Численная основа для дробного и фрактально‑дробного анализа хаотической системы Пехливан с использованием производной Капуто

Почему хаос с памятью важен

Многие природные и техногенные системы ведут себя непредсказуемо: небольшое воздействие может привести к совершенно разным результатам. Эти так называемые хаотические системы встречаются в погоде, электронике и даже в защищённой связи. В статье рассматривается конкретная хаотическая схема, известная как система Пехливан, и исследуется, что происходит, если дать ей «помнить» прошлое и развиваться по некой ступенчатой, фрактальной шкале времени. Авторы создают новые математические инструменты и численные методы для изучения этой более богатой формы хаоса и показывают, как её можно надежнее использовать в технологиях.

От простых уравнений к диким траекториям

Система Пехливан задаётся всего тремя связанными уравнениями, но может порождать закрученные траектории в трёхмерном пространстве, которые никогда не повторяются — признак хаоса. В стандартной постановке время течёт плавно, и система зависит только от текущего состояния. Ранее показали, что подобные системы, например модель Лоренца для погоды, становятся ещё более гибкими, если обобщить их уравнения так, чтобы изменение зависело частично от всей предшествующей истории системы. Эта идея — дробное исчисление — позволяет системе иметь память, которую можно непрерывно настраивать, а не просто включать или выключать.

Добавление фрактального времени в хаотические схемы

Авторы идут дальше, сочетая дробную память с фрактальной геометрией. Вместо предположения о равномерном продвижении времени они используют «фрактально‑дробный» подход, при котором время фактически растягивается и сжимается в зависимости от масштаба. Два параметра теперь формируют динамику: один контролирует, насколько сильно прошлое влияет на настоящее, другой регулирует, насколько нерегулярен временной масштаб. В этой рамке команда переписывает уравнения Пехливан, используя вариант производной (форма Капуто), хорошо подходящий для физических систем и стандартных начальных условий.

Гарантии корректности математики

Перед запуском моделирования авторы доказывают, что их расширенная система математически оправдана. С использованием стандартных аналитических инструментов они показывают, что при разумном выборе параметров и начальных значений уравнения имеют по крайней мере одно решение и фактически единственное. Они также рассматривают понятие устойчивости Улама–Хайерса, которое задаёт вопрос: если уравнения слегка возмущены — например численными ошибками или небольшим шумом — остаются ли полученные решения близкими к точным? Их результаты показывают, что при ясных условиях малые возмущения не разрастаются, что вселяет уверенность в том, что модель и её численные решения надёжны.

Разработка точных схем для хаоса с долгой памятью

Поскольку эти уравнения учитывают память на всём прошлом, простые численные методы становятся чрезвычайно медленными: на каждом шаге пришлось бы учитывать всю историю. Авторы разрабатывают специализированные схемы предсказатель‑корректор на основе интерполяционных многочленов Ньютона и Лагранжа для эффективного приближения интегралов с долгой памятью. Они выводят явные формулы для погрешности и показывают, как она уменьшается при уменьшении шага по времени. Затем они сравнивают свой подход с широко используемым дробным решателем, который использует быстрые преобразования Фурье, подтверждая достижение ожидаемой высокой точности и показывая, что продвинутые реализации могут значительно сократить время вычислений при длинных симуляциях.

Наблюдение новых форм хаоса

С численным аппаратом авторы исследуют, как изменение параметров памяти и фрактального времени перестраивает аттрактор Пехливан — геометрический объект, описываемый движением системы в фазовом пространстве. Для некоторых сочетаний параметров аттрактор формирует одиночные кольца; в других случаях он развивается в двухсторонние самоподобные кольцевые структуры, напоминающие фракталы. По мере возвращения параметров к классическим значениям система восстанавливает знакомые хаотические узоры оригинальной модели Пехливан. Отдельное исследование влияния одного из внутренних постоянных системы выявляет переходы от упорядоченных колебаний к полностью хаотическим режимам, включая каскады удвоения периода — классический путь в хаос.

Что это значит для практического применения

Для неспециалиста ключевая мысль такова: хаос не обязательно чисто случайен или неконтролируем. Позволяя хаотической схеме помнить прошлое и развиваться по нерегулярной шкале времени, эта работа открывает гораздо более богатую палитру поведений, при этом показывая, что такие поведения остаются математически корректными и численно управляемыми. Тонко настраиваемый хаос может быть полезен в защищённой связи, обработке сигналов и криптографии, где сложные, но предсказуемые шаблоны представляют ценность. В более широком смысле исследование демонстрирует, что фрактально‑дробное исчисление — мощная оптика для моделирования систем, в которых история и многомасштабное время принципиально формируют динамику.

Цитирование: 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

Ключевые слова: хаотические системы, дробное исчисление, фрактальное время, численное моделирование, защищённая связь