गणित की दुनिया में, समय के साथ होने वाले परिवर्तनों का वर्णन करने के लिए उपयोग किए जाने वाले उपकरणों का एक विशेष वर्ग है, जैसे कि कॉफी के कप के ठंडा होने से लेकर ग्रहों की गति तक। इन उपकरणों को सेमीग्रुप (semigroups) कहा जाता है, और वे एक केंद्रीय इंजन पर निर्भर करते हैं जिसे जनरेटर (generator) के रूप में जाना जाता है। जनरेटर को एक मास्टर स्विच की तरह समझें जो परिवर्तन की गति और दिशा को निर्धारित करता है। दशकों से, गणितज्ञों ने एक विशिष्ट पहेली के प्रति आकर्षित रहे हैं जिसमें उनके जनरेटर शामिल हैं: यदि आपके पास एक ऐसी मशीन है जो सुचारू रूप से और पूर्वानुमानित रूप से चलती है, तो क्या उसका उल्टा संचालन भी सुचारू रूप से चलता है? तकनीकी शब्दों में, यदि एक जनरेटर परिवर्तन का एक स्थिर, सीमित प्रवाह बनाता है, तो क्या उसका गणितीय व्युत्क्रम (inverse) एक समान स्थिर प्रवाह बनाता है? यह प्रश्न, जिसे 'इनवर्स जनरेटर समस्या' के रूप में जाना जाता है, गहन अध्ययन का विषय रहा है क्योंकि इसका उत्तर कंप्यूटर पर जटिल प्रणालियों का अनुकरण (simulate) करने के तरीके के लिए महत्वपूर्ण है। यदि उल्टा संचालन खराब व्यवहार करता है, तो यह कंप्यूटर मॉडलों को नियंत्रण से बाहर कर सकता है, जिससे सटीक भविष्यवाणियों के बजाय कचरा परिणाम उत्पन्न होते हैं।

लंबे समय तक, कम से कम सबसे सुव्यवस्थित गणितीय स्थानों में, इसका उत्तर 'हाँ' ही प्रतीत होता था। हालाँकि, शोधकर्ताओं एमिएल लोरिस्ट, मार्टिन मेरीज और मार्क वेरार के एक नए अध्ययन ने निर्णायक रूप से दिखाया है कि यह अंतर्ज्ञान गलत है। उन्होंने एक विशिष्ट, स्पष्ट उदाहरण के रूप में एक गणितीय मशीन का निर्माण किया है जो अपने आप में तो पूरी तरह से चलती है लेकिन जब आप इसे उलटी दिशा में चलाने की कोशिश करते हैं तो बिखर जाती है। उनका कार्य सिद्ध करता है कि एक हिल्बर्ट स्पेस (Hilbert space) पर—जो कई भौतिक प्रणालियों को मॉडल करने के लिए उपयोग किया जाने वाला एक प्रकार का गणितीय वातावरण है—यह संभव है कि एक ऐसा जनरेटर हो जो परिवर्तन का एक स्थिर, सीमित प्रवाह उत्पन्न करता हो, फिर भी उसका व्युत्क्रम बिल्कुल भी स्थिर प्रवाह उत्पन्न न कर सके। वास्तव में, विपरीत प्रक्रिया इतनी अनियंत्रित रूप से बढ़ती है कि वह अनबाउंडेड (unbounded) हो जाती है, जिसका अर्थ है कि इसमें शामिल संख्याएँ अनंत रूप से बड़ी हो सकती हैं। यह खोज इस क्षेत्र में एक प्रमुख खुले प्रश्न को सुलझाती है, यह सिद्ध करते हुए कि एक प्रणाली और उसके विपरीत के बीच का संबंध पहले की तुलना में कहीं अधिक नाजुक है।

शोधकर्ताओं ने केवल एक सैद्धांतिक संभावना ही नहीं खोजी; उन्होंने परिमित-आयामी मैट्रिसेस (finite-dimensional matrices) के एक चतुर निर्माण का उपयोग करके एक ठोस प्रति-उदाहरण (counterexample) बनाया। उन्होंने बढ़ते हुए जटिल मैट्रिसेस की एक श्रृंखला बनाई जो उनके अंतिम मशीन के निर्माण खंडों के रूप में कार्य करती है। इन मैट्रिसेस को बहुत विशिष्ट गुणों के साथ डिज़ाइन किया गया था: उनके आंतरिक भाग इस तरह व्यवस्थित हैं कि जब मशीन आगे चलती है, तो ऊर्जा नियंत्रण में रहती है और अंततः कम हो जाती है। हालाँकि, यह व्यवस्था इतनी नाजुक है कि जब मशीन को उल्टा चलाया जाता है, तो ऊर्जा केवल स्थिर ही नहीं रहती, बल्कि विस्फोट कर जाती है। इस विपरीत प्रक्रिया की वृद्धि केवल तेज़ ही नहीं है; यह एक बहुत ही विशिष्ट, धीमी गति से बढ़ने वाले पैटर्न का अनुसरण करती है जिसे लेखक 'डबल लॉगरिदमिक' (double logarithmically) वृद्धि के रूप में वर्णित करते हैं। इसे समझने के लिए, जबकि एक सामान्य विस्फोट वर्ग या घन (square or cube) की तरह बढ़ सकता है, यह वृद्धि शुरू में अविश्वसनीय रूप से धीमी है लेकिन अंततः अनबाउंडेड हो जाती है, जो इस अपेक्षा को चुनौती देती है कि एक स्थिर प्रणाली का उल्टा भी स्थिर होना चाहिए।

