возвращаемся к потенциалу, заставляет нас задуматься, что денежно–кредитная политика (ДКП) должна двигаться в сторону нейтральной». С одной стороны, публично обозначен коридор, выходить за пределы которого ЦБ РФ не планирует. С другой — перед мартовским заседанием шли разговоры, что решение о повышении будет приниматься после получения данных по показателям инфляции в апреле.

Инфляция снизила темп

Нейтральным Банк России называет диапазон ставки 5–6%. По итогам марта инфляция в годовом исчислении составила 5,79%. На минувшей неделе Росстат сообщил, что с 30 марта по 12 апреля инфляция замедлилась до 0,2%, что означает 5,5% при переводе в годовой темп.

«Регулятор нормализует денежно–кредитную политику на фоне роста инфляции и её закрепления на уровне, значительно превышающем целевой уровень ЦБ РФ в 4%, — поясняет Владислав Данилов, старший аналитик “Сбер Управление Активами”. — Март стал шестым месяцем подряд, когда инфляция держится выше уровня, который соответствует 4% в годовом выражении. Кроме того, повышению ставки способствуют волатильность на валютном и долговом рынках и отток нерезидентов из ОФЗ».

Эксперт ожидает повышения в пятницу на 25 б. п., до уровня 4,75% годовых. По его словам, изменение окажет минимальное влияние на курс рубля.


Иммунитет к плохим новостям: как российский рынок ответил на санкции


Тема недели


Иммунитет к плохим новостям: как российский рынок ответил на санкции

«Во–первых, на сегодня динамика рубля находится под влиянием геополитических рисков, общего аппетита инвесторов к рискованным активам и движения ставок по UST (американским гособлигациям. — Ред.), — рассуждает Данилов. — Во–вторых, вероятное повышение ставки не станет сюрпризом: согласно консенсус–прогнозу аналитиков, ЦБ РФ повысит ставку на следующем заседании на 25 б. п., а рыночные инструменты предполагают её рост до 4,75–5% в следующие 3 месяца».

«Скорее всего, ставка будет повышена на 0,25 процентного пункта (п. п.), что станет продолжением цикла ужесточения ДКП, запущенного на прошлом заседании, — солидарен Владимир Брагин, директор по анализу финансовых рынков и макроэкономики УК “Альфа–Капитал”. — При текущих параметрах ставки 4,5% политика является стимулирующей, и на фоне повышенной инфляции и достаточно хорошей макростатистики такой шаг является вполне разумным».

До коронакризиса ЦБ РФ проводил жёсткую монетарную политику, удерживая положительной реальную ставку. При нормализации макропоказателей при инфляции 5,8% ставка должна быть сильно выше текущей, отмечают аналитики. Если исходить из целевого значения инфляции ЦБ РФ в 4%, ключевая должна быть 5,5–6%.

Цикл продолжится

«Одно повышение на 25 б. п. (как это было в марте) оказывает слабое влияние на финансовые рынки, гораздо важнее то, с какой скоростью и до какого финального уровня Банк России будет ужесточать ДКП, — говорит Данилов. — На прошлом заседании регулятор не только повысил ключевую ставку, но и дал сигнал о дальнейшем ужесточении. Её увеличение привело к тому, что банки либо уже повысили ставки по кредитам и депозитам, либо планируют это сделать».

«Для рубля и других активов повышение не станет сюрпризом, это событие уже в ценах. В частности, ослабление рубля последних нескольких недель можно связать не только с санкционными рисками, но и с осознанием необходимости повышения ставки ЦБ РФ, что выразилось, например, в росте доходностей ОФЗ, — рассуждает Брагин. — Котировки ОФЗ также соответствуют ключевой ставке выше её нейтрального уровня».

Как отмечают аналитики, ЦБ РФ не склонен к резким изменениям условий, предпочитая плавные действия, поэтому они ждут повышения шагами по 0,25 п. п. Ближайшее заседание после апреля назначено на 11 июня.


Повышение читалось в риторике ЦБ РФ последние недели. Проводились и вербальные интервенции, так что даже 50 б. п. не будут сюрпризом для рынка. Новости о запрете инвестиций в российский долг могут подтолкнуть ЦБ РФ к более решительным действиям. Политика играет сейчас основную роль в определении решений регулятора. Рост инфляции вызывает опасения, но в основном он связан с немонетарными факторами и не требует пожарных мер по повышению ставок. Мы предполагаем, что повышение не вызовет особенной реакции валютного рынка — в игре сейчас иные факторы. Хрестоматийные рассуждения (повысили ставку — растёт валюта) не всегда работают в боевой обстановке.


Дмитрий Космодемьянский


управляющий активами УК «Открытие»


ЦБ РФ в любом случае примет решение о повышении ключевой ставки, вопрос лишь в размере шага. Это может быть 25 или 50 б. п. С выходом данных по инфляции (в марте 5,8% годовых) всё более вероятным становится именно шаг 50 б. п. Характер инфляционного давления подтверждает целесообразность возвращения к нейтральной денежно–кредитной политике, предполагающей нахождение ключевой ставки в диапазоне 5–6% при целевой инфляции 4%. На рубле в большей степени сейчас сказываются факторы геополитики. Один лишь звонок Байдена Путину привёл к падению курса доллара США на 2%.


Василий Карпунин


начальник управления информационно–аналитического контента «БКС Мир Инвестиций»


Выделите фрагмент с текстом ошибки и нажмите Ctrl+Enter

Предварительное экспериментальное исследование динамики имплозии и радиационного характера Z-pinch dynamic hohlraum

