围绕遥远恒星旋转的系外行星正在迅速成为焦点，采用开普勒太空望远镜等先进技术。完全了解这些系统很困难，因为系外行星的初始位置和速度是未知的。确定系统动态是准周期性还是混沌是繁琐，昂贵且计算要求高的。

在本周的混沌中，TamásKovács提供了一种替代的外行星体稳定性分析方法，仅使用观测到的时间序列数据来推导动力学测量并量化系外行星系统的不可预测性。

“如果我们不知道系统运动的控制方程，并且我们只有时间序列 - 我们用望远镜测量的 - 那么我们希望将时间序列转换成复杂的网络。在这种情况下，它被称为复发网络，“科瓦奇说。 “这个网络拥有我们想要分析的底层系统的所有动态特性。”

本文借鉴了物理学家Floris Takens的工作，他于1981年提出可以使用一系列关于系统状态的观察来重建系统的动力学。以Takens的嵌入定理为出发点，Kovács使用时间延迟嵌入来重建高维轨迹，然后识别重现点，其中相空间中的物体彼此靠近。

“这些特殊点将是复杂网络的顶点和边缘，”Kovács说。 “一旦拥有了网络，就可以对该网络进行重新编程，以便能够应用传输，平均路径长度或该网络独有的其他措施。”

Kovács使用已知系统作为模型，土星，木星和太阳的三体系统测试方法的可靠性，然后将其应用于开普勒36b和36c系统。他的开普勒系统结果与已知的结果一致。

“早期的研究指出，开普勒36b和36c是一个非常特殊的系统，因为从直接模拟和数值积分，我们看到系统处于混乱的边缘，”科瓦奇说。 “有时，它显示出规律的动态，而在其他时候，它似乎是混乱的。”

作者计划接下来将他的方法应用于具有三个以上主体的系统，测试其可扩展性并探索其处理更长时间序列和更清晰数据集的能力。