इस निष्कर्ष के कंप्यूटर पर समीकरणों को हल करने के तरीकों पर तत्काल और गंभीर परिणाम हैं। समय-निर्भर प्रणालियों का अनुकरण करने के लिए सबसे लोकप्रिय तरीकों में से एक 'क्रैंक-निकोल्सन स्कीम' (Crank–Nicolson scheme) है। यह इंजीनियरिंग और भौतिकी में एक मानक उपकरण के रूप में उपयोग किया जाता है क्योंकि यह आमतौर पर बहुत स्थिर और सटीक होता है। नया अध्ययन दिखाता है कि उनके द्वारा निर्मित इस विशिष्ट प्रकार की प्रणाली के लिए, यह लोकप्रिय विधि पूरी तरह से विफल हो जाती है। चाहे समय के चरणों (time steps) को कितना भी छोटा क्यों न कर दिया जाए, या सिमुलेशन कितनी भी देर तक चले, कंप्यूटर मॉडल अंततः विचलित (diverge) हो जाएगा। त्रुटि केवल छोटी ही नहीं रहती; यह बिना किसी सीमा के बढ़ती है। शोधकर्ताओं ने प्रदर्शित किया कि अस्थिरता केवल एक मामूली गड़बड़ी नहीं है बल्कि प्रणाली की एक मौलिक विशेषता है, जो यह सिद्ध करती है कि क्रैंक-निकोल्सन स्कीम सार्वभौमिक रूप से स्थिर नहीं है, भले ही सिस्टम अपनी अग्र दिशा में घातीय रूप से (exponentially) स्थिर हो।

यह अध्ययन 'केली ट्रांसफॉर्म' (Cayley transform) नामक एक गणितीय उपकरण के व्यवहार पर भी प्रकाश डालता है, जो क्रैंक-निकोल्सन स्कीम से निकटता से संबंधित है। इस उपकरण का उपयोग अक्सर यह विश्लेषण करने के लिए किया जाता है कि क्या कोई प्रणाली समय के साथ स्थिर रहेगी। शोधकर्ताओं ने पाया कि उनका प्रति-उदाहरण स्थिरता के उन बुनियादी मानदंडों को पूरा करता है जिन पर गणितज्ञ वर्षों से भरोसा करते आए हैं, फिर भी यह दीर्घकालिक गणनाओं के लिए आवश्यक अधिक मजबूत अर्थों में स्थिर होने में विफल रहता है। इसका अर्थ यह है कि स्थिरता सुनिश्चित करने के लिए उपयोग किए जाने वाले मानक परीक्षण पर्याप्त नहीं हैं ताकि प्रणाली को फटने से रोका जा सके। यह कार्य इन प्रणालियों में जटिलता की एक छिपी हुई परत को प्रकट करता है, यह दिखाते हुए कि वे सुरक्षा के लिए सामान्य परीक्षणों में पास हो सकती हैं, फिर भी उनमें विपरीत दिशा में या सिमुलेशन के दौरान विनाशकारी विफलता की क्षमता छिपी हो सकती है।

इस प्रति-उदाहरण के निर्माण के लिए विभिन्न गणितीय आधारों (bases) के बीच परस्पर क्रिया की गहरी समझ की आवश्यकता थी। शोधकर्ताओं ने वेक्टर्स के एक विशिष्ट सेट का उपयोग किया जो एक-दूसरे के लगभग, लेकिन पूरी तरह से, ऑर्थोगोनल (orthogonal) नहीं हैं। इस मामूली अपूर्णता को, जिसे उन्होंने एक विशिष्ट पैरामीटर के साथ नियंत्रित किया, उन्हें इस तरह से ट्यून करने की अनुमति दी कि अग्र गति पूरी तरह से डैम्प्ड (damped) हो जबकि विपरीत गति को प्रवर्धित (amplified) किया जा सके। उनकी सफलता की कुंजी 'डबल-एक्सपोनेंशियल' (double-exponential) दर पर बढ़ने वाली संख्याओं के अनुक्रम का उपयोग करना था। यह तीव्र वृद्धि ही वह कारक है जो उन्हें एक दिशा में स्थिर बनाए रखने और दूसरी दिशा में अस्थिर होने के बीच का नाजुक संतुलन बनाए रखने की अनुमति देती है। बिना इस विशिष्ट, सावधानीपूर्वक चुने गए विकास दर के, इस प्रति-उदाहरण के लिए आवश्यक सूक्ष्म संतुलन मौजूद नहीं होता।

अंत में, यह शोध पत्र एक ऐसे प्रश्न का निश्चित नकारात्मक उत्तर प्रदान करता है जो वर्षों से खुला था। यह दिखाता है कि हिल्बर्ट स्पेस पर 'इनवर्स जनरेटर समस्या' का सकारात्मक समाधान नहीं है, और संख्यात्मक योजनाओं (numerical schemes) की स्थिरता को स्वतः ही सही नहीं माना जा सकता है। शोधकर्ताओं ने एक स्पष्ट, स्पष्ट उदाहरण प्रदान किया है जो गणितज्ञों और इंजीनियरों के लिए एक चेतावनी के रूप में कार्य करता है: केवल इसलिए कि एक प्रणाली स्थिर दिखती है और मानक परीक्षणों को पास करती है, इसका मतलब यह नहीं है कि उसका उल्टा सुरक्षित है, और न ही इसका मतलब यह है कि मानक कंप्यूटर सिमुलेशन हमेशा काम करेंगे। यह कार्य एक कठोर प्रमाण है, न कि केवल एक सुझाव या सिमुलेशन, और यह इन मौलिक गणितीय संबंधों की समझ में एक स्थायी सुधार के रूप में खड़ा है।