Новый облик нелинейной динамики
Георгий Малинецкий gmalin@keldysh.ru КОНЕЦ ГЛАВЫ
Эта сказка имеет счастливое начало. В 1963 году Рэй Брэдбери опубликовал фантастический рассказ, в котором сформулировал идею динамического хаоса. В этом рассказе один из организаторов предвыборной кампании после победы своего кандидата отправляется в путешествие по времени. Фирма, организующая такую поездку, предлагает охоту на динозавров, которым в ближайшее время суждено умереть. Чтобы не нарушить сложную ткань причинно-следственных связей и не изменить будущее, следует двигаться по специальным тропам. Однако герой не смог выполнить этого условия и нечаянно раздавил золотистую бабочку. Возвратившись назад, он видит, что изменились состав атмосферы, правила правописания и итог предвыборной кампании. Едва заметное движение повалило маленькие костяшки домино, те повалили костяшки побольше, и, наконец, падение гигантских костяшек привело к катастрофе. Отклонения от исходной траектории, вызванные раздавленной бабочкой, стремительно нарастали (см. рис. 1). Малые причины имели большие следствия. Математики называют это свойство чувствительностью к начальным данным. |
||||
Рис. 1. Любая динамическая система определяет траекторию в фазовом пространстве, например, такую, как показана красным цветом. Динамический хаос обусловлен тем, что соседние траектории (показанные зеленым) удаляются от нее. Из-за этого малые причины могут иметь большие следствия. |
В том же 1963 году мысль о принципиальной ограниченности нашей способности предсказывать (или, как сейчас говорят, о существовании горизонта прогноза, или пределов предсказуемости) даже в мире, который идеально описывается классической механикой, была высказана лауреатом Нобелевской премии Ричардом Фейнманом. Для существования горизонта прогноза не нужно, чтобы "Бог играл в кости", добавляя в уравнения, описывающие нашу реальность, какие-то случайные члены. Не надо опускаться на уровень микромира, на котором квантовая механика дает вероятностное описание Вселенной. Объекты, поведение которых мы не можем предсказывать на достаточно большие времена, могут быть очень простыми. Таковы, например, незамысловатые системы маятников с магнитиками, которые сейчас продаются во многих лавках как произведения "динамического искусства" (dynamic art).То, что чувствительность к начальным данным ведет к хаосу, понял - и тоже в 1963 году! - американский метеоролог Эдвард Лоренц. Он задался вопросом: почему стремительное совершенствование компьютеров не привело к воплощению в жизнь мечты метеорологов - достоверному среднесрочному (на 2-3 недели вперед) прогнозу погоды? Эдвард Лоренц предложил простейшую модель, описывающую конвекцию воздуха (она играет важную роль в динамике атмосферы), просчитал ее на компьютере и не побоялся всерьез отнестись к полученному результату. Этот результат - динамический хаос- есть непериодическое движение в детерминированных системах (то есть в таких, где будущее однозначно определяется прошлым), имеющее конечный горизонт прогноза. | |||
Рис.
2 Такая картина, полученная на компьютере, убедила Э. Лоренца, что он открыл
новое явление - динамический хаос. Этот клубок траекторий, называемый сейчас
аттрактором Лоренца, описывает непериодическое движение. Движение в этом
случае не станет периодическим, сколько бы мы ни ждали. |
Увиденное Лоренцем показано на рис. 2. С точки зрения математики можно считать, что любая динамическая система, что бы она ни моделировала, описывает движение точки в пространстве, называемом фазовым. Важнейшая характеристика этого пространства - его размерность, или, попросту говоря, количество чисел, которые необходимо задать для определения состояния системы. С математической и компью-терной точек зрения не так уж и важно, что это за числа - количество рысей и зайцев на определенной территории, переменные, описывающие солнечную активность или кардиограмму, или процент избирателей, до сих пор поддерживающих президента. Если считать, что точка, двигаясь в фазовом пространстве, оставляет за собой след, то динамическому хаосу будет соответствовать клубок траекторий. Например такой, как показан на рис. 2. Здесь размерность фазового пространства всего 3. Замечательно, что такие удивительные объекты существуют даже в трехмерном пространстве. Для таких клубков другие классики нелинейной науки Д. Рюэль и Ф. Такенс в 1971 году придумали красивое название - странный аттрактор. | |||
Будучи собраны воедино, отдельные модели, компьютерные эксперименты,
наблюдения дали чарующую картину. Среди фрагментов этой мозаики есть пророчество
Анри Пуанкаре о том, что в будущем можно будет предсказывать новые физические
явления, исходя из общей математической структуры описывающих эти явления
уравнений. Компьютерные эксперименты превратили эту мечту в реальность.
