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

Сила мысли Сила мысли

Как можно работать с мыслями — и почему стоит это делать

Yoga Journal
«Я женюсь на Гале каждый момент, когда на нее смотрю» «Я женюсь на Гале каждый момент, когда на нее смотрю»

Галина Вишневская и Мстислав Ростропович. Две выдающиеся личности

OK!
Рейтинг брендов Рейтинг брендов

Бренды, которые стали заметны на рынке за год

Forbes
Русско-американские отношения в XIX веке. Часть 2 Русско-американские отношения в XIX веке. Часть 2

Какими были отношения США и России накануне войны между Севером и Югом

Наука и техника
100 самых сексуальных женщин страны 100 самых сексуальных женщин страны

100 самых сексуальных женщин страны

Maxim
«Двойка» за хорошее поведение «Двойка» за хорошее поведение

BMW M2 Gran Coupe: баварское купе, которое на самом деле седан

Автопилот
6 признаков глупого человека 6 признаков глупого человека

Как понять, кого нужно избегать? Да и нужно ли на самом деле?

Psychologies
Мертвые дети, неравенство и травмы Мертвые дети, неравенство и травмы

Настоящий мир вымышленного Питера Пэна

Weekend
11 способов становиться немного умнее каждый день 11 способов становиться немного умнее каждый день

Интеллект, как и тело, требует правильного питания и регулярных тренировок

Psychologies
Патриотизм «подлинный» и «показной» Патриотизм «подлинный» и «показной»

Некогда мы гордились тем, что считали себя самой читающей страной

Дилетант
Tesla для всех Tesla для всех

Возможности новой Tesla Model 3

CHIP
Очень странные дела Очень странные дела

Какие бьюти-тренды из соцсетей искренне настораживают косметологов

Лиза
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
Звезды манящие Звезды манящие

Ослепительная вспышка, которой уже некого слепить, миг неуловимый

Знание – сила
Сеть знает обо всем, что вы делали Сеть знает обо всем, что вы делали

Популярные социальные сети собирают данные о пользователях

CHIP
Эрдоган зажат между интересами США и Британии Эрдоган зажат между интересами США и Британии

Политический кризис в Турции может серьезно встряхнуть государство и регион

Монокль
Био-механизм Био-механизм

Пауки, пожалуй, самые высокотехнологичные существа на планете

Вокруг света
Весна в облигациях Весна в облигациях

Бизнес не намерен снижать программы по капитальным инвестициям

Ведомости
Беспроводные колонки с мощным звучанием Беспроводные колонки с мощным звучанием

Тест 35 беспроводных колонок

CHIP
«Галилея археологов» «Галилея археологов»

Археологи давно борются с искушением перекопать поглубже всю Святую Землю

Знание – сила
Скрытые функции в Android и iOS Скрытые функции в Android и iOS

Как ускорить работу смартфона с помощью инструментов для разработчиков

CHIP
Угольщикам недогрузили триллионы Угольщикам недогрузили триллионы

Минэнерго оценило потери российской угольной отрасли в 2 трлн руб

Ведомости
Добро пожаловать в машину! Добро пожаловать в машину!

Оправдана ли суета вокруг дополненной реальности

CHIP
Мария Мацель: «Теперь наконец я могу делать и что-то свое» Мария Мацель: «Теперь наконец я могу делать и что-то свое»

Актриса Мария Мацель — о том, как снимаются фильмы-сны

Ведомости
Каста здесь Каста здесь

Некоторые соображения об устройстве российского общества

Esquire
Гладкая мускулатура самолета – электродвигатели Гладкая мускулатура самолета – электродвигатели

Как выглядят авиационные электродвигатели, где установлены и как управляются?

Наука и техника
Пит-стоп в невесомости Пит-стоп в невесомости

Когда автомобиль парит в воздухе, сложно справиться даже с закручиванием гайки

Популярная механика
Неуместные следы и водоплавающий единорог: злоключения Карла Бау Неуместные следы и водоплавающий единорог: злоключения Карла Бау

«Научный» креационизм. Мифы и предубеждения

Наука и техника
Время девы. Весеннее небо Время девы. Весеннее небо

Весна — лучшее время для наблюдения созвездия Девы

Наука и жизнь
Новости науки Новости науки

Обнаруженная в ранней Вселенной грандиозная галактика и другие новости науки

Знание – сила
Открыть в приложении