Хаотические системы подчиняются своим законам, но их все же можно прогнозировать

CHIPHi-Tech

Хаос в системе

Машинное обучение позволяет алгоритмам предсказывать эволюцию хаотических систем. Хорошие новости для метеорологов, врачей и глобальных систем электроснабжения.

Хаос. Крайне запутанный, непостижимый. Постоянное лихорадочное движение во всех направлениях. Описать этот беспорядок, кажется, невозможно. Тем более с тех пор, как пионеры теории хаоса открыли эффект бабочки. Даже малейшее возмущение сложной системы (погоды, экономики или другого подобного) может повлечь за собой цепочку событий, которая приведет к непредсказуемым последствиям в будущем. Поскольку мы не можем определить состояние этих систем с точностью, позволяющей предсказать дальнейший ход событий, мы живем, так сказать, под покровом неопределенности.

Но теперь для прогнозирования эволюции хаотических систем с любого момента времени до невероятно отдаленных горизонтов ученые задействовали машинное обучение — метод, стоящий за последними достижениями в области искусственного интеллекта (ИИ). Данные прогнозов получены специалистом по теории хаоса Эдвардом Оттом и четырьмя сотрудниками Мэрилендского университета. Они использовали резервуарные вычисления (Reservoir Computing), один из алгоритмов машинного обучения, чтобы «изучить» динамику типичной хаотической сис темы, называемой уравнением Курамото — Сивашинского. Это уравнение, по словам аспиранта Отта и главного автора исследований Джаидипа Патхака, служит в качестве «стандартного испытательного стенда для изучения турбулентности и пространственно-временного хаоса». В образном представлении эволюционирующее решение этого уравнения ведет себя словно фронт пламени, мерцающий при перемещении сквозь горючую среду. Промежуток времени, за пределами которого приемлемое предсказание о поведении системы становится невозможным, математики называют временем Ляпунова.

Данные вместо уравнений

Пройдя обучение на данных о прошлой эволюции уравнения Курамото — Сивашинского, алгоритм смог предсказать эволюцию этой системы, подобной пламени, в течение восьми периодов времени Ляпунова. «Это в самом деле очень хороший результат, — комментирует прогноз Хольгер Кантц, специалист по теории хаоса из Института физики сложных систем Общества Макса Планка в Дрездене. — Метод машинного обучения — это почти такое же благо, как и знание истины». При этом алгоритму ничего не известно о таких факторах, определяющих эволюцию, как собственно уравнение Курамото — Сивашинского. Он обрабатывает только данные об эволюционирующем решении граничных условий уравнения. В результате эта версия ИИ становится мощным средством для предсказания эволюции хаотической системы, поскольку во многих случаях уравнения, которые описывали бы хаотическую систему, вообще не известны. Из результатов исследований группы Отта вытекает простой вывод: знать уравнение системы вовсе не обязательно, самое главное — нужны только данные о ее эволюции. «Может быть, в один прекрасный день мы сможем предсказать погоду не с помощью очень сложных моделей атмосферы, а с помощью алгоритмов машинного обучения», — говорит Кантц.

Обычный подход к прогнозированию поведения хаотической системы заключается в том, чтобы максимально точно измерить ее условия в определенный момент времени, использовать эти данные для калибровки физической модели и затем привести ее в движение. Для получения приблизительного прогноза на восемь времен Ляпунова в таком случае нужно измерить начальные условия типичной системы в сто миллионов раз точнее. В статье, опубликованной в январском выпуске журнала Physical Review Letters (PRL), исследователи показывают, что предсказанное ими пламевидное решение уравнения Курамото — Сивашинского точно соответствует его истинному решению в пределах восьми времен Ляпунова вплоть до окончательной победы хаоса. Только с этого момента фактические и предсказанные состояния системы начинают резко расходиться.

Авторизуйтесь, чтобы продолжить чтение. Это быстро и бесплатно.