Другой фрагмент - усилия теоретиков, обосновавших статистическую физику
и разбиравшихся, почему и как о движении, о динамике можно говорить на
вероятностном языке. Важный элемент мозаики - появившийся в 80-е годы
междисциплинарный подход: синергетика, или нелинейная динамика. Динамический
хаос стал одним из китов, на котором она стоит. |
||||
Рис. 3. Классическим, привычным является гауссово распределение (оно показано красным). В соответствии с ним, большие отклонения настолько редки, что ими можно пренебречь. Однако многие бедствия, аварии, катастрофы порождают статистику со степенным распределением (оно показано зеленым). В этом случае редкими катастрофическими событиями пренебречь нельзя.
|
||||
Рис. 4. Слева - зависимость логарифма индекса Доу-Джонса от времени перед Великой депрессией 1929 года. Справа - зависимость концентрации ионов хлора в родниках перед землетрясением в Кобе в 1995 году.
|
||||
Рис. 5. Возникновение и распад пика |
Здесь видно пришла пора сказать о грантах РФФИ и научной биографии.
Всю мою научную жизнь я имел честь работать в Институте прикладной математики
им. М.В. Келдыша и занимался синергетикой и нелинейной динамикой. При этом
приходилось сталкиваться со многими интересными задачами от лазерной термохимии
и солнечного динамо до описания высшей школы и моделирования исторических
про-цессов. Все эти задачи объединяла необходимость находить параметры порядка
в поведении сложных систем и прогнозировать их судьбу. Именно такой "тяжелый" системе и методам ее анализа и был посвящен грант Российского Фонда Фундаментальных Исследований 97-01-00396, которым мне довелось руководить. Эта система описывает так называемую "жесткую турбулент-ность" - явление при котором в какой-либо системе на хаотическом фоне иногда возникают гигантские всплески. Примерно так как на рис. 5. Почему? Можно ли объяснить это на пальцах? Можно ли предвидеть "катастрофу"? Явление жесткой турбулентности было открыто в 70-е годы в физике плазмы. Позже такие же уравнения писали в теории ветровых волн на воде, в химической кинетике, в математической биологии и еще многих других областях. Однако ответов на поставленные вопросы не было. |
|||
В новой парадигме нелинейной динамики исследовавшаяся модель жесткой
турбулентности может стать одной из основных. Дело не только в том, что
это очень "неудобная задача" для вычислительного эксперимента
- важные события разворачиваются в сокращающейся области пространства.
Не только в том, что здесь есть малые параметры, значение которых очень
велико. Не только в том, что асимптотикой роста возникающих структур является
режим с обострением, при котором изучаемые величины за конечное время
достигают бесконечных значений (такие режимы в Институте прикладной математики
им. М.В. Келдыша детально исследовались в научной школе С.П. Курдюмова
в связи с задачами теории горения и физики плазмы). Принципиально важен
вопрос, - можно ли это явление, описываемое весьма сложной системой уравнений
для бесконечного числа степеней свободы, смоделировать предельно просто.
Если да, то можно надеяться, что удастся удачно упростить и в других случаях.
Если нет... То надо думать дальше. |
||||
Рис. 6. Картинка, возникающая в задаче с разорением банка. Небольшая красная область соответствует области джокера, в которой надо принимать серьезные меры. |
Одним из ее авторов по праву может считаться
известный финансист Дж. Сорос. В своей "Алхимии финансов" он выдвинул
идею "информационной", или "рефлексивной", экономики.
В соответствии с ней такие переменные, как "уровень доверия",
"ожидаемые прибыли" и многие другие, характеризующие нашу "виртуальную
реальность", играют ключевую роль в современной экономике. Именно они
позволяют строить, а затем уничтожать величественные финансовые пирамиды,
такие как МММ, "Чара", "Тибет", ГКО... Но именно эти
переменные могут меняться скачком, что совершенно не характерно для математических
моделей, построенных в естественных науках. Другими словами, в фазовом пространстве многих объектов, с которыми мы имеем дело в жизни, есть места, называемые областями джокеров, в которых случайность или игровой элемент, или фактор, не играющий никакой роли в другой ситуации, может оказаться решающим и не только повлиять на судьбу системы, но и скачком перевести ее в другую точку фазового пространства. Правило, по которому совершается этот скачок, и называется джокером. Название пришло из карточной игры. Джокер - карта, которой можно присвоить значение любой карты по желанию играющего. Понятно, что это резко увеличивает число вариантов и степень неопределенности. |
|||
Простой пример. Допустим, у нас с вами есть небольшой банк. И дела день
ото дня идут все хуже. Да и как может быть иначе в эпоху кризиса? Пора
принимать решение. Первое, наиболее естественное (оно принимается с вероятностью
p1, см. рис. 6) - организовать презентацию в "Хилтоне". Шумиха,
журналисты, новые клиенты и возможности. Второе - поступить, как честные
люди, и объявить о банкротстве (вероятность p2). Наконец, подумать о семье
и близких друзьях и улизнуть, прихватив всю оставшуюся наличность, чтобы
с другого берега океана поучать местных реформаторов (вероятность p3).
