近年、機械学習の一種で、リカーレントニューラルネットワークをもったリザーバーコンピューティングが決定論的構造を背後にもつ時系列予測などに有効であることが報告されている。我々はこの機械学習手法を用いて比較的平穏な流体のエネルギー変数のモデルを構成し、予想を成功させている (Nakai and Saiki, Physical Review E, 2018)。 時間発展モデリングにおける機械学習の適切な活用のために、どのようなクラスの決定論的ダイナミクスが機械学習を用いてどのような観点、どのような精度でモデル化しうるかといったことを明らかにすることが期待されている。本研究では、力学系の基本的な構造である周期軌道を学習することを通して時系列モデリングに必要な学習データを力学系理論の観点から明らかにする。