На практике также была доказана возможность хаотического поведения реакции Белоусова-Жаботинского, когда появление и поведение структур не подчинялось никакому гармоническому закону, т.е. у системы появлялась физическая реализация странного аттрактора.
Колебательные процессы в химических реакциях вероятно являются ключом к разгадке некоторых свойств живых существ:сложных биологических часов, транскрипции ДНК, процессов в мускулах.
Турбулентность
Классическое уравнение гидродинамики - уравнение Навье-Стокса - представляет поток жидкости как сумму движущихся частиц. Однако такой подход применим, только если речь идет о ламинарном потоке. По мере увеличения скорости потока в жидкости сначала появляются устойчивые вихри. Их число незначительно а расположение и скорость постоянно (вырожденная турбулентность). При дальнейшем росте скорости число вихрей растет, они начинают перемещаться, образуя повторяющуюся картину (частично упорядоченная турбулентность). Наконец, стройная картина рушится, уступая место хаотической смеси вихрей.
Ведущая роль в анализе перехода течения жидкости с турбулентное состояние принадлежит О. Рейнольдсу. До него были установлены эмпирические закономерности для различных случаев, но именно Рейнольдс обнаружил, что возникновение турбулентности связано с превышением скоростью потока некоторой критической величины. Ему удалось вывести соотношение, связывающий радиус трубы, скорость течения и вязкость жидкости, которое дает универсальный критерий перехода в турбулентную фазу. Однако теоретически обосновать его значение Рейнольдс не смог. Проявление турбулентности, как изменения макроскопической вязкости жидкости связанной с явлениями перемешивания, турбулентной диффузии было математически описано Прандтлем и, позднее. Карманом. Они сформулировали понятие подобия пульсации скорости. Дальнейшее развитие теории турбулентности было сделано Колмогоровым, описавшим закон распределения энергии по пульсациям потока.
Численное решение произвольных задач с турбулентными потоками на базе уравнений Навье-Стокса и Рейнольдса имеющимися в настоящее время вычислительными средствами не представляется возможным. Помимо этого, есть вероятность, что упрощения, сделанные при выводе этих уравнений, а именно игнорирование слабых взаимодействий между группами атомов, может сделать такую методику неприменимой, так как именно эти детали могут быть критическими при описании сложных потоков.
Удачным походом в данном случае может быть статистическое описание движения. Для это строятся функции корреляции значений скорости различных рангов. Такие функции, будучи весьма обобщенной моделью системы, нечувствительны к начальным данным и дают удовлетворительное соответствие макроскопическому поведению системы. Основной проблемой статистической гидромеханики является построение конечной цепочки корреляционных функций, обнаружения внутренних взаимозависимостей законов распределения и изменения скоростей.
В статистической гидромеханике на первом месте стоит изучение поведения структур, возникающих в пограничном слое. Именно структура потока в этом слое определяет величину вязких сил, действующих на поверхность обтекаемого тела и поэтому основными приложениями теории стали практические задачи, возникающие при конструировании летательных аппаратов и скоростных судов.
Диффузный рост
При изучении форм растущих в условиях неоднородностей кристаллов было замечено, что их структура фрактальна, т.е. повторяется на разных уровнях масштаба. Причины, по которым возникает такая упорядоченность в деталях неизвестны.
Говоря о процессе осаждения частиц при электролизе, Л. Сандер [13] предположил, что появление скейлинговой регулярности может быть связано с тем, что вероятность прилипания частицы к выпуклому участку поверхности выше, чем вероятность ее проникновения во впадины. Таким образом, стимулируется развитие отростков. Однако процесс является неустойчивым и на отростках в свою очередь появляются зародыши роста боковых ответвлений. Таким образом, взаимодействие стохастических процессов и процессов роста приводит к образованию огромного диапазона различных узоров.
В пользу такой теории говорит поразительное соответствие между компьютерной моделью диффузного роста кристаллов и реальными природными образованиями.
Фрактальная структура свойственна не только кристаллам. Похожую форму имеют пальцы, образующиеся при взаимодействии двух жидкостей различной вязкости, например, между водой и нефтью. Совершенно иную природу но похожий вид имеет электрический разряд в газе. Сандер предполагает, что такой подход к описанию возникновения фрактальных структур может быть применен для объяснения биологических объектов, коралловых рифов, ветвления сосудов кровеносной системы.