Динамический hohlraum — это возможный подход к управлению термоядерным синтезом с инерционным удержанием. Недавно были проведены эксперименты с динамическим хольраумом на первичном испытательном стенде (PTS), и предварительные результаты показывают, что формируется динамический хольраум, который можно использовать для приведения в действие имплозии мишени. В данной работе численно исследуется динамика имплозии Z-пинча, вызванного динамической имплозией цели, управляемой хольраумом, с управляющим током установки PTS.Установлена ​​физическая модель, в которой динамический хольраум состоит из цилиндрической вольфрамовой проволочной решетки и преобразователя пены CHO, а мишень состоит из аблятора CH высокой плотности и топлива DT низкой плотности. Ток возбуждения рассчитывается с помощью модели эквивалентной схемы, и интегральное моделирование в плоскости (r, Z) с использованием кода двумерной радиационной магнитогидродинамики выполняется для описания общей динамики имплозии. Показано, что на этапе приработки плазма проволочной решетки ускоряется, и на этом этапе мишень остается практически неподвижной. Когда ускоренная плазма из проволочной сетки ударяется о преобразователь пены низкой плотности, вблизи границы W / CHO образуется локальная область с высокой температурой и высоким давлением из-за термализации энергии, и этот процесс термализации будет длиться несколько наносекунд. Эта высокотемпературная область вызовет сильно излучающую ударную волну. В то же время возникает и высокотемпературное излучение, которое передается к цели быстрее, чем ударная волна. Когда высокотемпературное излучение переходит на поверхность мишени, аблятор нагревается, и уносимая плазма расширяется наружу, а также образуется летающий слой с высокой плотностью, который распространяется внутрь.После того, как слой с высокой плотностью распространяется до границы аблятор / топливо, DT-топливо окончательно сжимается до состояния с высокой плотностью и высокой температурой. В то же время цилиндрический удар, который возникает в результате удара плазмы проволочной решетки о преобразователь пены, будет постепенно распространяться на плазму аблятора. После того, как он распространяется по границе конвертер / аблятор, он будет замедляться давлением абляции, что полезно для изоляции сжатия топлива от прямого цилиндрического удара.Показано, что хотя траектории внешних границ аблятора на экваторе и на полюсах полностью различаются из-за ударного взаимодействия на экваторе, сжатие топлива почти равномерное из-за радиационного сжатия. Показано, что асимметрия сжатия топлива в основном обусловлена ​​неоднородностью излучения хольраума на экваторе и на полюсах. Как правило, существует две разницы между температурами излучения на экваторе и на полюсах, а именно разница во времени из-за конечной скорости передачи излучения и разность пиковых температур из-за взаимодействия энергии.Если цель небольшая, пиковая температура излучения на экваторе почти такая же, как на полюсе. Топливо на экваторе сначала сжимается только потому, что излучение сначала переходит к целевому экватору. По мере увеличения размера цели разница в пиковой температуре излучения будет более значительной, что приведет к более слабому сжатию топлива на экваторе, чем на полюсах. Конечно, если размер цели слишком велик, цилиндрическая ударная волна будет напрямую взаимодействовать с целью на экваторе, что приведет к полной асимметрии на экваторе по сравнению с ударной волной на полюсах, чего следует избегать.Кроме того, показано, что по мере увеличения размера мишени конечный нейтронный выход сначала увеличивается, а затем уменьшается, что означает, что существует относительно оптимальный выбор размера для взрыва мишени.

Динамика и масштабирование источников рентгеновского излучения Z-Pinch K-Shell. (Конференция)


Ковердейл, Кристин Энн, Дини, Кристофер, Джонс, Брент Мэнли, Синарс, Дэниел Брайан, Вайсман, Э. М., Кунео, Майкл Эдвард, Эмплфорд, Дэвид Дж., ЛеПелл, Пол Дэвид, Кокрейн, Кайл Роберт, Торнхилл, Джозеф В., Апрузезе, Джон П., Уитни, К.Г., Кларк, Р.У., Дэвис, Дж., Джулиани, Джон Л., ДасГупта, А., и читтенден, J. Динамика и масштабирование источников рентгеновского излучения Z-Pinch K-Shell. США: N. p., 2008.
Интернет.


Ковердейл, Кристин Энн, Дини, Кристофер, Джонс, Брент Мэнли, Синарс, Дэниел Брайан, Вайсман, Э.М., Кунео, Майкл Эдвард, Эмплфорд, Дэвид Дж., ЛеПелл, Пол Дэвид, Кокрейн, Кайл Роберт, Торнхилл, Джозеф У., Апрузезе, Джон П., Уитни, КГ, Кларк, Р. У., Дэвис, Дж., Джулиани , Джон Л., ДасГупта, А., & Читтенден, Дж. Динамика и масштабирование источников рентгеновского излучения Z-Pinch K-Shell. США.


Ковердейл, Кристин Энн, Дини, Кристофер, Джонс, Брент Мэнли, Синарс, Дэниел Брайан, Вайсман, Э.М., Кунео, Майкл Эдвард, Эмплфорд, Дэвид Дж., ЛеПелл, Пол Дэвид, Кокрейн, Кайл Роберт, Торнхилл, Джозеф У., Апрузезе, Джон П., Уитни, КГ, Кларк, Р. У., Дэвис, Дж., Джулиани , John L., DasGupta, A., and chittenden, J. Sat.
"Динамика и масштабирование источников рентгеновского излучения Z-Pinch K-Shell". Соединенные Штаты. https://www.osti.gov/servlets/purl/1142325.

@article {osti_1142325,
title = {Динамика и масштабирование источников рентгеновского излучения Z-Pinch K-Shell.},
автор = {Ковердейл, Кристин Энн и Дини, Кристофер и Джонс, Брент Мэнли и Синарс, Дэниел Брайан и Вайсман, Э.М. и Кунео, Майкл Эдвард и Эмплфорд, Дэвид Дж. и ЛеПелл, Пол Дэвид и Кокрейн, Кайл Роберт и Торнхилл, Джозеф W. and Apruzese, John P. and Whitney, KG and Clark, RW and Davis, J. and Giuliani, John L. and DasGupta, A. and chittenden, J.},
abstractNote = {Аннотация не предоставлена.},
doi = {},
url = {https: // www.osti.gov/biblio/1142325},
журнал = {},
номер =,
объем =,
place = {United States},
год = {2008},
месяц = ​​{11}
}

рублевых фирм ожидают стимулирования США, в центре внимания три аукциона облигаций ОФЗ

МОСКВА, 21 октября (Рейтер) — Российский рубль укрепился в преддверии трех аукционов государственных облигаций в среду, достигнув более чем недельного максимума по отношению к доллару, поскольку возродил надежды на новый раунд U. S. меры экономического стимулирования поддержали более рискованные активы.

В 07:33 по Гринвичу рубль укрепился на 0,4% по отношению к доллару до 77,04, самого высокого уровня с 13 октября. Он вырос на 0,2% до 91,30 по отношению к евро.

Нефть марки Brent, мировой ориентир для основной экспортной продукции России, подешевела на 1,1% до 42,67 доллара за баррель.

