Browsing by Author "Eroğlu, Deniz"

Now showing 1 - 8 of 8

Citation - WoS: 4
Citation - Scopus: 7
Collective dynamics of random Janus oscillator networks
(AMER PHYSICAL SOC, 2020) Peron, Thomas; Eroğlu, Deniz; Rodrigues, Francisco A.; Moreno, Yamir; Molecular Biology and Genetics; 05. Faculty of Engineering and Natural Sciences; 01. Kadir Has University
Janus oscillators have been recently introduced as a remarkably simple phase oscillator model that exhibits nontrivial dynamical patterns-such as chimeras, explosive transitions, and asymmetry-induced synchronization-that were once observed only in specifically tailored models. Here we study ensembles of Janus oscillators coupled on large homogeneous and heterogeneous networks. By virtue of the Ott-Antonsen reduction scheme, we find that the rich dynamics of Janus oscillators persists in the thermodynamic limit of random regular, Erdos-Renyi, and scale-free random networks. We uncover for all these networks the coexistence between partially synchronized states and a multitude of solutions of a collective state we denominate as a breathing standing wave, which displays global oscillations. Furthermore, abrupt transitions of the global and local order parameters are observed for all topologies considered. Interestingly, only for scale-free networks, it is found that states displaying global oscillations vanish in the thermodynamic limit.
Fizik Tabanlı Elektrik Şebekesi Yeniden İnşası: Karmaşık Sistemler Perspektifi
(2025) Rezaeinazhad, Arash Mohammadian; Eroğlu, Deniz; Molecular Biology and Genetics; 05. Faculty of Engineering and Natural Sciences; 01. Kadir Has University
Enerji, modern yas¸amın tum y ¨ onlerini beslerken, elektrik s¸ebekesi bu sistemin temel ¨ altyapısını olus¸turur. Ancak bu s¸ebeke, buy¨ uk¨ olc¸ekli, do ¨ grusal olmayan ve mek ˘ ana ˆ gom¨ ul¨ u yapısıyla insan eliyle yapılmıs¸ en karmas¸ık sistemlerden biridir. K ¨ uc¸¨ uk bir bozul- ¨ ma bile ardıs¸ık arızaları tetikleyerek genis¸ c¸aplı elektrik kesintilerine ve toplumsal etkilere yol ac¸abilir. Gunes¸ ve r ¨ uzg ¨ ar gibi yenilenebilir kaynaklara gec¸is¸in hızlanmasıyla birlikte, ˆ s¸ebeke degis¸kenlik ve merkezsiz ˘ uretim gibi yeni zorluklarla kars¸ı kars¸ıyadır. Bu nedenle, ¨ s¸ebekenin kararlılıgını ve dayanıklılı ˘ gını sa ˘ glamak hem bilimsel bir zorunluluk hem de ˘ pratik bir ihtiyac¸ haline gelmis¸tir. ˆ Bu tez, karmas¸ık sistemler bakıs¸ ac¸ısıyla tasarlanmıs¸ ac¸ık kaynaklı bir yazılım hattı sunar. Bu hat, ac¸ık eris¸imli cografi verileri kullanarak y ˘ uksek gerilimli iletim a ¨ gı modelleri ˘ olus¸turmayı mumk ¨ un kılar. Y ¨ ontem genel olarak uygulanabilir olsa da, detaylı bir ¨ ornek ¨ c¸alıs¸ma olarak Turkiye elektrik iletim s¸ebekesi ele alınmıs¸tır. Ac¸ık eris¸imli, fiziksel olarak ¨ detaylı s¸ebeke modellerinin azlıgını gidermek amacıyla, OpenStreetMap verileri is¸lenerek ˘ MATLAB MATPOWER ile uyumlu modeller uretilmis¸tir. Ortaya c¸ıkan veri seti; hat ¨ empedansları, termal sınırlar ve yuk da ¨ gılımları gibi temel elektriksel parametreleri ic¸erir. ˘ Bu parametreler muhendislik tahminleriyle elde edilip g ¨ uc¸ akıs¸ı ac¸ısından do ¨ grulanmıs¸tır. ˘ ˙Iki ornek c¸alıs¸ma, yazılım aracının ve olus¸turulan veri setinin yararlılı ¨ gını g ˘ ostermektedir. ¨ ˙Ilk c¸alıs¸ma, senkronizasyon