في مجال تحليل الأنظمة المعقدة، تُعتبر الطاقة المستدامة (Persistent Entropy) أداة حيوية للكشف عن التغيرات النظامية. تمثل هذه الطاقة ملخصًا يمكن استخدامه لتحليل بطاقات الاستمرارية (Persistence Barcodes) والتي تلعب دورًا مهمًا في الكشف عن التحولات الهيكلية. ومن المثير أن البحث الجديد يشير إلى نموذج رياضي لا يعتمد على أي افتراضات سابقة، ويحدد فترة معينة يحدث فيها تغيير هيكلي في بطاقة الاستمرارية يستوجب تغييرًا قابلًا للكشف في الطاقة.

عندما نعتبر لوحات الاستمرارية ككائنات عشوائية موجهة بواسطة معلم تحكم، نستطيع تحديد آلية تحليلية تجمع ما بين التشتت والانكماش في أوزان الاستمرارية المن normalized، وسنشتق حدًا أدنى صريحًا لفروق الطاقة بين النظامين. هذا الحد صالح مع احتمال مرتفع حتى مع عينات ذات حجم صغير.

عند تطبيق هذا النموذج على الشبكات العصبونية التلافيفية، يتبين أن التنظيم الدائري للفلاتر المُتعلمَة، كما أشار غابريلسون وكارلسون، يظهر من خلال انتقال طوبولوجي حاد، حيث يتم تحديد بدايته بعد بضع مئات من التكرارات على مجموعة بيانات MNIST، ولكن بفارق زمني أكبر بكثير على مجموعة بيانات CIFAR-10.

كما يكشف نفس المعيار عن انتقالات تزامنية لكوراماتو وانتقالات النظام-الفوضى في النماذج المختلفة. إن هذا البحث يمثل نقلة نوعية في فهم تحولات الأنظمة المعقدة وكيفية تفسيرها من خلال تقنيات رياضية متقدمة تسهم في تحسين أداء الشبكات العصبونية.