Переговоры по новому пакету помощи от коронавируса должны были продолжиться в среду, и президент США Дональд Трамп выразил готовность принять 2 доллара.Счет за 2 триллиона помощи, несмотря на противодействие его собственной Республиканской партии.

Это помогло более рискованным активам, но внешний фон для России был лишь слабым положительным, сказал Андрей Кочетков, аналитик брокерской компании «Открытие». По его словам, три аукциона министерства финансов по выпуску ОФЗ могут дать рублю шанс укрепиться выше пороговых значений 77 и 91 по отношению к доллару и евро соответственно.

На прошлой неделе было зафиксировано рекордное количество размещений российских государственных облигаций, которые обычно рассматриваются как индикатор настроений инвесторов по отношению к российским активам.

Рост числа случаев коронавируса в стране и за рубежом продолжал оказывать давление на российские активы, равно как и затяжной политический кризис и военный конфликт в сфере влияния Москвы.

«Местная нестабильность возникает из-за отсутствия склонности к риску и нестабильной динамики цен на нефть из-за пандемии, санкций, нестабильной геополитической ситуации и предстоящих выборов в США», — говорится в сообщении BCS Global Markets.

Российские фондовые индексы росли.

Долларовый индекс РТС вырос на 0.С 9% до 1151,2 балла. Российский рублевый индекс Московской биржи вырос на 0,5% и составил 2 815,8 пункта.

Для справки по российским акциям см.

Для российских казначейских облигаций см.

Отчетность Александра Марроу; Под редакцией Марка Поттера

Исследование динамики разложения Z- и E-изомеров диметоморфа в почвах

ПЯО Сю-ин, ДАО Чуань-цзян, ЦЗЯН Хуэй, ВАН Сяо-цзюнь. Изучение динамики разложения Z- и E-изомеров диметоморфа в почвах [J].Китайский журнал науки о пестицидах, 2011 г., 13 (2): 169-173.

Образец цитирования:

ПЯО Сю-ин, ДАО Чуань-цзян, ЦЗЯН Хуэй, ВАН Сяо-цзюнь. Изучение динамики разложения Z- и E-изомеров диметоморфа в почвах [J]. Китайский журнал науки о пестицидах, 2011 г., 13 (2): 169-173.

ПЯО Сю-ин, ДАО Чуань-цзян, ЦЗЯН Хуэй, ВАН Сяо-цзюнь. Изучение динамики разложения Z- и E-изомеров диметоморфа в почвах [J].Китайский журнал науки о пестицидах, 2011 г., 13 (2): 169-173.

Образец цитирования:

ПЯО Сю-ин, ДАО Чуань-цзян, ЦЗЯН Хуэй, ВАН Сяо-цзюнь. Изучение динамики разложения Z- и E-изомеров диметоморфа в почвах [J]. Китайский журнал науки о пестицидах, 2011 г., 13 (2): 169-173.
  • 1.

    Институт контроля агрохимикатов Министерства сельского хозяйства, Пекин 100125, Китай

  • Дата получения: 10.08.2010
  • Дата записи редакции:
    2010-10-25
  • Абстрактные

    Разложение диметоморфа в трех типах почв, включая чернозем Цзилинь, почву корицы Хэнань и красную почву Цзянси, исследовали в лабораторных условиях.Результаты показали, что период полураспада диметоморфа составлял 69 дней, 69 дней и 462 дня в черноземе Цзилинь, почве корицы Хэнань и красной почве Цзянси, соответственно. Жизнь в черноземе Цзилинь, почве корицы Хэнань и красной почве Цзянси составила 89 дней, 126 дней и 533 дня для Z-изомера и 53 дня, 29 дней и 408 дней для E-изомера. Скорость разложения Z-изомера ниже, чем Е-изомер во всех трех тестируемых типах почв.Соотношение E-изомера и Z-изомера, очевидно, изменилось в процессе разложения в коричной почве провинции Хэнань. Скорость разложения диметоморфа в лабораторных условиях явно ниже, чем в полевых условиях.

  • Список литературы

    ФАН Дун-шэн (范东升).[J] .Agrochemicals (农药), 2009, 48 (9): 675-677.

    XU Wei-song (徐伟松), LI Chang-fang (李 畅 方), HE Qiang (何 强), и др. 酰 吗 啉 在 黄瓜 和 土壤 中 的 残留 量 及 消解 动态 研究 [J] .Pestic Sci Admin (农药 科学 与 管理), 2008,29 (3): 15-18.

    YANG Jian-xiang (杨建湘), HUANG Chao-qun (黄 超群), XIONG Li-li (熊莉莉). 烯 酰 吗 啉 原 药 的 高效液相 色谱 分析 [J] .Fine Chem Intermediates (精细 化工 中间体), 2003, 33 (4): 49-51.

    WU Chun-xian (吴春 先), LV Xiao (吕 潇), MU Wei (慕 卫) и др.条件 和 微生物 对 灭 磷 降解 的 影响 [J] .Chin J Pestic Sci (农药 学 学报), 2002,4 (1): 45-51.

    LU Zhi-xin (卢植 新), LIN Ming-zhen (林明珍), HUANG Hui-ye (黄辉 晔) и др. 锰锌 在 荔枝 树上 施用 的 残留 代谢 与 安全 性 评价 [J] .Modern Agrochemicals (现代 农药), 2006,5 (3): 7-12.

    ПЕСНЯ Го-чун (宋国春), Ю Цзянь-лей (于 建 垒), Ли Жуй-цзюань (李瑞娟) и др. 烯 酰 吗 啉 在 黄瓜 中 的 消解 动态 [J] .China Vegetables (中国 蔬菜) , 2006, 11: 23-24.

    ЦУИ Шу-хуа (崔淑华), ВАН Кай-юнь (王 开 运), ЦЯНЬ Цзя-лян (钱 家 亮) и др.[J] .Agrochemicals (农药), 2010, 49 (1): 47-49.

    HENGEL JM, SHIBAMOTO T. Разработка методов и определение судьбы обработанного пестицидами хмеля и их последующее использование в производстве пива [J] .J Agric Food Chem, 2002,50 (12): 3412-3418.

    PIAO Xiu-ying (朴秀英), TAO Chuang-jiang (陶传江), JIANG Hui (姜 辉) и др. 烯 酰 吗 啉 在 土壤 中 残留 方法 研究 [J] .Pestic Sci Admin (农药 科学 与 管理), 2006, 27 (1): 7-9.