kararlılıgını, kararsızlı ˘ gın erken uyarı sinyallerini tespit et- ˘ mek ic¸in stokastik perturbasyon analizi kullanarak incelemektedir. ¨ ˙Ikinci c¸alıs¸ma ise termal as¸ırı yuklenmelere ba ¨ glı ardıs¸ık arızaları aras¸tırmakta, kırılgan iletim hatlarını belir- ˘ lemekte ve dayanıklılıgı artırmak ic¸in hedefe y ˘ onelik g ¨ uc¸lendirme ¨ onerileri sunmaktadır. ¨ Bu ornekler, elektrik s¸ebekesi dinamiklerini modellemede fiziksel ve yapısal gerc¸ekc¸ili ¨ gin ˘ onemini vurgulamaktadır. ¨ Bu c¸alıs¸maların otesinde, veri seti ve yazılım aracı, g ¨ uc¸ sistemi modellemesi ic¸in ¨ olc¸ekle- ¨ nebilir ve tekrarlanabilir bir c¸erc¸eve sunmaktadır. Yenilenebilir entegrasyonu, genis¸leme planlaması, dayanıklılık analizi ve gerc¸ek zamanlı izleme gibi uygulamaları desteklemektedir. Hem arac¸ların hem de verilerin kamuya ac¸ık hale getirilmesiyle, bu tez modern enerji altyapısının kararlılıgı ve s ˘ urd ¨ ur¨ ulebilirli ¨ gi˘ uzerine veri odaklı, disiplinlerarası ¨ aras¸tırmalara katkı saglamaktadır. ˘ Anahtar Sozcükler: Elektrik S¸ ebekesi Altyapısı, OpenStreetMap Veri Entegrasyonu, Karmas¸ık Sistemler Analizi, Senkronizasyon, Kararlılık
Citation - WoS: 11
Citation - Scopus: 13
Holocene Climate Forcings and Lacustrine Regime Shifts in the Indian Summer Monsoon Realm
(Wıley, 2020) Prasad, Sushma; Marwan, Norbert; Eroğlu, Deniz; Goswami, Bedartha; Mishra, Praveen Kuma; Gaye, Birgit; Anoop, Akhil; Stebich, Martina; Jehangir, Arshid; Basavaiah, Nathani; Molecular Biology and Genetics; 05. Faculty of Engineering and Natural Sciences; 01. Kadir Has University
Extreme climate events have been identified both in meteorological and long-term proxy records from the Indian summer monsoon (ISM) realm. However, the potential of palaeoclimate data for understanding mechanisms triggering climate extremes over long time scales has not been fully exploited. A distinction between proxies indicating climate change, environment, and ecosystem shift is crucial for enabling a comparison with forcing mechanisms (e.g. El-Nino Southern Oscillation). In this study we decouple these factors using data analysis techniques [multiplex recurrence network (MRN) and principal component analyses (PCA)] on multiproxy data from two lakes located in different climate regions - Lonar Lake (ISM dominated) and the high-altitude Tso Moriri Lake (ISM and westerlies influenced). Our results indicate that (i) MRN analysis, an indicator of changing environmental conditions, is associated with droughts in regions with a single climate driver but provides ambiguous results in regions with multiple climate/environmental drivers; (ii) the lacustrine ecosystem was 'less sensitive' to forcings during the early Holocene wetter periods; (iii) archives in climate zones with a single climate driver were most sensitive to regime shifts; (iv) data analyses are successful in identifying the timing of onset of climate change, and distinguishing between extrinsic and intrinsic (lacustrine) regime shifts by comparison with forcing mechanisms. Our results enable development of conceptual models to explain links between forcings and regional climate change that can be tested in climate models to provide an improved understanding of the ISM dynamics and their impact on ecosystems. (c) 2020 John Wiley & Sons, Ltd.
