Chaotic attractors and Lyapunov exponents of fractional-order systems: a tutorial on the augmented-system algorithm, with a complete Python program
يقدم هذا البرنامج التعليمي تنفيذاً كاملاً بلغة بايثون لخوارزمية النظام المعزز القائمة على التمثيل الانتشاري لمحاكاة الأنظمة الفوضوية ذات الرتب الكسرية وحساب أسات ليابونوف الخاصة بها، مع التحقق من صحة الطريقة على الأنظمة الخطية، ولورينز، وتشن، مع شرح المبادئ الرياضية الأساسية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في دراسة الأنظمة المعقدة، يبحث العلماء غالباً عن أنماط في الفوضى. إنهم يفحصون كيف يمكن للاختلافات الضئيلة في نقطة البداية أن تتحول إلى نتائج متباينة للغاية، وهي ظاهرة تُعرف باسم "أثر الفراشة". ولقياس هذه الحساسية، يستخدم الباحثون أداة تسمى "أس لِيابونوف" (Lyapunov exponent). وببساطة، يخبرنا هذا الرقم عن السرعة التي تتباعد بها مسارات متقاربة جداً عن بعضها البعض. فإذا كان الرقم موجباً، يكون النظام فوضوياً وغير قابل للتنبؤ به على المدى الطويل، أما إذا كان سالباً، فإن النظام يستقر في حالة ثابتة. ولعقود من الزمن، عملت هذه الطريقة بشكل مثالي للأنظمة التي تتغير بناءً على حالتها الراهنة فقط، مثل البندول المتأرجح أو النهر الجاري.
ومع ذلك، فإن العديد من العمليات في العالم الحقيقي لا تعمل بهذا الشكل. فالمواد مثل المطاط أو الأنسجة البيولوجية غالباً ما تتذكر ماضيها؛ حيث يعتمد سلوكها الحالي ليس فقط على مكان وجودها الآن، بل على كل ما حدث لها من قبل، مع تلاشي الأحداث القديمة ببطء بمرور الوقت. ويصف العلماء ذلك باستخدام "الأنظمة ذات الرتب الكسرية" (fractional-order systems)، حيث يتم وزن معدل التغيير بناءً على تاريخ طويل. وتكمن المشكلة في أن الأدوات القياسية لقياس الفوضى تنهار هنا؛ فبسبب عدم امتلاك هذه الأنظمة "حالة راهنة" مستقلة عن ماضيها، يصبح الأسلوب المعتاد لحساب سرعة انفصال المسارات غير محدد رياضياً. وعلى مدار عشرين عاماً، قام الباحثون بمحاكاة هذه الأنظمة، لكنهم واجهوا صعوبة في قياس فوضاها بدقة، وغالباً ما اعتمدوا على طرق مختصرة قد تكون تقيس شيئاً مختلفاً تماماً.
يقدم دليل تعليمي جديد من إعداد ستيفانو فازينو مساراً واضحاً للمضي قدماً، حيث يوفر تفسيراً نظرياً وبرنامجاً حاسوبياً كاملاً وجاهزاً للاستخدام لحل هذه المشكلة. وتتمثل الفكرة الجوهرية في التوقف عن محاولة حشر نظام كسري في قالب قياسي، وبدلاً من ذلك، التعامل مع ذاكرة النظام باعتبارها حالته الفعلية. ويوضح المؤلف أن الذاكرة المعقدة والمتلاشية لهذه الأنظمة يمكن تفكيكها إلى مجموعة من الإشارات البسيطة المتلاشية. ومن خلال إضافة هذه الإشارات كمتغيرات إضافية إلى المعادلات، يتحول النظام الكسري الصعب إلى نظام عادي قياسي يمكن للحواسيب التعامل معه بسهء. هذا النهج الجديد، المسمى "خوارزمية النظام المعزز" (augmented-system algorithm)، يسمح للباحثين بتتبع تطور النظام وحساب أس لِيابونوف الخاص به بشكل صحيح لأول مرة.