    NY / T 788-2004. Руководство по испытаниям остатков пестицидов (农药 残留 试验 准则) [S]. Пекин (北京): China Argriculture Press (中国 农业 Version社), 2004: 1-13.

    Национальное агентство по охране окружающей среды (国家 环境保护 局). Экзаменационное правило оценки безопасности химических пестицидов (化学 农药 环境 安全 评价 试验 准则) [S]. Пекин (北京): China Environmental Science Press (中国 环境 科学 出 Version社) , 1989: 1-25.

    CRAIG C N, CHEN A, KLEE S, et al.Полная структура антиротамера 1,2-дифторэтана по данным инфракрасной спектроскопии высокого разрешения [J]. J. Phys Chem A, 1997, 101 (49): 9302-9308.

    XIE Ji-min (谢吉民), CHU Ya-fei (初 亚飞), LIU Jun (刘军) и др. 烯 酰 吗 啉 在 土壤 中 的 吸附 及 机理 [J] .J Jiangsu Univ (江苏 大学学报), 2010, 31 (1): 88-92.

    KHAN S U. Связанные остатки пестицидов в почве и растениях [J]. Residue Review, 1982, 84: 1-25.

  • Пропорциональные просмотры

  • Простая модель сложной динамики паттернов активности в развивающихся сетях нейрональных культур

    Геометрическая модель.

    Начнем с геометрического расположения элементов сети. Рассмотрим сеть из N нейронов, пространственные координаты которых случайным образом и равномерно распределены в единичном квадрате. Каждый отдельный нейрон описывается двумя основными элементами. Первый — это область приема входных сигналов, представленная кружком с заданным радиусом R. Круг моделирует способность нейрона воспринимать входные сигналы от других нейронов и называется дендритной областью (в биологии дендрит является входом). .Второй элемент — аксон (в биологии — выход), который в нашей модели моделируется прямым отрезком длины H (на зрелой стадии развития сети H> R) и конечная точка которого действует как передатчик сигнал нейрона. Если эта точка достигает дендритной области другого нейрона, между этими нейронами устанавливается связь [18]. Существует три различных способа геометрической связи или связности сетевых элементов:

    Случай 1: клетки без аксонов, т.е.е. H = 0. В этом случае N окружностей радиуса R случайным образом и равномерно распределены в единичном квадрате. Если круг A перекрывается с кругом B, а круг B соединен с кругом C, то A соединяется с C. Таким образом, путь между двумя удаленными ячейками можно определить как цепочку перекрывающихся кругов, соединяющих эти ячейки. Возникновение больших групп связанных элементов в этой сети может быть проанализировано в рамках стандартной задачи перколяции окружностей. Пусть n будет плотностью клеток, определенной e.грамм. как количество центров кругов на единице площади. Согласно [31, 32], появление больших групп взаимосвязанных ячеек, перколяционный переход, в совокупности случайно расположенных окружностей можно охарактеризовать средним числом центров, попадающих в круг радиуса R:
    (1)

    В частности, существует критическая концентрация B = B c , при которой две произвольные окружности соединяются с большой вероятностью. Таким образом происходит просачивание и появляется большой кластер связанных кругов.В отличие от типичных тепловых фазовых переходов, когда переход между двумя фазами происходит при критической температуре, перколяционный переход относится к распределению и топологии кластеров, соответствующих значениям B в окрестности B c . При низких значениях B существуют только небольшие скопления перекрывающихся кругов. Когда концентрация B увеличивается, средний размер кластеров также увеличивается. При критическом значении концентрации B = B c появляется большой кластер; он включает группы ячеек, которые находятся рядом с противоположными границами исходного квадрата.Этот кластер называется охватывающим кластером или перколяционным кластером. В термодинамическом пределе, т.е. в пределе системы бесконечного размера, остовной кластер называется бесконечным кластером. Для скалярной задачи значение B c ≈ 1,1.

    Случай 2. Клетки имеют аксоны, H> 0, и аксоны могут передавать сигналы в обоих направлениях. Каждый нейрон можно представить как неориентированную пару кругов головы и хвоста, оба радиуса которых имеют радиус R. Когда круг головы или хвоста нейрона перекрывается с кругами головы или хвоста другого нейрона, мы рассматриваем их. нейроны связаны.Несмотря на то, что этот параметр отличается от случая 1 тем, что теперь мы работаем с диполями, а не только с кругами, проблема остается в рамках класса скалярной перколяции, хотя и для диполей с кругами, а не только с одним кругом.

    Случай 3. Клетки имеют аксоны, H> 0, и эти аксоны могут передавать сигналы только по прямой линии, которая определяет направление связи для данной клетки. Направление связи от сомы к синаптическому окончанию имеет изотропное распределение, и, следовательно, каждый нейрон может быть представлен как направленная пара головных и хвостовых окружностей, имеющих радиус R.Векторы, связывающие центры головного и хвостового кругов, могут иметь произвольное направление. Однако их длина H фиксирована. Когда круг-хвост нейрона перекрывается с кругом-головой другого нейрона, пара считается связанной. В отличие от двух других способов установления нейронной связи, рассмотренных выше, это наиболее реалистичный сценарий. Это больше не входит в рамки простой скалярной круговой перколяции, а является проблемой векторной перколяции.

    Три случая показаны на рис. 1.На рис. 2 показана зависимость параметра порога перколяции B c от отношения H / R. В соответствии с определением B в (1) переменная концентрации клетки B может быть связана с ожидаемым количеством нейронов, которые подключены к случайно выбранному нейрону запроса в системе. Последняя величина известна как среднее координационное число сети z. Как видно из фиг. 2, значение координационного числа z, которое соответствует B c , всегда ограничено сверху.B c ≤ 1,4 для всех рассмотренных конфигураций.

    Приведенный выше анализ показывает, что сети с координационными числами, превышающими эти критические значения, скорее всего, образуют покрывающий кластер, способный соединять противоположные края системы [33, 34]. Таким образом, интуитивно можно утверждать, что сигналы, инициированные спонтанной активацией нейронов в кластере, могут вызывать волны активности во всей сети. Такой вывод основан на ограничительном предположении, что нейроны всегда вызывают всплески в ответ на всплеск на их входе.Не только это предположение не обязательно верно, но также и вышеупомянутая геометрическая модель сама по себе не объясняет богатства явлений распространения возбуждения, наблюдаемых в культурах. Чтобы учесть более правдоподобные ситуации, а также, возможно, увеличить объяснительную силу модели, вводятся две дополнительные переменные: одна — это вероятность p нейрональной активации в ответ на приходящий спайк, а другая — экзогенная «ресурсная» переменная E определение того, имеет ли нейрон достаточно энергии, чтобы вызвать спайк.Последствия добавления этих двух переменных обсуждаются в следующих разделах.

