К середине 70-х годов было уже хорошо известно, что при увеличении параметра в логистическом отображении имеет место последовательность бифуркаций удвоения периода. Соответствующие компьютерные результаты очень наглядно были представлены, например, в работе Роберта Мэя (1976). В это время, занимаясь исследованием удвоений периода с помощью карманного калькулятора, американский физик Митчел Фейгенбаум, работавший в Лос-Аламосской национальной лаборатории, обнаружил, что точки бифуркаций удвоения периода накапливались к определенному пределу – порогу возникновения хаоса по закону геометрической прогрессии с показателем 4,669... Этот показатель оказался универсальным, т. е. возникал и в других отображениях, и, как затем выяснилось, в нелинейных диссипативных системах самого разного вида.
Используя аппарат, аналогичный развитому ранее в теории фазовых переходов, – метод ренормализационной группы, Фейгенбаум построил замечательную теорию, объясняющую универсальность удвоений периода (1978-1979). Теория эта выглядела слишком формально, с точки зрения физиков, и слишком нестрого, с точки зрения математиков, так что Фейгенбауму далеко не сразу удалось опубликовать статью с изложением своих результатов. Эта задержка отчасти компенсировалась тем, что Фейгенбаум активно рассказывал о своей работе на конференциях и семинарах.
В дальнейшем переход к хаосу через удвоения периода, демонстрирующий обнаруженные свойства универсальности, наблюдался в огромном количестве нелинейных систем различной физической природы и в их моделях. Одна из первых очень аккуратных работ – эксперимент по конвекции в жидком гелии (1979). Работа Фейгенбаума стимулировала также изучение и ренормгрупповое описание [10].
§ 2.Развитие методов реконструкции
математических моделей динамических систем
Математические модели являются одним из основных инструментов познания человеком явлений окружающего мира. Под математическими моделями понимают основные закономерности и связи, присущие изучаемому явлению. Это могут быть формулы или уравнения, наборы правил или соглашений, выраженные в математической форме. Испокон веков в математике, механике, физике и других точных науках естествознания для описания изучаемых ими явлений использовались математические модели. Так, законы Ньютона полностью определяют закономерности движения планет вокруг Солнца. Используя основные законы механики, относительно нетрудно составить уравнения, описывающие движение космического аппарата, например, от Земли к Луне. Однако получить их решение в виде простых формул не представляется возможным. Для расчета траекторий космических аппаратов служат компьютеры.
Создание моделей по экспериментальным временным рядам в математической статистике и теории автоматического управления получило название идентификации систем а в нелинейной динамике – реконструкции динамических систем.
Предшественницами современных задач реконструкции были задачи аппроксимации и статистического исследования зависимостей между наблюдаемыми величинами, которые рассматривались уже в середине XVIII века в работах И. Ламберта.
Первоначально наблюдаемые процессы моделировались с помощью явных функций времени η = f (t), аппроксимирующих множество экспериментальных точек на плоскости (t, η). Целью моделирования были прогноз будущего развития процесса или сглаживание наблюдаемых зашумленных данных. В начале XX века серьезный шаг в развитии методов эмпирического моделирования сложных процессов был сделан в математической статистике, когда было предложено использовать линейные стохастические модели. Этот подход был основным в течение полувека (20-70-е гг. ХХ в.) и нашел многочисленные приложения, особенно для автоматического управления. Формирование концепции динамического хаоса и развитие вычислительной техники привели к тому, что в последние годы эмпирическое моделирование проводится уже на основе нелинейных разностных и дифференциальных уравнений, в том числе многомерных. Рассматриваемые проблемы актуальны как в фундаментальном, так и в прикладном плане. Эмпирические модели востребованы в различных областях науки и практики в физике, метеорологии, сейсмологии, экономике, медицине, физиологии и других науках.
Применение компьютеров для математического моделирования изменило само понятие "решить задачу". До этого исследователь удовлетворялся написанием математической модели. А если ему еще удавалось доказать, что решение (алгоритм) в принципе существует, то этого было достаточно, если априори полагать, что модель адекватно описывает изучаемое явление. Поскольку, как правило, нет простых формул, описывающих поведение модели, а стало быть и объекта, который описывается моделью, то единственный путь - свести дело к вычислениям, применению численных методов решения задач. В таком случае необходим конкретный алгоритм, указывающий последовательность вычислительных и логических операций, которые должны быть произведены для получения численного решения. С алгоритмами связана вся история математики. Само слово "алгоритм" является производным от имени средневекового узбекского ученого Аль-Хорезми. Еще древнегреческим ученым был известен алгоритм нахождения числа "пи" с высокой точностью. Ньютон предложил эффективный численный метод решения алгебраических уравнений, а Эйлер - численный метод решения обыкновенных дифференциальных уравнений. Как известно, модифицированные методы Ньютона и Эйлера до сих пор занимают почетное место в арсенале вычислительной математики. Ее предметом являются выбор расчетной области и расчетных точек, в которых вычисляются характеристики моделируемого объекта, правильная замена исходной математической модели ее аналогом, пригодным для расчета, т. е. некоторой дискретной моделью. Поскольку модели должны представлять изучаемые явления в необходимой полноте, понятно, что они становятся весьма сложными.
В модели входят множество величин, подлежащих определению, а сами эти величины зависят от большого числа переменных и постоянных параметров.
