Файл: Уиггинс. 5 нерешенных проблем науки.pdf

неудачу модели на счет недостаточного количества данных и трудностей ведения громоздких вычислений вручную*.

могла математику обнаружить аттрактор (гомоклинические точки), что заложило фундамент теории хаоса (катастроф).

* Численный прогноз погоды всего на 6 часов, сделанный Ричардсоном, оказался не просто плох — было предсказано появление фантастической бури, а реальная погода оказалась вполне нормальной. Причину ошибки отыскали через несколько лет. А Ричардсон честно, не испугавшись насмешек, опубликовал и результат, и алгоритм расчета. Оказывается, шаг по времени may не должен быть произвольно большим, он ограничивается отношением длины шага по пространству к максимальной скорости. Более полные модели (например, система, которую использовал Ричардсон) описывают процессы с различными скоростями; в

167

Вскоре обычные вычисления препоручили ЭВМ. К 1953 году обосновавшийся в Принстоне венгерский математик Джон фон Нейман успел испробовать первую цифровую вычислительную машину ЭНИАК (ENIAC — Electronic Numerical Integrator and Computer) Принстонского университета на многих задачах, включая уравнения Ричардсона. Хотя машинные расчеты и позволяли делать сравнительно неплохой прогноз погоды, работы оставалось еще непочатый край.

ЭВМ оказалась весьма полезным орудием. В 1960 году Эдуард Лоренц сумел «выбить» для себя новую ЭВМ [Royal МсВее]. Он изучал математику в Гарварде, а теперь преподавал метеорологию в Массачусетском технологическом институте. Для проверки машины Лоренц составил программу для 12 нелинейных уравнений, описывающих поток жидкости применительно к погоде. Эти уравнения включали воздействие давления, скорости ветра, температуры воздуха и влажности. По современным меркам ЭВМ Лоренца была весьма примитивной, но результаты выдавала вполне разумные.

Один прогон оказался столь любопытным, что Лоренц решил расширить его. Из-за медлительности тогдашних ЭВМ он начал прогон программы с середины, введя случайно взятое число 0,506 из распечатки. Затем Лоренц отправился пить кофе, а машина продолжала «перемалывать» содержимое. Вернувшись, он был поражен увиденным: часть нового прогона, перекрывающаяся со старым, содержала отличные от прежних результаты. Причем отличие было разительным. После кропотливой проверки Лоренц выяснил, что ЭВМ использовала числа с шестью знаками после запятой, но выдавала их округленными до трех знаков. Поэтому числу 0,506 на распечатке соответствовало машинное число 0,506127.

частности, нужно учесть и скорость звука. Ограничение на may (условие Куранта—Фридрихса—Леви) было получено спустя пять лет после публикации книги Ричардсона. В разностной схеме Ричардсона условие КФЛ нарушалось, и она была неустойчивой.

168

Но каким образом столь малая разница на входе могла привести к такому разительному расхождению на выходе? Эдуард Лоренц заново открыл явление, о котором говорил Пуанкаре. В своей статье 1963 года «Детерминированное непериодическое течение» [в кн.: Странные аттракторы. М., 1981] Лоренц указывает, насколько конечный результат чувствителен к начальным условиям.

На рис. 5.4 представлена кривая трехмерной функции, порождаемой нелинейными уравнениями данного рода. Хотя ее значения так и не сходятся к одной точке, они колеблются вокруг двух точек, словно притягивают к себе функцию, отсюда и название «странный притягиватель (аттрактор)».

Чтобы заострить внимание на том, как малые различия ведут к большим последствиям, а возможно, руководствуясь наглядным образом странного аттрактора, свое выступление [в декабре 1972 года перед Американским обществом содействия науке] Лоренц озаглавил так: «Вызовет ли взмах крыла бабочки в Бразилии смерч в Техасе?» Выражение «эффект бабочки» вскоре стало общепринятым. Системы уравнений с подобным поведением уже создавались и изучались независимо от возможности применять их к физическим системам.