    Среднеполевая динамическая модель возбуждения нейронов.

    Начнем с простого приближения среднего поля динамики нейронного возбуждения в системе. Рассмотрим связанную сеть нейронных клеток. Пусть z будет ожидаемым координационным числом, то есть ожидаемым числом соседей случайно выбранной ячейки запроса. Предположим, что в момент времени t возбуждены некоторые нейроны в сети. Пусть q t обозначает количество этих нейронов по отношению к общему количеству ячеек во всей сети.Если значение z достаточно велико, то количество возбужденных нейронов среди всех соседей данного нейрона можно оценить как zq t . Пусть p будет вероятностью активации нейронов в ответ на активацию по крайней мере одного нейрона от его ближайших соседей, и предположим, что все возбуждающие сигналы независимы. Таким образом, вероятность того, что данный нейрон активирован, равна, и, следовательно, ожидаемая доля всех возбужденных нейронов на временном шаге t + 1 равна:
    (2)

    Диапазон динамики, которую способна воспроизвести модель (2), резюмирован в Предложении 1.

    Предложение 1. Рассмотрим (2) и пусть p ∈ (0, 1), z> 0 — константы. Тогда интервал [0, 1] инвариантен вперед, все прямые орбиты q t являются монотонными функциями t, а точечное отображение (2) имеет только неподвижные точки в качестве аттракторов. Кроме того

    1. если — z log (1 — p) ≤ 1, то карта имеет только одну фиксированную точку, и это аттрактор;
    2. если −z log (1 — p)> 1, то карта имеет только две фиксированные точки, которые являются репеллером, а другая — устойчивым аттрактором.

    Доказательство утверждения 1 приведено в Приложении.

    Согласно предложению 1, асимптотическая динамика среднего поля (3) сети представляет собой устойчивую активность в состоянии равновесия во всей области допустимых параметров модели: p ∈ (0, 1), z> 0. Более того, все переходные процессы являются монотонными траекториями. Возникновение уникальной ненулевой асимптотической активности полностью определяется значениями параметра связности z и вероятности нейронной активации p.Критические значения этих параметров, например критическая связность, при которой происходит переход, удовлетворяет:
    (3)

    Для, это отношение примерно обратное:. Действительно, выражая из (3) и разлагая в степенной ряд по, получаем:

    Величину устойчивого равновесия,, можно оценить следующим образом. В устойчивом состоянии мы это имеем. Следовательно, . Хорошо известно, что (1 — x) e −1 <(1 - x) 1 / x для всех x ∈ (0, 1).Таким образом

    Обратите внимание на то, что чем больше значение параметра связности z, тем выше уровень средней активности сети.

    Хотя модель (3) согласуется с самым основным наблюдением, что увеличение общей связности сети может привести к возникновению самоподдерживающейся активности в сети, объяснительные возможности модели ограничены. Модель не объясняет широко сообщаемого богатства динамики живых культур нейронов, включая появление спонтанных всплесков активности и нерегулярных и кажущихся хаотическими всплесков.

    Это ограничение неудивительно, поскольку (2) является грубым приближением динамики сети. Модель (2) не учитывает широкий спектр биологических механизмов, участвующих в генерации спайков, и предполагает, что способность нейрона производить спайки зависит исключительно от стимуляции. Возможный способ преодолеть это нереалистичное предположение — явным образом учесть эти недостающие механизмы. Чтобы модель оставалась простой, мы учитываем совместное действие этих механизмов, добавляя к (2) одну энергетическую переменную E t .Новая переменная определяет способность нейрона / сети производить всплеск в зависимости от количества доступных ресурсов или «энергии». Общие модели этого типа были предложены и проанализированы в [27, 35] в контексте адаптации к стрессу и факторам внешней среды. Было показано, что эти модели отражают периодическое и нерегулярное поведение в многоагентных системах [28].

    Здесь мы расширяем исходную феноменологическую модель среднего поля (2) следующим образом:
    (4)
    где

    и — функция Хевисайда.В (4) p — максимальная вероятность активации нейрона, z> 0 — координационное число, E t — экзогенная феноменологическая переменная «энергетический ресурс»; r> 0 — затраты энергии на активацию нейронов, w> 0 — параметры, определяющие минимальную вероятность активации и порог активации энергии, — значение восстановления энергии, ε ∈ (0, 1) — параметр релаксации энергии. Общий вид функции энергозависимого компонента синаптической эффективности показан на рисунке 3.

    Модель среднего поля (4) сетевой динамики наследует феноменологическую прозрачность (3). Однако он учитывает общие ограничения генерации спайков через новую энергетическую переменную E t и модулированную энергией синаптическую эффективность. Несмотря на сохраняющуюся простоту, модель демонстрирует удивительно богатую динамику. Однако его равновесие все еще может быть описано всего несколькими параметрами, как следует из предложения 2 ниже.

    Предложение 2 Рассмотрим (4) с p ∈ (0, 1).Тогда домен инвариантен вперед. Кроме того,

    1. Если
      то (4) имеет только одну неподвижную точку:
      (5)
      Эта неподвижная точка является аттрактором, когда
      .
    2. Если
      и тогда (4) имеет не более двух неподвижных точек: неподвижную точку (5) и, если существует, дополнительную неподвижную точку:
      (6)
      Фиксированная точка
      отпугиватель.
    3. Если
      и тогда (4) имеет не более трех неподвижных точек. Фиксированная точка, указанная в (5), и, возможно, две дополнительные фиксированные точки: фиксированная точка, указанная в (6), и фиксированная точка (7)
      Фиксированная точка
      это отпугиватель, и
      , если существует, является устойчивым аттрактором.

    Доказательство утверждения 2 приведено в Приложении.

    Иллюстрация, показывающая взаимосвязь между параметрами модели и возникновением трех различных равновесий, описанных в Предложении 2, представлена ​​на рис. 4. Равновесия показаны белыми кружками. Зеленые линии показывают кривые
    (8)
    как функции от q *> 0. Согласно первому уравнению (4), все положения равновесия модели с q * ≠ 0 должны принадлежать этим кривым (см. также доказательство предложения 2 в Приложении).В зависимости от значения z кривые перемещаются вверх и вниз и пересекаются с отрезками прямых (показаны сплошными красными линиями на рис. 4):

    а также

    Рис 4. Расположение равновесий в (4).