Наконец, модели реальных процессов оказываются нелинейными. Аппарат классической математической физики приспособлен для работы с линейными моделями. В этом случае сумма (суперпозиция) частных решений уравнения есть также его решение. Найдя частное решение уравнения для линейной модели, с помощью принципа суперпозиции можно получить решение в общем случае. На этом пути в традиционной математической физике были получены замечательные результаты. Однако она становится бессильной, если встречается с нелинейными моделями. Принцип суперпозиции здесь неприменим, и алгоритмов для построения общего решения не существует. Поэтому для нелинейных моделей законченных теоретических результатов получено немного.
Методология математического моделирования в кратком виде выражена знаменитой триадой "модель - алгоритм - программа", сформулированной академиком А. А. Самарским, основоположником отечественного математического моделирования. Эта методология получила свое развитие в виде технологии "вычислительного эксперимента", разработанной школой А. А. Самарского, – одной из информационных технологий, предназначенной для изучения явлений окружающего мира, когда натурный эксперимент оказывается слишком дорогим и сложным.
Во многих важных областях исследований натурный эксперимент невозможен, потому что он либо запрещен (например, при изучении здоровья человека), либо слишком опасен (например, при изучении экологических явлений), либо просто неосуществим (например, при изучении астрофизических явлений).
Вычислительный эксперимент в отличие от натурных экспериментальных установок позволяет накапливать результаты, полученные при исследовании какого-либо круга задач, а затем быстро и гибко применять их к решению задач в совершенно других областях. Этим свойством обладают используемые универсальные математические модели. Например, уравнение нелинейной теплопроводности пригодно для описания не только тепловых процессов, но и диффузии вещества, движения грунтовых вод, фильтрации газа в пористых средах. Изменяется только физический смысл величин, входящих в это уравнение. Проведение вычислительного эксперимента можно условно разделить на два этапа. После первого этапа вычислительного эксперимента, если надо, модель уточняется как в направлении ее усложнения (учет дополнительных эффектов и связей в изучаемом явлении), так и упрощения (выяснение, какими закономерностями и связями в изучаемом явлении можно пренебречь). На последующих этапах цикл вычислительного эксперимента повторяется до тех пор, пока исследователь не убеждается, что модель адекватна тому объекту, для которого она составлена.
Информационные технологии, поддерживающие вычислительный эксперимент, включают в себя методы построения математических моделей силами конечных пользователей информационных систем (специалистов в своей предметной области, а не профессиональных математиков и программистов), информационную поддержку их деятельности для поиска и выбора алгоритмов и программ численного решения задач, методы и средства контроля точности производимых вычислений и правильности работы применяемых программ. При проведении вычислительного эксперимента исследователь может с помощью пользовательского интерфейса "играть" на модели, ставя интересующие его вопросы и получая ответы. Таким образом, исследователь получает мощный инструмент для анализа и прогноза поведения сложных нелинейных многопараметрических объектов и явлений, изучение которых традиционными методами затруднено или вообще невозможно. Пора "младенчества" технологии вычислительного эксперимента приходится на 50-е годы XX века. Дата появления первых серьезных результатов вычислительного эксперимента в СССР зафиксирована вполне официально – 1968 год, когда Госкомитет СССР по делам открытий и изобретений засвидетельствовал открытие явления, которого на самом деле никто не наблюдал. Это было открытие, так называемого, эффекта Т-слоя (температурного токового слоя в плазме, которая образуется в МГД-генераторах). Свидетельство на это открытие было выдано академикам А. Н. Тихонову и А. А. Самарскому, члену-корреспонденту АН СССР С. П. Курдюмову, докторам физико-математических наук П. П. Волосевичу, Л. М. Дегтяреву, Л. А. Заклязьминскому, Ю. П. Попову (ныне директору ИПМ им. М. В. Келдыша РАН), В. С. Соколову и А. П. Фаворскому. В данном случае вычислительный эксперимент предшествовал натурному. Натурные эксперименты "заказывались" по результатам математического моделирования. Через несколько лет в трех физических лабораториях на разных экспериментальных установках практически одновременно был надежно зарегистрирован Т-слой, после чего технологам и инженерам стал окончательно ясен принцип работы МГД-генератора с Т-слоем. Плазма с ее нелинейными свойствами стала одним из важнейших объектов математического моделирования и вычислительного эксперимента. Заманчивая перспектива решения энергетической проблемы связана с управляемым термоядерным синтезом изотопов водорода, дейтерия и трития. Энергетическая проблема для человечества заключается в том, что нефти и газа при нынешнем темпе их потребления хватит всего на несколько десятков лет. А сжигать столь ценное химическое сырье в топках электростанций и двигателях внутреннего сгорания - это, по образному выражению Д. И. Менделеева, "почти все равно, что топить печь ассигнациями". С запасами угля дело обстоит гораздо лучше, но его добыча с каждым годом становится все труднее. Выходом может быть лазерный термоядерный управляемый синтез, исследование которого осуществляется с помощью вычислительного эксперимента. В 1974 г. коллектив сотрудников ФИАН и ИПМ АН СССР под руководством академиков Н. Г. Басова, А. Н. Тихонова и А. А. Самарского предложил принципиально новую концепцию лазерного термоядерного синтеза на основе результатов вычислительного эксперимента. Еще одна область использования вычислительного эксперимента - это "вычислительная технология" - применение математического моделирования с помощью компьютеров не только для решения фундаментальных научных проблем, но и для разработки технологических процессов в промышленности. Для тех случаев, когда технологические процессы описываются хорошо известными математическими моделями, для расчета которых предложены эффективные вычислительные алгоритмы, разработаны пакеты прикладных программ, технология вычислительного эксперимента позволяет создавать новые программы и совершенствовать средства общения человека с компьютером. У технологов есть потребность в изучении новых промышленных технологий, например лазерно-плазменной обработки материалов (плазменной термохимии).