Ein numerischer Rahmen für fraktionale und fraktal‑fraktionale Analyse des Pehlivan‑chaotischen Systems unter Verwendung der Caputo‑Ableitung

Warum Chaos mit Erinnerung wichtig ist

Viele natürliche und technische Systeme verhalten sich unvorhersehbar: Kleine Störungen können zu völlig unterschiedlichen Ergebnissen führen. Diese sogenannten chaotischen Systeme treten in Wetter, Elektronik und sogar in Anwendungen zur sicheren Kommunikation auf. In diesem Beitrag untersuchen die Autoren einen speziellen chaotischen Schaltkreis, das Pehlivan‑System, und fragen, was geschieht, wenn man ihm erlaubt, sich an seine Vergangenheit zu erinnern und auf einer Art gezackter, fraktaler Zeit zu entwickeln. Die Autoren entwickeln neue mathematische Werkzeuge und numerische Verfahren, um diese reichere Form von Chaos zu untersuchen, und zeigen, wie sie in Technologien zuverlässiger genutzt werden könnte.

Von einfachen Gleichungen zu wilden Bewegungen

Das Pehlivan‑System wird durch nur drei gekoppelte Gleichungen beschrieben, kann jedoch schwirrende Bahnen im dreidimensionalen Raum erzeugen, die sich nie wiederholen — ein Kennzeichen von Chaos. In seiner Standardform fließt die Zeit glatt und das System reagiert nur auf seinen gegenwärtigen Zustand. Frühere Arbeiten zeigten, dass ähnliche Systeme, wie das Lorenz‑Modell für das Wetter, noch flexibler werden, wenn ihre Gleichungen verallgemeinert werden, sodass die Änderung teilweise von der gesamten Historie des Systems abhängt. Diese Idee — fraktionale Analysis genannt — erlaubt es dem System, Erinnerung zu tragen, die kontinuierlich einstellbar ist, statt nur ein‑ oder ausgeschaltet zu werden.

Fraktale Zeit zu chaotischen Schaltkreisen hinzufügen

Die Autoren gehen einen Schritt weiter, indem sie fraktionales Gedächtnis mit fraktaler Geometrie kombinieren. Anstatt anzunehmen, dass die Zeit in gleichmäßigen Schritten voranschreitet, verwenden sie einen "fraktal‑fraktionalen" Ansatz, bei dem die Zeit effektiv skalenabhängig gestreckt und gestaucht wird. Zwei Einstellgrößen prägen nun die Dynamik: Die eine steuert, wie stark die Vergangenheit die Gegenwart beeinflusst, die andere bestimmt, wie unregelmäßig die Zeitskala ist. Innerhalb dieses Rahmens schreiben die Forscher die Pehlivan‑Gleichungen mit einer Version der Ableitung (der Caputo‑Form) neu, die sich gut für physikalische Systeme und übliche Anfangsbedingungen eignet.

Sicherstellen, dass die Mathematik sich gut verhält

Bevor sie Simulationen durchführen, beweisen die Autoren, dass ihr erweitertes System mathematisch wohlgeformt ist. Mit gängigen Werkzeugen der Analysis zeigen sie, dass für vernünftige Parameter‑ und Anfangswertwahl die Gleichungen mindestens eine Lösung besitzen und tatsächlich eine eindeutige Lösung. Sie untersuchen außerdem ein Konzept namens Ulam–Hyers‑Stabilität, das fragt: Bleiben die resultierenden Lösungen nahe an den wahren, wenn die Gleichungen leicht gestört werden — zum Beispiel durch numerische Fehler oder kleines Rauschen? Ihre Ergebnisse zeigen, dass unter klaren Bedingungen kleine Störungen nicht explodieren, was Vertrauen in die Robustheit des Modells und seiner numerischen Lösungen gibt.

Präzise Verfahren für Langzeitgedächtnis‑Chaos entwerfen

Weil diese Gleichungen Erinnerung an alle vergangenen Zeiten einbeziehen, wären einfache numerische Methoden mühselig langsam: Bei jedem neuen Schritt müsste die gesamte Historie erneut berücksichtigt werden. Die Autoren entwickeln spezialisierte Prädiktor‑Korrektor‑Schemata auf Basis von Newton‑ und Lagrange‑Interpolationspolynomen, um die Langzeitgedächtnis‑Integrale effizient zu approximieren. Sie leiten explizite Formeln für den Fehler her und zeigen, wie dieser beim Verkleinern des Zeitschritts schrumpft. Anschließend vergleichen sie ihren Ansatz mit einem weit verbreiteten fraktionalen Solver, der schnelle Fourier‑Transformationen nutzt, und bestätigen, dass die erwartete hohe Genauigkeit erreicht wird und dass fortgeschrittene Implementierungen die Rechenzeit für lange Simulationen drastisch reduzieren können.

Neue Formen des Chaos sichtbar machen

Mit der numerischen Methode in der Hand untersucht das Team, wie sich der Pehlivan‑Attraktor — das geometrische Objekt, das die Bewegung des Systems im Phasenraum abbildet — durch Variation der Gedächtnis‑ und fraktal‑Zeit‑Parameter verändert. Für bestimmte Kombinationen der beiden Parameter bildet der Attraktor einzelne Ringe; bei anderen entstehen beidseitige, selbstähnliche Ringstrukturen, die an Fraktale erinnern. Nähert man die Parameter wieder ihren klassischen Werten an, zeigt das System die vertrauten chaotischen Muster des ursprünglichen Pehlivan‑Modells. Eine getrennte Untersuchung, wie sich das Verhalten mit einer der inneren Konstanten des Systems ändert, offenbart Übergänge von geordneten Oszillationen zu vollständig chaotischen Regimen, einschließlich Periodenverdopplungs‑Kaskaden, einem klassischen Weg zum Chaos.

Was das für Anwendungen in der Praxis bedeutet

Für einen Nicht‑Spezialisten lautet die Kernbotschaft: Chaos muss nicht rein zufällig oder unkontrollierbar sein. Indem man einem chaotischen Schaltkreis erlaubt, sich an seine Vergangenheit zu erinnern und auf einer unregelmäßigen Zeitskala zu evolvieren, enthüllt diese Arbeit ein viel reichhaltigeres Verhaltensspektrum und zeigt zugleich, dass diese Verhaltensweisen mathematisch wohl definiert und numerisch handhabbar bleiben. Solch fein einstellbares Chaos könnte in sicherer Kommunikation, Signalverarbeitung und Kryptographie wertvoll sein, wo komplexe, aber vorhersagbare Muster nützlich sind. Allgemeiner demonstriert die Studie, dass fraktal‑fraktionale Analysis eine leistungsfähige Linse zum Modellieren von Systemen darstellt, in denen Historie und mehrskalige Zeitgestaltung die Dynamik grundlegend prägen.

Zitation: Vinoth, R., Jayalakshmi, M. A numerical framework for fractional and fractal-fractional analysis of the Pehlivan chaotic system using Caputo derivative. Sci Rep 16, 13669 (2026). https://doi.org/10.1038/s41598-026-42126-6

Schlüsselwörter: chaotische Systeme, fraktionale Analysis, fraktale Zeit, numerische Simulation, sichere Kommunikation