    Параметры модели были заданы следующим образом: w = 1,5, p = 0,1,,, ε = 0,05, r = 10, где z принимает значения из набора {10, 12.2, 25, 50} (эти значения обозначены как z 1 , z 2 , z 3 и z 4 ).

    https://doi.org/10.1371/journal.pone.0218304.g004

    Эти пересечения соответствуют положениям равновесия (6) и (7) соответственно. Равновесия сохраняются на интервалах z, и точные нижние границы этих интервалов (критические значения z) равны:
    (9)

    Отметим также (см. Доказательство предложения 2), что положения равновесия (6) всегда находятся выше или на линии E = rq (оранжевая пунктирная линия на рис. 4), тогда как состояния равновесия (7) должны находиться ниже этой линии.

    Согласно предложениям 1, 2, модели (2) и (4) имеют некоторое сходство.При достаточно малом z все орбиты притягиваются к единому равновесию. В этом равновесии системы молчат. Когда z увеличивается и в конечном итоге превышает первое критическое значение (уравнение (3) для (2) и для (4)), тихое равновесие становится отталкивающим, и системы начинают проявлять ненулевую активность. Однако дальнейшее увеличение z вызывает в этих моделях совершенно иную динамику.

    Все орбиты модели (2) с q 0 ≠ 0, как это обеспечивается предложением 1, монотонно сходятся к одному ненулевому стационарному состоянию независимо от того, насколько большими становятся значения z.Спектр орбит в модели (4) иной. Наши численные эксперименты показали, что модель способна генерировать не только состояния равновесия, но и периодические орбиты. Более того, для широкого диапазона параметров он создавал сложные и, казалось бы, хаотические движения. Примеры этих сложных движений показаны на рис. 5. Заметим, что параметры модели, соответствующие траекториям на рис. 5, удовлетворяют утверждению 2) предложения 2. В этом случае может существовать не более двух состояний равновесия. Как видно из рис. 5, эти состояния равновесия (фиксированные точки (5) и (6)) не притягивают орбиты, и траектории кажутся хаотическими с некоторой очевидной перемежаемостью.

    Рис 5. Сложное поведение орбит, порожденных (4).

    Верхние панели соответствуют z = 210, r = 1, а нижние панели показывают динамику (4) для z = 135, r = 1,5. Остальные параметры модели: w = 1,5, p = 0,1«, ε = 0,05. Зеленые кривые показывают (8), сплошная красная линия показывает, а пунктирная оранжевая линия соответствует E * = rq *. Пересечение сплошной зеленой и красной кривых над пунктирной кривой указывает на равновесие (6). На левых панелях представлена ​​эволюция q t и E t в зависимости от t.Правые панели показывают значения пар (q t , E t ) для t ∈ [2,8 ⋅ 10 5 , 3 ⋅ 10 5 ].

    https://doi.org/10.1371/journal.pone.0218304.g005

    Чтобы получить дополнительное представление о динамике модели, мы численно исследовали асимптотические режимы (4) для различных значений z, и r. Остальные параметры были следующими: ε = 0,05, w = 1,5« p = 0,1. Результаты этих экспериментов приведены на рисунках 6-8 (см. «Материалы и методы» для получения подробной информации о шагах, предпринятых для получения этих рисунков).В этих экспериментах значения выбирались из равномерной равномерно распределенной сетки из 21 точки в интервале [1, 3]. Эта сетка показана серыми пунктирными горизонтальными линиями на рис. 6–8. Параметр z изменялся адаптивно (приращения составляли от 0,1 в интервалах (0, 50) и (200, 300) до 5 в интервале (50, 200)). Для этих значений параметров модели оценивался тип модели. асимптотической динамики и сопоставил их с соответствующими параметрическими областями, которые показаны разным цветом на рисунках 6–8.

    Рис 6. Сложная динамика модели (4).

    Верхний ряд: параметрический портрет качественной динамики модели (4) в области при r = 1, w = 1,5, p = 0,1« ε = 0,05. Белые области показывают области параметров, в которых была обнаружена только одна фиксированная точка (5). Эта неподвижная точка является аттрактором. Синяя область, граничащая с белой, соответствует случаю, когда неподвижная точка (5) становится отражателем и возникает второе равновесие (6). Равновесие (6) локально асимптотически устойчиво. Зеленые области — это области, в которых была обнаружена притягивающая периодическая орбита.Красные и фиолетовые области соответствуют областям, в которых наблюдалась сложная хаотическая динамика. Черные звезды * указывают на наблюдаемое сосуществование нескольких аттракторов. Вход, связанный с серой областью, показывает теоретические оценки границ перехода (пунктирные синие и зеленые линии) по сравнению с наблюдаемыми в экспериментах. A, B, C, D, E, F: типичная динамика, наблюдаемая в соответствующих параметрических областях.

    https://doi.org/10.1371/journal.pone.0218304.g006

    Рис. 7. Сложная динамика модели (4).

    Верхний ряд: параметрический портрет качественной динамики модели (4) в области при r = 1,5, w = 1,5, p = 0,1« ε = 0,05. Белые области показывают области параметров, в которых была обнаружена только одна фиксированная точка (5). Эта неподвижная точка является аттрактором. Синяя область, граничащая с белой, соответствует случаю, когда неподвижная точка (5) становится отражателем и возникает второе равновесие (6). Равновесие (6) локально асимптотически устойчиво. Зеленые области — это области, в которых была обнаружена притягивающая периодическая орбита.Красные и фиолетовые области соответствуют областям, в которых наблюдалась сложная хаотическая динамика. Черные звезды * указывают на наблюдаемое сосуществование нескольких аттракторов. Бирюзово-голубые острова отмечают регионы, в которых наблюдались всплески траектории. Вход, связанный с серой областью, показывает теоретические оценки границ перехода (пунктирные синие и зеленые линии) по сравнению с наблюдаемыми в экспериментах. A, B, C, D, E, F: типичная динамика, наблюдаемая в соответствующих параметрических областях.

    https: // doi.org / 10.1371 / journal.pone.0218304.g007

    Рис. 8. Сложная динамика модели (4).