Рис. 5.4. Странный аттрактор

169

Уиггинс А., Уинн Ч. Пять нерешенных проблем науки / Артур Уиггинс, Чарлз Уинн. — Пер. с англ. А. Гарькавого. — М.: ФАИРПРЕСС, 2005. — 304 с: ил. — (Наука & Жизнь).

В итоге возникла совершенно новая отрасль математики с, пожалуй, вводящим в заблуждение названием «теория хаоса», придуманным математиком Джеймсом Йорком из Мэрилендского университета (см.: Список идей, 12. Теория хаоса). К сожалению, слово хаос подразумевает совершенный беспорядок, что в корне неверно. Погода не носит случайного характера. Общая картина погоды хорошо всем известна: лето теплое, а зима холодная. Чего нам недостает, так это подробностей: насколько теплой или холодной будет погода, и ждать непогоду спустя неделю или же ровно через час.

Решение головоломки: как и где?

Есть несколько мнений о путях достижения более точного, долгосрочного прогноза погоды.

170

КАК И ГДЕ

Улучшение методов

♦Совершенствование наблюдений за погодой. Требуется больше данных и лучшего качества. Есть места на Земле, откуда поступает крайне мало данных, прежде всего это горные районы и океанические поверхности. Два больших сезонных течения поверхностных океанических вод, Эль-Ниньо и Ла-Нинья, вызывают обширные синоптические явления, существенно воздействующие на погоду в мире, особенно сказываясь на сельском хозяйстве. Точный долговременный прогноз помог бы крестьянам сохранить сотни миллионов долларов. В рамках проектов наподобие ARGO, составной части Системы наблюдения за климатом Земли, на океанических просторах размещаются 3 тыс. дрейфующих станций для слежения за погодными и водными условиями.

♦Повышение качества моделирования. Современное математическое моделирование значительно совершенней методов Эдуарда Лоренца, но многое еще предстоит сделать. Некоторые физические процессы, управляющие погодой, весьма сложны. Нужно учитывать рельеф местности и свойства почвы, брать в расчет динамическое поведение океана и облачного покрова. Нынешние модели лишь аппроксимируют крайне сложные процессы в целях ускорения вычислений с учетом объемов памяти ЭВМ. К тому же различные службы придерживаются собственных моделей со своими аппроксимациями.

♦Уменьшение шага сетки у модели. Первые модели прогнозирования погоды использовали сетку с шагом в сотни километров. В нынешних моделях этот шаг уменьшен до десятков километров, а ближайшая цель — 5 км. Чем меньше область, тем точнее моделирование, однако для получения такой точности нужны суперЭВМ (вспомним потребность биологии в больших вычисли-

171

тельных мощностях, получившую название биоинформатики). В построении суперЭВМ наметилось два подхода: массовая параллельная обработка и векторные вычисления. Процессоры с массовым параллелизмом соединяют большое число универсальных процессоров, каждый из которых осуществляет часть сложного вычисления, а отдельные результаты суммируются. Векторная обработка использует специализированные микропроцессоры, предназначенные для решения сугубо определенной задачи. В свое время американский разработчик ЭВМ Сеймор Крей собирал необыкновенно быстрые суперЭВМ на основе векторного вычисления. Хотя его подход перестал пользоваться спросом на родине, к нему решила прибегнуть японская компания NEC Вместо перехода на сетку с меньшим шагом для всего земного шара было решено, что качество прогноза у глобальных моделей можно улучшить при сетках с переменным шагом в особо важных областях.

♦ Сборный прогноз. Сборный прогноз — метод, учитывающий чувствительность моделей к малым изменениям в начальных условиях. Данный подход связан с неоднократным прогоном модели, использованием

Уиггинс А., Уинн Ч. Пять нерешенных проблем науки / Артур Уиггинс, Чарлз Уинн. — Пер. с англ. А. Гарькавого. — М.: ФАИРПРЕСС, 2005. — 304 с: ил. — (Наука & Жизнь).