Citation - WoS: 20
Citation - Scopus: 21
Multifaceted Dynamics of Janus Oscillator Networks
(Amer Physical Soc., 2019) Nicolaou, Zachary G.; Eroğlu, Deniz; Motter, Adilson E.; Molecular Biology and Genetics; 05. Faculty of Engineering and Natural Sciences; 01. Kadir Has University
Recent research has led to the discovery of fundamental new phenomena in network synchronization including chimera states explosive synchronization and asymmetry-induced synchronization. Each of these phenomena has thus far been observed only in systems designed to exhibit that one phenomenon which raises the questions of whether they are mutually compatible and if so under what conditions they co-occur. Here we introduce a class of remarkably simple oscillator networks that concurrently exhibit all of these phenomena. The dynamical units consist of pairs of nonidentical phase oscillators which we refer to as Janus oscillators by analogy with Janus particles and the mythological figure from which their name is derived. In contrast to previous studies these networks exhibit (i) explosive synchronization with identical oscillators, (ii) extreme multistability of chimera states including traveling intermittent and bouncing chimeras, and (iii) asymmetry-induced synchronization in which synchronization is promoted by random oscillator heterogeneity. These networks also exhibit the previously unobserved possibility of inverted synchronization transitions in which a transition to a more synchronous state is induced by a reduction rather than an increase in the coupling strength. These various phenomena are shown to emerge under rather parsimonious conditions and even in locally connected ring topologies which has the potential to facilitate their use to control and manipulate synchronization in experiments.
Network Dynamics Reconstruction From Data
(Scıentıfıc Technıcal Research Councıl Turkey-Tubıtak, 2020) Eroğlu, Deniz; Molecular Biology and Genetics; 05. Faculty of Engineering and Natural Sciences; 01. Kadir Has University
We consider the problem of recovering the model of a complex network of interacting dynamical units from time series of observations. We focus on typical networks which exhibit heterogeneous degrees, i.e. where the number of connections varies widely across the network, and the coupling strength for a single interaction is small. In these networks, the behavior of each unit varies according to their connectivity. Under these mild assumptions, our method provides an effective network reconstruction of the network dynamics. The method is robust to a certain size of noise and only requires relatively short time series on the state variable of most nodes to determine: how well-connected a particular node is, the distribution of the nodes' degrees in the network, and the underlying dynamics.
Network Reconstruction From Data
(Kadir Has Üniversitesi, 2023) Kement, İrem Topal; Eroğlu, Deniz; Molecular Biology and Genetics; 05. Faculty of Engineering and Natural Sciences; 01. Kadir Has University
Güç şebekeleri, ekosistem, iklim, nöron ağları ve bir hastalığın küresel ölçekte yayılması gibi hayatımızın temel bileşenlerinin bir ortak noktası vardır: karmaşık ağlar üzerinde etkileşen dinamik birimler olarak modellenebilmeleri. Pek çok örnekte, karmaşık sistemlerden elde edilen veriler doğal bir ağ yapısını temsil eder veya sistem özünde ağ yapısında olmasa bile bir ağ gibi modellenebilir. Ağ dinamiğini bilmek, bu karmaşık sistemlerden istenen işlevselliği elde etmek, dolayısıyla gelecekteki durumunu tahmin etmek ve kontrol etmek için çok önemlidir. Örneğin beynimizdeki nöron ağlarının etkileşimindeki normal olmayan değişiklikler patolojik durumlara yol açabileceğinden, bu ağlar insan sağlığı için önemli bir dinamik ağ sınıfını oluştururlar. Epilepsi krizleri nöron ağlarının etkileşimlerinin değişmesi ile beliren ağ senkronizasyonu ile ilişkilidir. Bu tip istenmeyen nöronal senkronizasyona kritik geçişleri önceden tahmin etmek ve erken uyarı sinyallerini tespit edecek teknolojileri icat etmek hayati önem taşır. Nöronların iç dinamikleri ve aralarındaki bağlantı şemasından oluşan nöron ağlarında, senkronizasyona kritik geçiş doğrudan belirlenemez. Bu nedenle amaç, parametre değişikliklerinden kaynaklanan kritik geçişleri tahmin etmek için ağ dinamiğinin denklemini her bir düğümden elde edilen ölçüm verisinden öğrenmektir. Bu doktora çalışması, dinamik sistemler teorisinden ortalama alan