Регистрируясь, я принимаю условия использования

Рекомендуемые статьи

От 40 до 40: Звезды шоу-бизнеса и спорта От 40 до 40: Звезды шоу-бизнеса и спорта

Рейтинг российских звезд шоу-бизнеса и спорта до 40 лет

Forbes
Куда приводят мечты инженеров Куда приводят мечты инженеров

Маршрут выходного дня по Калужской области

Weekend
Человек, который придумывает будущее Человек, который придумывает будущее

Компания с российскими корнями разрабатывает уникальные технологии для авто

Популярная механика
Десять цветов Десять цветов

Самые древние и почитаемые традиционные ремесла – часть культурного кода Мьянмы

Вокруг света
100 самых сексуальных женщин страны 100 самых сексуальных женщин страны

100 самых сексуальных женщин страны

Maxim
От жуткого хоррора до ироничной пародии: как кино переосмысливает классические сказки на новый лад От жуткого хоррора до ироничной пародии: как кино переосмысливает классические сказки на новый лад

Оригинальные проекты, переосмысливающие классические сказки в неожиданном ключе

Правила жизни
Tesla для всех Tesla для всех

Возможности новой Tesla Model 3

CHIP
«Мамонты следующие»: Colossal Biosciences вернула к жизни вымерших 10 тысяч лет назад лютоволков «Мамонты следующие»: Colossal Biosciences вернула к жизни вымерших 10 тысяч лет назад лютоволков

Как ученым Colossal Biosciences удалось произвести на свет щенков лютоволка

VC.RU
Люди на пределе Люди на пределе

Возможности нашего собственного, среднестатистического тела

Вокруг света
Новые методы помогут искать воду в лунных кратерах и глубоко под поверхностью Новые методы помогут искать воду в лунных кратерах и глубоко под поверхностью

Ученые пытаются определить, где и сколько льда находится на Луне

ТехИнсайдер
Анна Седокова Анна Седокова

Наверное, она уже привыкла к эпитетам «горячая», «аппетитная», «сочная»

Playboy
Право на смелость Право на смелость

Певица Люся Чеботина и психолог Анетта Орлова — о любви к себе и сепарации

Psychologies
Сеть знает обо всем, что вы делали Сеть знает обо всем, что вы делали

Популярные социальные сети собирают данные о пользователях

CHIP
Новое прочтение Новое прочтение

Современная архитектура и продуманный классический интерьер: дом в Подмосковье

SALON-Interior
Добро пожаловать в машину! Добро пожаловать в машину!

Оправдана ли суета вокруг дополненной реальности

CHIP
Всё в цвету Всё в цвету

Обсудили с экспертом, как защитить чувствительную кожу в сезон пыльцы

Лиза
Био-механизм Био-механизм

Пауки, пожалуй, самые высокотехнологичные существа на планете

Вокруг света
Культурный виноград появился на Сардинии больше трех тысяч лет назад Культурный виноград появился на Сардинии больше трех тысяч лет назад

Самый ранний культурный виноград выращивали на Сардинии

N+1
Скрытые функции в Android и iOS Скрытые функции в Android и iOS

Как ускорить работу смартфона с помощью инструментов для разработчиков

CHIP
Эффект рататуя Эффект рататуя

Как вкусы из детства могут формировать наш характер и модель поведения

Grazia
Беспроводные колонки с мощным звучанием Беспроводные колонки с мощным звучанием

Тест 35 беспроводных колонок

CHIP
Мария Порошина Мария Порошина

«Людмила Ставская взяла меня за руку, а я чувствовала себя как слепой котенок»

Караван историй
20 вещей, которые могут тебе пригодиться в постели 20 вещей, которые могут тебе пригодиться в постели

Объекты и явления, при помощи которых твой секс будет еще великолепнее

Maxim
Юродивый из Лефортова Юродивый из Лефортова

Почему смерть рэпера обсуждала вся страна и что не так с молодежной политикой?

Монокль
Верхом на вихре Верхом на вихре

Возможное будущее гражданской авиации

Популярная механика
День Д: как города США зарабатывают сотни миллионов на церемониях драфта НФЛ День Д: как города США зарабатывают сотни миллионов на церемониях драфта НФЛ

Что такое драфты и почему они вообще существуют?

Forbes
Александр Невский: Слова «невозможно» не существует Александр Невский: Слова «невозможно» не существует

Как сделать карьеру в Голливуде и при этом не стать плохим русским парнем

Playboy
Новое исследование: мат улучшает спортивные результаты Новое исследование: мат улучшает спортивные результаты

Как «матюки» во время физических нагрузок помогают превзойти свои возможности

Maxim
Диван желаний Диван желаний

Татьяна Бабенкова из сериала и фильма «Полицейский с Рублевки»

Maxim
В ритме сердца: что такое HRV и так ли он важен В ритме сердца: что такое HRV и так ли он важен

Разбираем все, что нужно знать о вариабельности сердечного ритма

РБК
Открыть в приложении