Математический объект, столь же полезный, сколь и красивый, стал символом хаоса, средством его понимания и даже использования. В своей модели конвекции Лоренц выделил три ключевых фактора влияния: изменение температуры сверху вниз и из стороны в сторону, а также скорость конвекции. Он мог отображать эти свойства, отслеживая их момент за моментом.

Работая с Эллен Феттер, Лоренц обнаружил отличительную черту хаоса. Точно так же, как погода имеет закономерности (проявляющиеся в виде смены времен года от лета к зиме), но сильно варьируется изо дня в день (в Лондоне это определенно так), они обнаружили, что и точка в целом прослеживает траекторию в форме бабочки, но при этом никогда не идет по одному и тому же пути по «крыльям».

Даже начав с наименее различных стартовых точек, вы всегда окажетесь на разных треках по мере того, как компьютер движется вперед во времени: две точки аттрактора, которые изначально лежат рядом друг с другом, в конечном итоге оказываются экспоненциально далеко. Однако, какой бы ни была отправная точка, в конечном итоге вы оказываетесь в ловушке общей формы бабочки, состоящей из множества траекторий[110].

Чтобы понять весь масштаб того, что может произойти в хаотической динамической системе, необходимо исследовать поведение этой формы бабочки для всех – или как можно большего числа – начальных условий. Результирующий набор симуляций, начинающийся с совокупности начальных условий, называется ансамблем. Этот подход тесно связан с тем, который использовал Больцман для расчета возникновения температуры и других объемных или макроскопических свойств из микроскопического – молекулярного – описания материи, скажем, скорости молекул воды, что дало начало целому направлению, известному как статистическая механика[111].

В этом случае ансамбль создается путем моделирования всей системы молекул воды – скажем, наполненного чайника – и последующего повторения этого процесса огромное количество раз с использованием разных начальных условий. Хотя вы можете вычислить температуру на основе кинетической энергии, связанной с движением всех различных молекул воды в каждой «копии» чайника, термодинамическая температура будет средней по ансамблю, а именно средней по каждой из реплик – идея, предложенная американцем Дж. Уиллардом Гиббсом (1838–1903).

Рисунок 14. Ансамблевое прогнозирование. Адаптировано из The Quiet Revolution of Numerical Weather Prediction Питера Бауэра, Алана Торпа и Гилберта Брюне (Nature, 2015)

Ансамбли также фигурировали в некоторых из первых моделей поведения атомов, использовавшихся для моделирования цепных ядерных реакций, к которым мы вернемся в следующей главе. Сегодня они широко используются, особенно в прогнозировании погоды, где слегка отличающиеся начальные условия и значения неопределенных параметров вводятся в модели прогнозирования, чтобы охватить диапазон возможных ожидаемых погодных явлений, например, когда может случиться ураган. Первый прогон кода, чрезвычайно чувствительного к начальным условиям, даст ответы, отличные от следующего. Однако важно отметить, что ансамблевые расчеты действительно дают, как кажется, надежные средние значения.

Английский физик Тим Палмер, работая с Джеймсом Мерфи в Метеорологическом бюро Великобритании, более 25 лет назад подготовил первый в мире вероятностный прогноз погоды, основанный на ансамблях[112]. Они обнаружили, что если прогнозы сильно различаются по ансамблю, их необходимо хеджировать с точки зрения значительных неопределенностей, тогда как если они похожи, уверенность в результате возрастает.

Рисунок 15. Аттрактор Лоренца (Шуньчжоу Ван, Центр вычислительных наук, UCL)

Таким образом, хаос можно измерить количественно. Вычисляя свойства ансамбля, мы переходим от ненадежных попыток детерминистического описания к надежному, но вероятностному описанию, выраженному в терминах средних значений и стандартных отклонений. Однако математика также показывает нам, почему хаос невозможно полностью укротить.