    Верхний ряд: параметрический портрет качественной динамики модели (4) в области при r = 10, w = 1,5, p = 0,1« ε = 0,05. Белые области показывают области параметров, в которых была обнаружена только одна фиксированная точка (5). Эта неподвижная точка является аттрактором. Синяя область, граничащая с белой, соответствует случаю, когда неподвижная точка (5) становится отражателем и возникает второе равновесие (6). Равновесие (6) локально асимптотически устойчиво.Зеленые области — это области, в которых была обнаружена притягивающая периодическая орбита. Красная область соответствует областям, где наблюдалась сложная хаотическая динамика. Черная линия указывает границу, за которой сосуществование множественных аттракторов постоянно наблюдалось во всех экспериментах. Вход, связанный с серой областью, показывает оценки границ переходов (пунктирная синяя (в (9)), зеленая и черная (в (9)) линии) относительно границ, наблюдаемых в экспериментах. Желтой областью показана область, в которой все траектории сходились к (7).A, B, C, D: типичная динамика, наблюдаемая в соответствующих параметрических областях.

    https://doi.org/10.1371/journal.pone.0218304.g008

    Согласно рисункам 6–8, развитие и эволюция динамики (4) следует устойчивой схеме. При фиксированном значении и малом z траектории модели сходятся к единственному аттрактору (фиксированная точка 5). Этот аттрактор соответствует состоянию системы, в котором никакие элементы / нейроны не возбуждены. Когда значение z увеличивается и превышает (указано в (9) и показано синими пунктирными линиями в 6–8), равновесие (5) становится отражателем, и возникает второе равновесие (фиксированная точка (6).Численная оценка собственных значений якобиана в этом состоянии равновесия показала, что он локально асимптотически устойчив. Дальнейшие приращения z приводят к тому, что неподвижная точка (6) теряет устойчивость в результате бифуркации Неймарка-Сакера, и возникает притягивающая периодическая орбита. Граница этого перехода изображена пунктирными линиями зеленого цвета на рис. 6–8. По мере того, как мы продолжаем увеличивать значения z, в конечном итоге возникает нетривиальная и сложная динамика (красная область на рис. 6–8). Сложные орбиты и поведение сохраняются в интервалах значений z.

    Возникновение богатых паттернов активности в нейронах как прямой результат сетевых подключений было исследовано в [36]. В [36] было обнаружено, что генерация и пространственно-временные модели распространения были наиболее изменчивыми в сетях с промежуточной кластеризацией и наименьшими в однородных сетях. В то время как наша модель (4) не позволяет явно различать кластерную и однородную связность, рисунки 6–8 отражают общий эффект связности на динамику системы: богатые и сложные траектории возникают при «промежуточных» значениях параметра связности z (см. .грамм. Рис 8). Рис. 6–8 также показывает, что точные границы таких «промежуточных» значений z могут зависеть от значений других параметров модели.

    Обратите внимание, что некоторые из сложных траекторий, показанных на панели C, 8, в конечном итоге сходятся к устойчивому равновесию, заданному формулой (7). Это эмпирическое проявление медленных релаксаций и критических запаздываний в модели (4) [37], [38]. При достаточно большом z эти сложные орбиты исчезают и сводятся к периодическим орбитам, рис. 6 и 7, или простым равновесиям, рис. 8.

    Динамика всплесков среднего поля, например на панелях D и E на фиг. 6 и 7, напоминает всплески популяции, наблюдаемые в живых эволюционирующих культурах нейронов. Важным фактором в успешном воспроизведении этого поведения была энергетическая переменная E t в сочетании с зависящей от энергии вероятностью активации. Модель среднего поля, однако, не учитывает пространственные эффекты и, как таковая, является лишь грубым приближением распространения активности в культурах нейронов. В следующем разделе мы расширяем предложенную модель среднего поля (4) на многоагентную сеть с рандомизированной энергозависимой активацией и численно оцениваем соответствующие параметры ее динамики, включая распределение размеров и продолжительности схода лавин.

    Многоагентная модель возбуждения нейронов.

    В качестве естественного расширения (4) мы рассматриваем связанную сеть из N нейронов. Топология сети определяется матрицей смежности C, элементами которой c ij являются:

    Никакие ссылки от узла к самому себе не разрешены, но циклы разрешены. Для простоты всем ссылкам в сети присвоены равные веса, значение которых было принято равным 1. Для данной матрицы смежности C мы определили среднее количество входов, 〈N в 〉, и среднее количество выходы 〈N out

    Динамика каждого i-го узла в сети описывается двумя переменными: переменной активности, и переменной энергии,.Уравнения, управляющие эволюцией этих переменных, были определены следующим образом:
    (10)
    где

    а также

    Переменные q i, t принимают значения в наборе {0, 1}, а E i, t находятся в интервале. Функция такая же, как в (4).

    Феноменологическая мотивация динамики отдельных узлов в модели (10) аналогична таковой в модели среднего поля (4). Однако есть несколько ключевых отличий. Эволюция переменных q i, t и E i, t в (10) явно учитывает топологию локальной сети и напрямую зависит от активности соседних ячеек узла (в отличие от средней связности z и активности в (4 )).Уравнение баланса энергии, второе уравнение в (10), учитывает затраты на передачу активных сигналов на входе нейрона (член) и генерацию сигналов активности на выходе нейрона (член). Если уровень энергии узла недостаточен для запуска всплеска, то в момент t + 1 всплески не генерируются. Последнее свойство трудно полностью уловить на уровне приближения среднего поля, так как низкие подпороговые значения объемной энергии не обязательно подразумевают отсутствие активности на уровне отдельных нейронов (см.Предложение 2, альтернатива 3 и рис. 4).

    В наших численных экспериментах мы сосредоточились в основном на полносвязных сетях, для которых c ij = 1 — δ ij , где δ ij — дельта Кронекера. Добавление части тормозящих связей не привело к качественным изменениям в динамике сети. Эти упрощения согласуются с подходами и наблюдениями, описанными в более ранних работах [23]. Параметры модели установлены следующим образом:

    а параметры r 1 и r 2 менялись в интервалах [1, 1.5] и [4, 6] соответственно.