2. Информационные системы
Человеческий мозг - это гигантская сеть из десятков миллиардов нервных клеток, связанных между собой отростками (дендритами и аксонами). Благодаря работам нейрофизиологов достаточно хорошо известен механизм действия отдельного нейрона. Отвлекаясь от быстрых переходных процессов, можно сказать, что нервная клетка способна находиться в одном из трех дискретных состояний: покое, возбуждении и невозбудимости (рефрактерности). Переходы между состояниями управляются как процессами внутри самой клетки, так и электрическими сигналами, поступающими к ней по отросткам от других нейронов. Переход от состояния покоя к возбуждению происходит пороговым образом при почти одновременном поступлении достаточно большого числа импульсных сигналов возбуждения. Оказавшись в возбужденном состоянии, нейрон находится в нем в течение определенного времени, а потом самостоятельно переходит к состоянию рефрактерности. Это состояние характеризуется очень высоким порогом возбуждения: нейрон практически не способен реагировать на приходящие к нему сигналы возбуждения. Через некоторое время способность к возбуждению восстанавливается и нейрон возвращается в состояние покоя.
Кроме устройства отдельной нервной клетки относительно хорошо изучены глобальные аспекты деятельности мозга - назначение его отдельных областей, связи между ними. Однако попытки описать работу мозга с позиций текущих принципов функ-ционирования вычислительных устройств с линейной организацией вычислений приводят к фантастическим цифрам скорости передачи информации. Несколько ближе оказываются распределенные вычислительные сети, но они и построены на дискретных принципах, в то время как мозг использует аналоговую обработку.
Непрекращающиеся попытки построить подобные мозгу вычислительные системы привели к идее использования нечеткой логики. Большие надежды связаны с нанотехнологиями и молекулярными компьютерами, что требует нового взгляда на проблему обеспечения надежности, так как вероятность прекращения функционирования отдельного элемента достаточно высока. Видимо и программирование такого компьютера будет отличаться от традиционного подхода, возможно более напоминая процесс тренировки/обучения.
Клеточные автоматы
В качестве модели таких устройств сейчас рассматриваются клеточные автоматы. Ими обычно называют сети из элементов, меняющих свое состояние в дискретные моменты времени по определенному закону, в зависимости от того, каким было состояние самого элемента и его ближайших соседей по сети в предыдущий дискретный момент времени.
Самым известным клеточным автоматом является игра Жизнь. Здесь сеть представляет собой двумерную или трехмерную решетку элементов, каждый из которых может иметь два состояния: жив или мертв. Смерть, жизнь или оживление клетки определяется количеством живых соседей: в пустоте или при перенаселенности клетка гибнет, в некотором диапазоне числа соседей продолжает жить, такое же число может воспроизвести новую клетку. Более сложные автоматы могут иметь большее количество состояний элементов, элементы могут быть подвержены случайным возмущениям и т. п. По своему поведению клеточные автоматы делятся на четыре класса. К первому классу относятся автоматы, приходящие через определенное время к устойчивому однородному состоянию. Автоматы второго класса через некоторое время после пуска генерируют стационарные или периодические во времени структуры.
В автоматах третьего класса по прошествии некоторого времени перестает наблюдаться корреляция процесса с начальными условиями. Наконец, поведение автоматов четвертого класса сильно определяется начальными условиями и с их помощью можно генерировать весьма различные шаблоны поведения. Такие автоматы являются кандидатами на прототип клеточной вычислительной машины. В частности, с помощью специфических клеточных конфигураций игры Жизнь, которая как раз и является автоматом четвертого типа, можно построить все дискретные элементы цифрового компьютера.
Клеточные автоматы используются для моделирования гидродинамических течений, так как уравнения гидродинамики соответствуют математической модели, описывающей поведение решетчатого газа, одного из клеточных автоматов, на макроуровне. Структуры, возникающие в игре Жизнь , очень точно повторяют возмущение поведение поверхности потока жидкости механическим препятствием. Примитивные одномерные клеточные автоматы мо-гут моделировать процесс горения различного характера.
Автоматы - колонии
Такие автоматы используются для моделирования поведения во времени и пространстве популяций живых организмов. Чтобы пояснить, о чем идет речь, опишем автомат Aquatorus , предложенный Аланом Дьюдни [2]. Здесь элементами автомата являются не просто участки среды, а объекты различных типов, способные перемещаться в среде и взаимодействовать между собой. В автомате Дьюдни таких типов два: акулы и рыбы. Некоторый временной параметр задает период, после которого у объектов каждого типа возникает потомство, т.е. новый объект того же типа. Еще один параметр задает время жизни объектов каждого типа, причем для акул он меньше, но последние могут продлить свое существование, поглотив объект типа рыба .