Видим, что у нас вновь и вновь возникает симбиоз динамики, предопределенности
и случайности. |
||||
Рис. 7. Локальные скорости разбегания (сходимости) для аттрактора Лоренца. Области выше нулевого уровня соответствуют разбеганию, ниже нулевого уровня - сходимости. Видно, что первые занимают сравнительно малую часть. |
Речь опять идет о системе Лоренца. Цветом на рисунке показана
скорость, с которой траектории разбегаются (область выше нулевого уровня)
или сходятся (область ниже нулевого уровня). Видно, что область разбегания,
которой естественно сопоставить джокер, довольно мала. Но если нам не везет с прогнозами в области джокера, то где-то должно и везти. Подумаем: что значит "везет с прогнозом"? Это значит, что поведение системы с устраивающей нас точностью определяется лишь несколькими переменными, а обо всем остальном в первом приближении можно забыть. Кроме того, здесь должна быть возможность предсказывать на довольно большой срок. Такие области в фазовом пространстве и были названы руслами. Вероятно, способность эффективно выделять русла, учиться не только методом проб и ошибок, совершенствуя свою предсказывающую систему и здравый смысл, и дала нашему виду решающее преимущество в ходе эволюции. Можно взглянуть и более широко: разные теории, подходы, науки оказываются полезными и востребованными, если они удачно нашли свои русла. Ведь наука - это искусство упрощать, а упрощать особенно удобно, имея дело с руслами. Разумеется, "в среднем", "в общем случае" мы не можем заглянуть за горизонт прогноза. Но "в частности", оказавшись в области параметров, соответствующих руслу, и осознав это, можно действовать разумно и осмотрительно. |
|||
Но тут возникает вопрос: где начинается и где кончается русло?
Какова структура нашего незнания? Как от одного информационного поля и одних
представлений, адекватных этому руслу, переходить к другим, когда это русло
кончилось? Знакомясь с разными экономическими, психологическими, биологическими
теориями, трудно отделаться от ощущения, что, сами того не осознавая, их
создатели имеют дело с разными реальностями, с разными руслами. Это сродни
дополнительности в квантовой механике, когда ответ на вопрос, является электрон
волной или частицей, зависит от конкретного эксперимента. А теперь вернемся от общего к частному. К жесткой турбулентности. Кроме компьютерного моделирования, построения упрощенных моделей, дающих понимание этого замечательного явления и использующих представления о руслах и джокерах удалось обнаружить еще одну интересную вещь. Это предвестники - медленно меняющиеся переменные, которые свидетельствуют о приближении катастрофы. Они показаны на рис. 8. Их оказывается достаточно просто посчитать. И увидеть после этого, что угроза приближается. Глядя на их изменение, нельзя точно |
||||
Рис. 8. Изменение медленных переменных перед гигантскими пиками |
сказать, когда нас ждет гигантский выброс, но об опасности
они сигнализируют. По-видимому, такая ситуация характерна и для многих других
систем, в которых возможны катастрофические явления. Интересно, как удалось найти эти медленные переменные… Впрочем здесь начинаются подробности, дорогие сердцу автора, и в популярной статье неуместные. Внимание интересующихся подробностями обращу к списку литературы в конце. И еще хотелось бы, чтобы читатель не воспринимал историю с анализом катастроф как "хэппи-энд". Скорее это обнадеживающее начало. ...На одной конференции по искусственному интеллекту была дана такая форму-лировка. Простые задачи - это те, которые легко решить или доказать, что они неразрешимы, остальные задачи - сложные. Развитие представлений о хаосе, и их применение в разных областях показывают, что нам повезло. Конструирование будущего, осмысление новой реальности, сущности человека, алгоритмов развития и управления оказалось сложной задачей. |
|||
Литература |