The initial condition as a decaying forcing: ageing and Lyapunov exponents of fractional maps

複雑系の研究において、科学者たちは事物が時間の経過とともにどのように変化するかを支配する単純な規則を探している。そのような規則の一つが、「写像（マップ）」という概念である。これは、現在の状態に基づいて次の状態がどこになるかを教える数学的なレシピのようなものである。最も単純なバージョンでは、未来は現在のみに依存する。しかし、流体の流れから疾病の拡大に至るまで、多くの現実世界のシステムには「記憶」がある。つまり、彼らの未来は単に今どこにいるかだけでなく、過去にどこにいたかに基づいているのである。この記憶が長い時間をかけてゆっくりと消えていくとき、そのシステムは「分数（フラクショナル）」数学を用いて記述される。これらのシステムは、その長い記憶ゆえに非常に研究が困難であり、次のステップを計算するためにシステムの全履歴を知る必要があるためである。これが計算コストを増大させ、数学的に不透明にし、科学者がそのカオスを測定したり挙動を予測したりすることを難しくさせてきた。

ステファノ・ファッツィーノという研究者が、今回この複雑さを切り抜ける方法を見出した。彼は、これら記憶を持つシステムが、シンプルで自己完結した機械として理解できることを明らかにしたのだ。歴史としての長い過程を一連の過去の出来事のリストとしてではなく、衰退していく「モード」の集合体として再定義することで、ファッツィーノは、これらの分数写像が実は自律的なシステムであることを示した。この新しい視点においては、システムは自身の過去を振り返る必要はない。代わりに、これらのモードという形で、自身の内に歴史を携えているのであり、それらは毎ステップごとに自動的に更新される。この画期的な発見により、標準的なノートパソコンで数百万ステップのシミュレーションを行うことが可能になった。以前であれば数ヶ月を要したか、あるいは不可能であった作業である。より重要なことに、この新しい見方は、システムの初期値がいかにしてその未来に影響を与えるのかという、長年研究者を悩ませてきた問いを明確にするものである。

この研究は、人口成長をモデル化するために用いられる有名なロジスティック写像の変種である、2つの特定のタイプの写像に焦点を当てている。標準的なバージョンでは、来年の人口は現在の人口のみに依存する。分数のバージョンでは、新しい人口はすべての過去の年の重み付き平均に依存し、古い年ほど影響力は弱まるものの、完全に消失することはない。ファッツィーノは、これら2つの写像が異なる数学的起源を持ちながらも、隠れた構造を共有していることを実証した。彼らのメモリカーネル（どの程度過去に重みを置くかを決定する規則）は、実際には単純な幾何学的減衰の平均となっている。これは、無限の履歴全体が、約100から200個の有限の「メモリモード」によって置き換え可能であることを意味している。各モードは、特定の期間にわたって過去を記憶し、時間とともに幾何学的に減衰する独立したチャンネルのように機能する。生の履歴を追跡する代わりにこれらのモードを追跡することにより、コンピューターによる実行コストは、時間が2倍になれば仕事量が4倍になる二次関数的な増加から、時間が2倍になれば仕事量も2倍になる線形的な増加へと減少する。この効率性により、最大1億ステップまでのフォローが可能となり、これまで隠されていた長期的な振る舞いを見るために必要なスケールを実現している。

この強力なツールを用い、ファッツィーノは根本的な問いに取り組んだ。「初期条件（システムの開始値）は、その長期的な挙動にいかに影響を与えるか？」という問いである。記憶のないシステムでは、出発点は通常、システムがパターンに落ち着く前の短い間だけ重要となる。しかし、これらの分数系においては、出発点は極めて長い間、システムを押し続ける減衰する力の役割を果たす。研究者たちは、この影響がべき乗則に従って緩やかに消えていくことを見出した。すなわち、ステップ数が増加するにつれて効果が減少していくのである。定常状態や繰り返しのサイクルに落ち着くシステムの場合、これはシステムの初期値に対する感受性が最終的にはゼロになり、次第に失われていくことを意味する。これは、なぜ従来の試みがこれらのシステムのカオス度合いを測定しようとした際に、混乱を招くような負の数値を生じさせたのかを説明している。それらは恐らく、システムがその始まりをゆっくりと忘却していく過程における短期的なアーティファクト（偽の現象）であったのだろう。

最も驚くべき発見は、システムが予測不能に振る舞う混沌とした領域（カオティック・レジーム）で見られた。ここでは、初期条件は単に消え去るのではなく、カオスの統計量に対して永続的な刻印を残す。研究者たちは、システムの膨張と収縮の割合――カオスの主要な尺度である局所的な膨張率――が、驚くほど長い間、出発点に依存し続けていることを観察した。特定の分数次数を用いたシミュレーションでは、内部相関が消失するのにかかる時間よりも遥かに長い、1000万回の反復後においても、この依存関係が依然として明確に見られた。出発点がシステムの長期的な平均値から離れているほど、このドリフト（偏り）は強く、かつ長く持続した。しかし、もしシステムをその長期平均値で開始した場合、このドリフトは消失し、統計量は即座に定常となった。このことは、これらのシステムを研究するためのシンプルなルールを示唆している。すなわち、真のカオス度合いを測定するためには、シミュレーションをシステムの平均値から開始するか、さもなくば、結果がどれくらいの期間動作してきたか（エージング）を考慮に入れなければならないということである。

これらの知見は一次元の人口モデルにとどまらなかった。ファッツinoはこれをヘノン写像と呼ばれる二次元版の写像についても繰り返し分析を行い、全く同じ挙動を確認した。初期条件は両方のケースにおいて減衰する強制項として作用し、カオスの統計量をエイジング（経年変化）させる。これは、この現象が特定の方程式特有の癖ではなく、べき乗則の記憶を持つ分数型システムの本質的な特性であることを裏付けている。また、本研究は、通常の非カオス的な経路に沿った場合、リアプノフ指数（カオスを定量化するための数値）は正確にゼロであり、伝統的な意味での初期条件への指数関数的な敏感さは示さないことも明らかにした。先行研究で報告された負の値は、おそらくゼロの限界に収束していない有限時間の推定値であったと考えられる。

本研究は、メモリを恣意的に遮断することなく、分数写像に対するリアプノフ指数を定義および計算するための一貫した枠組みを提供することで、この分野の長年の曖昧さを解消するものである。それは、システムの「エイジング」が数値的なエラーではなく、長い記憶を持つシステムにおける真正の物理的性質であることを示している。初期条件は忘れ去られる詳細事項ではなく、数百万ステップにわたり進化を形作る持続的な力なのである。このメカニズムを特定したことで、本研究は複雑なシステムを解析するための明確な道筋を提示しており、これらのシステムにおける真のカオスの性質を理解するには、目先の挙動を超えて、システムの始まりが残したゆっくりとした消えゆく残響までも考慮しなければならないことを示唆している。