@phdthesis{Zoeller2005,
  author    = {Z{\"o}ller, Gert},
  title     = {Critical states of seismicity : modeling and data analysis},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus-7427},
  school      = {Universit{\"a}t Potsdam},
  year      = {2005},
  abstract  = {The occurrence of earthquakes is characterized by a high degree of spatiotemporal complexity. Although numerous patterns, e.g. fore- and aftershock sequences, are well-known, the underlying mechanisms are not observable and thus not understood. Because the recurrence times of large earthquakes are usually decades or centuries, the number of such events in corresponding data sets is too small to draw conclusions with reasonable statistical significance. Therefore, the present study combines both, numerical modeling and analysis of real data in order to unveil the relationships between physical mechanisms and observational quantities. The key hypothesis is the validity of the so-called "critical point concept" for earthquakes, which assumes large earthquakes to occur as phase transitions in a spatially extended many-particle system, similar to percolation models. New concepts are developed to detect critical states in simulated and in natural data sets. The results indicate that important features of seismicity like the frequency-size distribution and the temporal clustering of earthquakes depend on frictional and structural fault parameters. In particular, the degree of quenched spatial disorder (the "roughness") of a fault zone determines whether large earthquakes occur quasiperiodically or more clustered. This illustrates the power of numerical models in order to identify regions in parameter space, which are relevant for natural seismicity. The critical point concept is verified for both, synthetic and natural seismicity, in terms of a critical state which precedes a large earthquake: a gradual roughening of the (unobservable) stress field leads to a scale-free (observable) frequency-size distribution. Furthermore, the growth of the spatial correlation length and the acceleration of the seismic energy release prior to large events is found. The predictive power of these precursors is, however, limited. Instead of forecasting time, location, and magnitude of individual events, a contribution to a broad multiparameter approach is encouraging.},
  subject      = {Seismizit{\"a}t},
  language  = {en}
}
@phdthesis{Rosenblum2003,
  author    = {Rosenblum, Michael},
  title     = {Phase synchronization of chaotic systems : from theory to experimental applications},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-0000682},
  school      = {Universit{\"a}t Potsdam},
  year      = {2003},
  abstract  = {In einem klassischen Kontext bedeutet Synchronisierung die Anpassung der Rhythmen von selbst-erregten periodischen Oszillatoren aufgrund ihrer schwachen Wechselwirkung. Der Begriff der Synchronisierung geht auf den ber{\"u}hmten niederl{\"a}andischen Wissenschaftler Christiaan Huygens im 17. Jahrhundert zur{\"u}ck, der {\"u}ber seine Beobachtungen mit Pendeluhren berichtete. Wenn zwei solche Uhren auf der selben Unterlage plaziert wurden, schwangen ihre Pendel in perfekter {\"U}bereinstimmung. Mathematisch bedeutet das, daß infolge der Kopplung, die Uhren mit gleichen Frequenzen und engverwandten Phasen zu oszillieren begannen. Als wahrscheinlich {\"a}ltester beobachteter nichtlinearer Effekt wurde die Synchronisierung erst nach den Arbeiten von E. V. Appleton und B. Van der Pol gegen 1920 verstanden, die die Synchronisierung in Triodengeneratoren systematisch untersucht haben. Seitdem wurde die Theorie gut entwickelt, und hat viele Anwendungen gefunden. Heutzutage weiss man, dass bestimmte, sogar ziemlich einfache, Systeme, ein chaotisches Verhalten aus{\"u}ben k{\"o}nnen. Dies bedeutet, dass ihre Rhythmen unregelm{\"a}ßig sind und nicht durch nur eine einzige Frequenz charakterisiert werden k{\"o}nnen. Wie in der Habilitationsarbeit gezeigt wurde, kann man jedoch den Begriff der Phase und damit auch der Synchronisierung auf chaotische Systeme ausweiten. Wegen ihrer sehr schwachen Wechselwirkung treten Beziehungen zwischen den Phasen und den gemittelten Frequenzen auf und f{\"u}hren damit zur {\"U}bereinstimmung der immer noch unregelm{\"a}ßigen Rhythmen. Dieser Effekt, sogenannter Phasensynchronisierung, konnte sp{\"a}ter in Laborexperimenten anderer wissenschaftlicher Gruppen best{\"a}tigt werden. Das Verst{\"a}ndnis der Synchronisierung unregelm{\"a}ßiger Oszillatoren erlaubte es uns, wichtige Probleme der Datenanalyse zu untersuchen. Ein Hauptbeispiel ist das Problem der Identifikation schwacher Wechselwirkungen zwischen Systemen, die nur eine passive Messung erlauben. Diese Situation trifft h{\"a}ufig in lebenden Systemen auf, wo Synchronisierungsph{\"a}nomene auf jedem Niveau erscheinen - auf der Ebene von Zellen bis hin zu makroskopischen physiologischen Systemen; in normalen Zust{\"a}nden und auch in Zust{\"a}nden ernster Pathologie. Mit unseren Methoden konnten wir eine Anpassung in den Rhythmen von Herz-Kreislauf und Atmungssystem in Menschen feststellen, wobei der Grad ihrer Interaktion mit der Reifung zunimmt. Weiterhin haben wir unsere Algorithmen benutzt, um die Gehirnaktivit{\"a}t von an Parkinson Erkrankten zu analysieren. Die Ergebnisse dieser Kollaboration mit Neurowissenschaftlern zeigen, dass sich verschiedene Gehirnbereiche genau vor Beginn des pathologischen Zitterns synchronisieren. Außerdem gelang es uns, die f{\"u}r das Zittern verantwortliche Gehirnregion zu lokalisieren.},
  language  = {en}
}