различных начальных условий, чтобы посмотреть, как меняются выходные данные. Если, например, дождь выпадает в четырех испытаниях из десяти, можно прогнозировать 40% вероятности дождя. Обычно модели запускают более 10 раз — часто это 17 прогонов, но порой может быть и 46. Одна из разновидностей данного подхода связана со сравнением результатов различных моделей с последующим прогнозированием на основе средневзвешенного значения. Опытные метеорологи используют ЭВМ, когда сверяют результаты, и порой отклоняют выданный ею прогноз исходя из собственного опыта.

172

Признание невозможности подробного долгосрочного прогноза и изучение лишь общих тенденций

Как пишет популяризатор науки Джеймс Глейк в книге ХАОС: создание новой науки (1987) [СПб., 2001]: Предположим, что Земля покрыта датчиками на удалении одного фута друг от друга, а по высоте — идущими

на расстоянии одного фута вплоть до верхних слоев атмосферы. Предположим, что каждый датчик снимает совершенно точные показания температуры, давления, влажности и любой иной величины по желанию метеоролога. Ровно в полдень обладающая неограниченной мощностью ЭВМ получает все эти данные и вычисляет, что произойдет в каждой точке в 12.01, потом в 12.02 и т. д. И тем не менее ЭВМ не в состоянии предсказать, будет ли в Принстоне, штат Нью-Джерси, солнечно или пасмурно через месяц. ,

Устоявшаяся сеть прогнозирования погоды не приемлет невозможности прогнозирования. Пока не удастся делать более точные прогнозы на срок более двух недель, приходится мириться с возможностью исходной непредсказуемости погоды. В некотором отношении здесь улавливается сходство с другой задачей науки о Земле: прогнозированием землетрясений (см.: Список идей, 13. Предсказание землетрясений).

Выработка совершенно нового подхода

При всех любопытных свойствах, проявляемых теорией хаоса и теорией катастроф, занятой изучением скачкообразных перестроек систем как чистой математики, для извлечения научных выгод требуется их более тесное соотнесение с физической реальностью. Свежий подход на основе простых правил программирования [так называемой системы компьютерной алгебры] предложил в 2002 году Стивен Вольфрам. Его идеи могут помочь в прогнозе погоды и иных областях науки, однако потребуется еще много уси-

173

лий для соотнесения его отвлеченных математических методов моделирования с реальным миром.

Сегодня проект под названием climateprediction.com позволяет запускать модели поведения атмосферы на домашних компьютерах в фоновом режиме в качестве экранных заставок. Эта программа по массивным параллельным вычислениям схожа с обсуждаемыми соответственно в 4-м и 8-м «Списке идей» проектами SETIathome и Folding@Home. Сложные модели поведения атмосферы запускают с использованием различных начальных условий для прогнозирования погоды и климата в далеком 2050 году. Прогнозы затем сравнят с действительными погодными условиями 2050 года, что, возможно, прольет свет на подходы к моделированию. Десятки тысяч людей уже согласились предоставить свои компьютеры за символическое вознаграждение.

Цель данного проекта запечатлена в следующем выражении, передающем дух прогнозирования погоды:

Помогает объяснить прошлое, которое затем Помогает понять настоящее, а значит, Предсказать будущее, что позволяет Больше влиять на грядущие события и Лучше обезопаситься от неожиданностей.

Чарльз Хэнди*

* Хэнди Чарльз (р. 1932) — английский специалист по менеджменту, автор книг: Время безрассудства: Искусство управления в организации будущего (СПб., 2001), По ту сторону уверенности. О новом мире внутри и вокруг организаций (СПб., 2002). Само выражение приводится в кн.: Бодди Д., Пэйтон Р. Основы менеджмента. СПб., 2000.

Уиггинс А., Уинн Ч. Пять нерешенных проблем науки / Артур Уиггинс, Чарлз Уинн. — Пер. с англ. А. Гарькавого. — М.: ФАИРПРЕСС, 2005. — 304 с: ил. — (Наука & Жизнь).