yaklaşımlarını istatistiksel öğrenme araçlarıyla birleştirerek zaman serisi gözlemlerinden dinamik bir ağı yeniden yapılandırma yaklaşımı sunar. Önerilen veri güdümlü yeniden yapılandırma yaklaşımı iki temel varsayımda bulunur: sinirbilimsel bir model ve tüm düğümlerin verisine tam erişim. Buna karşılık, düğümlerin iç dinamikleri, aralarındaki bağlantı yapısı ve etkileşim şekli bilinmez. Sinirbilimsel koşullar, nöronların iç dinamiğinin kaotik davranış göstermesi, zayıf bir etkileşimde olmaları ve ölçekten bağımsız bir ağ ile temsil edilmeleri olarak sıralanır. Metodolojimiz tüm bilinmeyenleri nispeten kısa zaman serileri kullanarak doğru bir şekilde öğrenir ve ağ boyutundan bağımsızdır. Kısa süreli ölçüm ve büyük ağlarda başarı gerçek dünya örneklerine yaklaşabilmemiz için önemli iki kısıt olarak ele alınmıştır. Sonuç olarak, veriden öğrenilmiş ağ modeli tüm parametreleri kontrol edebilmemize ve karmaşık ağın kolektif davranışını tahmin edebilmemize izin verir.
Citation - WoS: 16
Citation - Scopus: 19
Recurrence analysis of extreme event-like data
(COPERNICUS GESELLSCHAFT MBH, 2021) Banerjee, Abhirup; Goswami, Bedartha; Hirata, Yoshito; Eroğlu, Deniz; Merz, Bruno; Kurths, Juergen; Marwan, Norbert; Molecular Biology and Genetics; 05. Faculty of Engineering and Natural Sciences; 01. Kadir Has University
The identification of recurrences at various time-scales in extreme event-like time series is challenging because of the rare occurrence of events which are separated by large temporal gaps. Most of the existing time series analysis techniques cannot be used to analyze an extreme event-like time series in its unaltered form. The study of the system dynamics by reconstruction of the phase space using the standard delay embedding method is not directly applicable to event-like time series as it assumes a Euclidean notion of distance between states in the phase space. The edit distance method is a novel approach that uses the point-process nature of events. We propose a modification of edit distance to analyze the dynamics of extreme event-like time series by incorporating a nonlinear function which takes into account the sparse distribution of extreme events and utilizes the physical significance of their temporal pattern. We apply the modified edit distance method to event-like data generated from point process as well as flood event series constructed from discharge data of the Mississippi River in the USA and compute their recurrence plots. From the recurrence analysis, we are able to quantify the deterministic properties of extreme event-like data. We also show that there is a significant serial dependency in the flood time series by using the random shuffle surrogate method.
Citation - WoS: 21
Citation - Scopus: 22
Revealing Dynamics, Communities, and Criticality From Data
(Amer Physical Soc, 2020) Eroğlu, Deniz; Tanzi, Matteo; van Strien, Sebastian; Pereira, Tiago; Molecular Biology and Genetics; 05. Faculty of Engineering and Natural Sciences; 01. Kadir Has University
Complex systems such as ecological communities and neuron networks are essential parts of our everyday lives. These systems are composed of units which interact through intricate networks. The ability to predict sudden changes in the dynamics of these networks, known as critical transitions, from data is important to avert disastrous consequences of major disruptions. Predicting such changes is a major challenge as it requires forecasting the behavior for parameter ranges for which no data on the system are available. We address this issue for networks with weak individual interactions and chaotic local dynamics. We do this by building a model network, termed an effective network, consisting of the underlying local dynamics and a statistical description of their interactions. We show that behavior of such networks can be decomposed in terms of an emergent deterministic component and a fluctuation term. Traditionally, such fluctuations are filtered out. However, as we show, they are key to accessing the interaction structure. We illustrate this approach on synthetic time series of realistic neuronal interaction networks of the cat cerebral cortex and on experimental multivariate data of optoelectronic oscillators. We reconstruct the community structure by analyzing the stochastic fluctuations generated by the network and predict critical transitions for coupling parameters outside the observed range.