技術要約：分数階システムにおけるカオス的アトラクタとリアプノフ指数

1. 問題提起

非整数次 $\nu \in (0, 1)$ のカプート（Caputo）微分によって定義される分数階力学系は、現在の変化率がべき乗の重みを持つ過去の履歴全体に依存するプロセスをモデル化する。これらのシステム（分数階ロレンツ、ロッスラー、チェン・システムなど）はカオスを示すことが知られているが、リアプノフ指数を用いてこのカオスを測定することは困難な課題であり続けてきた。

標準的なリアプノフ・アルゴリズムは、システムの将来の進化を決定する「状態」という概念に依存している。しかし、分数階システムにはそのような「状態」は存在しない。その将来は過去の履歴全体に依存するためである。したがって、このシステムは伝統的な意味での「フロー」を持たない。既存の手法は、メモリを切り詰める（これにより重大な誤差が生じる）か、あるいは切り詰められたスキームに対して標準的なアルゴリズムを適用しており、これらは全く別のシステムの指数を計算してしまっている。さらに、分数階システムにおけるリアプノフ指数の数学的定義は非自明である。なぜなら、システムのメモリは加齢（aging）し、有界なアトラクタ上にあってもメモリのノルムが無制限に増大するためである。

2. 手法：拡張システム・アルゴリズム

本論文は、「拡散表現（diffusive representation）」に基づく実用的な解決策を提案している。これは、分数階システムを無限次元の常微分方程式（ODE）システムへと変換するものである。核となる手法は、以下の3つの柱に基づいている。

A. 拡散表現

べき乗のメモリ・カーネル $k_\nu(\tau) = \tau^{\nu-1}/\Gamma(\nu)$ は、減衰指数関数の重ね合わせとして次のように表現される：
$$k_\nu(\tau) = \int_0^\infty \mu_\nu(\omega) e^{-\omega\tau} d\omega$$
ここで $\mu_\nu(\omega) \propto \omega^{-\nu}$ である。これにより、分数階システムは「拡張システム」へと書き換えることができる。ここでの状態は、メモリ・モードを表す関数 $\omega \mapsto z(\omega, t)$ である。各モードは以下の一次微分方程式に従う：
$$\partial_t z(\omega, t) = -\omega z(\omega, t) + f(x(t))$$
元の変数 $x(t)$ は、これらのモードの加重和を通じて回収される。この定式化により、分数階システムは無限次元の状態を持つ自律的ODEシステムへと変換され、標準的な力学系のツールが適用可能となる。

B. 離散化とタイムステッピング

これを数値的に実装するために、モードの連続体を、積分の近似を行う求積則を用いて離散化する。本論文では、$\omega=0$ における $\mu_\nu(\omega)$ の特異性を扱うために特定の戦略を採用している：

• 特異パネル（Singular Panel）: 長期挙動に不可欠な、低速で加齢するモードを捉えるために、区間 $[0, \omega_{min}]$ に対してガウス・ヤコビ則を使用する。
• 幾何学的パネル（Geometric Panels）: $\omega_{max}$ までの数十年分（decades）の範囲について、$\ln(\omega)$ 変数におけるガウス・レジェンドル則を使用する。
• 指数時間差分法（ETD）: システムが硬い（stiff）ため（レート $\omega$ が $10^{-7}$ から $10^7$ まで及ぶ）、モード方程式の線形部分は解析的に積分し、非線形結合は2次のルンゲ・クッタ法を用いて数値的に処理する。

C. 接線系とノルム

リアプノフ指数を計算するために、拡張システムの線形化されたダイナミクスを軌道と共に積分する。直交化（QR分解による）のためのノルムの選択には、決定的な理論的洞察が必要である：

• 線形化されたダイナミクスは、純粋な緩和（ノルム1）とコンパクトな結合から構成される。
• 理論によれば、分数階システムには負のリアプノフ指数が存在しない。摂動が減衰する場合、それは指数関数的ではなく、代数的に（$t$ の冪乗として）減衰する。
• したがって、接ベクトルは特定の加重ノルムにおいて直交化されなければならない：$\|( \delta a, \delta z )\|^2 = |\delta a|^2 + \sum w_i(1+\omega_i)|\delta z_i|^2$。標準的なユークリッド・ノルムを使用すると、誤った結果が得られる。

3. 主な貢献

本論文は、このアルゴリズムを実装した完全かつ自己完結的なPythonプログラム（約150行）を提供している。その具体的な貢献は以下の通りである：

1. 動作する実装: 分数階カオス・システムをシミュレートし、既知の厳密解を持つ線形システムによって検証された上で、そのリアプノフ指数を計算するスクリプト。
2. コード設計の理論的正当化: なぜ特定の設計上の選択（特異パネルの包含や特定の加重ノルムなど）が必要なのかを、拡散表現の数学的特性と直接結びつけて説明している。
3. 出力解釈の明確化: 分数階リアプノフ計算の結果をどのように読み取るべきかを確立している：
   • 正の指数は、明確に定義され、離散的である。
   • 非正の指数は、負の値に収束するのではなく、ゼロに向かって緩やかにドリフトする。
   • 指数が消失している場合（$\lambda \approx 0$）、平衡点、周期的な窓、あるいは過渡現象を区別するために、軌道の観察が必要である。

4. 結果

プログラムはいくつかのシステムに対して検証および適用された：

• 線形検証: 線形システム $CD^\nu x = \text{diag}(0.05, -1, -2)x$ （$\nu=0.8$）において、プログラムは最大指数を $0.023636$と計算した。これは理論値$0.05^{1/0.8} \approx 0.023644$と$0.04%$以内の誤差で一致している。他の指数は、$-1$や$-2$ に収束することなく、正しくゼロに向かってドリフトした。
• 分数階ロレンツ・システム ($\nu=0.995$): プログラムは最大指数 $\lambda_1 \approx 0.856$ を算出した（整数次システムの場合は $0.906$）。これは、カオスが始まる前に軌道が平衡点の近くに留まる様子を正しく捉えている。
• 分数階チェン・システム ($\nu=0.9$): プログラムは $\lambda_1 \approx 2.33$ を見出した。
• 周期的な窓: アルゴリズムは、チェン・システムにおける $\nu=0.99$ での周期的な窓を特定することに成功した。そこでは、指数がゼロへとドリフトし、長い過渡期の後に軌道が周期的となった。

5. 意義と主張

本論文は、最近の理論的論文の実践的な伴走者として位置づけられており、分数階システムにおけるカオスの測定における曖昧さを解消することを目的としている。その意義は以下の点にある：

• 誤解の訂正: 標準的なリアプノフ・アルゴリズムをメモリを切り詰めたスキームに適用すると、誤ったシステムを測定してしまうことを示している。
• 状態の定義: 「分数階システムの『状態』とはそのメモリである」という概念を定式化し、標準的な力学系理論の適用を可能にした。
• 切り詰め誤差の回避: メモリを切り詰めること（低速なモードを取り除くこと）に対し、カーネル誤差解析を通じて、それが根本的にシステムを変化させ、指数に大きな誤差をもたらすことを明示的に警告している。
• 限定的な範囲: 著者はすべての分数階力学系の問題を解決しようとしているのではなく、形式が $CD^\nu x = f(x)$ であるシステムのカオティック・アトラクタとその指数をシミュレートし分析するための堅牢なツールを提供することに主眼を置いている。論文は、出力（ゼロ付近のバンド）を正しく解釈するために、読者が分数階指数の特有の振る舞いを理解する必要があることを強調している。