البرنامج، المكتوب بلغة بايثون والمصمم للعمل على حاسوب محمول قياسي، يقوم بمحاكاة أنظمة فوضوية شهيرة مثل نماذج "لورينز" و"تشين" ولكن وفق قواعد ذات رتب كسرية. وعندما اختبر المؤلف الكود على نظام خطي بسيط كانت إجابته معروفة مسبقاً، طابق البرنامج القيمة النظرية الدقيقة ضمن جزء ضئيل جداً من المئة. وقد أثبت هذا التحقق من الصحة أن الطريقة تعمل. وعند تطبيقها على الأنظمة الفوضوية الأكثر تعقيداً، كشفت النتائج عن شيء مفاجئ وجوهري حول كيفية سلوك هذه الأنظمة. ففي الأنظمة الفوضوية العادية، تتضمن أس لِيابونوف عادةً أرقاماً سالبة، مما يمثل اتجاهات تتقارب وتستقر فيها المسارات. أما في هذه الأنظمة الكسرية، فقد وجد البرنامج عدم وجود أسس سالبة على الإطلاق.
وبدلاً من التقارب نحو أرقام سالبة، انجرفت الأسس التي من المفترض أن تكون سالبة ببطء نحو الصفر. وهذا يؤكد رؤية نظرية عميقة: في نظام ذي ذاكرة طويلة الأمد، لا تتلاشى الاضطرابات بشكل أسي سريع كما هو الحال في الأنظمة القياسية، بل تتلاشى جبرياً، متبعةً "قانون القوة" (power law) الذي يعد أبطأ بكثير. كما أظهر البرنامج أنه إذا حاول الباحث تجاهل الماضي البعيد عبر قطع الذاكرة، فإن النتالئ تصبح غير دقيقة بشكل صارخ. فقد أظهرت المحاكاة أن إزالة حتى الأجزاء الأكثر بطئاً وبعداً من الذاكرة يغير النظام تماماً، مما يؤدي إلى تضخيم أو تقليص الفوضى المحسوبة بهوامش كبيرة.
يتضمن الدليل التعليمي برنامجاً كاملاً مكوناً من مائة وخمسين سطراً يمكن لأي شخص تشغيله لمشاهدة هذه التأثيرات. وهو يولد تصورات للأشكال الغريبة والملتوية التي ترسمها هذه الأنظمة في الفضاء، والمعروفة باسم "الجواذب" (attractors)، ويحسب مدى فوضويتها. ويحذر المؤلف من أن قراءة النتائج تتطلب منظوراً جديداً؛ فبما أن الاتجاهات غير الفوضوية في هذه الأنظمة لا تستقر في أرقام سالبة، فإن النتيجة التي تبدو كأنها صفر قد لا تعني أن النظام مستقر، بل قد تعني فقط أن النظام في مرحلة دورية مؤقتة. ويوفر البرنامج بيانات المسار الكاملة حتى يتمكن المستخدمون من النظر إلى المسار الفعلي والتمييز بين التوازن الحقيقي والدورة المتكررة البطيئة.
إن هذا العمل لا يقدم مجرد آلة حاسبة فحسب، بل يغير فهمنا لطبيعة الفوضى في الأنظمة المعتمدة على الذاكرة. فهو يثبت أن حالة مثل هذا النظام ليست نقطة زمنية واحدة، بل هي تاريخ تحركاتها بأكمله. ومن خلال تحويل هذا التاريخ اللانهائي إلى مجموعة قابلة للإدارة من المتغيرات، منح المؤلف العلماء وسيلة موثوقة لقياس عدم القدرة على التنبؤ بالعمليات التي تتراوح من المواد اللزوجة المرنة إلى تكيف الخلايا العصبية. وتشير النتائج إلى أن قواعد الفوضى تختلف عندما لا يُنسى الماضي حقاً، وأن الأدوات اللازمة لقياسها يجب أن تُبنى لتُحترم تلك الذاكرة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.