    Были смоделированы прямые орбиты модели (10) для различных начальных условий и значений параметров, а также определены размеры и длительность лавин взрывных событий. В наших экспериментах лавины определялись как события, соответствующие интервалам T j = [t j , t j + 1 ] ненулевой активности возгорания сети таким образом, что для всех t ∈ [T j ] а также . Каждая орбита моделировалась для 10 6 временных шагов с q i, 0 = 0, i = 1,…, N и E i, 0 , i = 1,…, N, выбранными случайным образом в интервале.Для каждой орбиты собрана статистика размеров и продолжительности наблюдаемых лавин. Краткое описание этих экспериментов показано на рисунках 9 и 10. На рисунке 9 представлены гистограммы размеров и продолжительности в зависимости от параметров r 1 и r 2 в (10). Как видно из этого рисунка, энергетическая обратная связь может подавлять системные события в сетях, использующих одни и те же топологии графов, и параметры этой обратной связи могут влиять на показатели гистограмм размера и продолжительности.В частности, мы наблюдали, что увеличение значений ε приводит к увеличению количества событий, связанных с размером системы, и в конечном итоге переводит систему в сверхкритическое состояние.

    Рис. 10. Статистика размеров и продолжительности сходов лавин для r 2 = 5,5, r 1 = 1,1 и их оценочных показателей.

    Красные столбцы указывают интервалы, в пределах которых значения эмпирических частот варьировались в 10 различных моделях. Синие кривые показывают средние эмпирические значения. Пунктирная серая кривая на нижнем графике показывает часть кривой, соответствующую событиям, для которых данные были ограничены всего несколькими записями.

    https://doi.org/10.1371/journal.pone.0218304.g010

    На рис. 10 показаны статистические данные и оценочные показатели лавин для r 2 = 5,5, r 1 = 1,1. Расчетные показатели близки к тем, которые сообщаются для живых культур нейронов [7], [8], [39]. Обратите внимание на то, что кривые размера и продолжительности имеют заметные выступы (ср. [39], рис. 2; [40], рис. 3–6), хотя и другие и менее заметные показатели, чем те, которые описаны в [39].

    Активность отдельных узлов как функция t оказалась синхронизированной с пиками соответствующих им энергетических переменных.Аналогичная зависимость наблюдалась и в приближении среднего поля. Эти наблюдения предполагают, что экзогенная энергия может быть важным фактором в понимании динамики нейронных сетей. В дополнение к отношениям связность-активность, раскрытым, например, в [17], [23], здесь мы показываем, что баланс энергии может модулировать динамику паттернов активности в сети. Действительно, в наших экспериментах сеть была полностью подключена, и поэтому ее подключение всегда превышало порог перколяции сети.Тем не менее, как показано на рис. 9, возникновением и параметрами событий системного размера в таких системах можно управлять с помощью баланса энергии в отдельных узлах. Это приводит к функциональной динамической кластеризации в модели, в отличие от кластеризации, вызванной просто подключением к сети.

    Семинар по динамике

    Дата: 28.01.2011

    Спикер: Антуан Жюльен (UVic)

    Название: Сложность обрезки и проектирования плитки.

    Аннотация:
    Изучение апериодических мозаик стимулировалось открытием, сделанным в раннем
    1980-е, из странного сплава.Хотя он заслуживает того, чтобы называться
    «кристалл», его атомы не расположены по периодической схеме. В
    родился первый квазикристалл.

    В этом докладе я расскажу о методе вырезания и проецирования, который использовался для
    привести много интересных примеров, таких как мозаика Пенроуза или октогональ
    черепица. Сам тайлинг Пенроуза является моделью для некоторых квазикристаллов.
    Тайлинги, полученные этим методом, хоть и непериодичны, но очень
    «упорядоченные» и очень далеки от случайных мозаик.

    Мы измеряем этот «апериодический порядок» с помощью функции сложности, которая
    подсчитывает количество различных узоров заданного размера.d-SFT X с
    алфавит A и энтропия не менее (log | A |) — B (d) имеет единственную m.m.e. Мы будем
    также представьте несколько примеров и предысторию, чтобы проиллюстрировать, как этот результат
    сравнивается с другими достаточными условиями в литературе.


    «Динамика и колебания магнитострикционных преобразователей» Дэвида Л. Холла

    Абстрактные

    Проведены инженерные исследования динамики и колебаний магнитострикционных преобразователей. Преобразователи исследуются с точки зрения линейных систем.Вход в систему — электрический ток. Выход системы — смещение. Проведено сравнение классических уравнений линейного преобразования слабого сигнала для материала и уравнения для электромеханического преобразователя, содержащего материал. Получена магнитомеханическая модель в предположении, что магнитострикционный стержень ведет себя как линейная пружина. Модель является выражением комплексной, зависящей от частоты, связи и нагрузки магнитной проницаемости магнитострикционного материала внутри преобразователя.Одномерные аналитические линейные электромагнитные модели с постоянным параметром цилиндрических магнитострикционных преобразователей получены для стационарного состояния, осциллирующей напряженности магнитного поля как функции радиального положения, электрического тока и частоты возбуждения H (r, l, [омега]). Первая электромагнитная модель представляет собой классическое решение для цилиндрического проводящего стержня в соленоиде из намотанной проволоки. Вторая электромагнитная модель предназначена для цилиндрических преобразователей с внешним проводящим цилиндрическим корпусом.Обе модели игнорируют конечные эффекты. Результатом являются электромагнитно-магнитомеханические модели цилиндрических магнитострикционных преобразователей, включающие как эффекты вихревых токов, возникающих в компонентах преобразователя, так и динамические эффекты. Модели сформулированы для расчета функций электрического импеданса, Z [индекс] ee ([omega]), которые будут измеряться на электрических клеммах преобразователей при работе в их линейном диапазоне работы с известной нагрузкой. Обе модели моделируют отличительные характеристики связанной электромеханической системы, т.е.е., большие изменения в зависимости от частоты происходят в величине и фазе электрического импеданса вблизи механической резонансной частоты. Отключение динамических эффектов в числовом виде позволяет вычислить, каким будет заблокированный электрический импеданс преобразователей, Z [нижний индекс] e ([омега]). Знание Z [нижний индекс] ee ([omega]) и Z [нижний индекс] e ([omega]) позволяет рассчитать коэффициенты преобразования, включая влияние вихревых токов и механической нагрузки, подключенной к преобразователю. Отсюда можно рассчитать количество, представляющее инженерный интерес.Проводятся сравнения экспериментальных измерений и моделирования функций электрического импеданса преобразователя и смещения преобразователя от функций частотной характеристики тока.