[論文レビュー] When Chaos Meets Computers

SJ Li|ArXiv.org|May 14, 2004

Chaos-based Image/Signal Encryption参考文献 5被引用数 13

ひとこと要約

この論文は、有限精度の浮動小数点演算のため、特定のカオス的写像—特にテント写像とベルヌーイシフト写像—の長期的ダイナミクスをデジタルコンピュータが正確にシミュレートできないことを示している。倍精度でも、カオス的軌道は有限回の反復内でゼロに収束し、理論的な上限よりもはるかに早い収束時間となる。これは、数値的にカオスを研究する際にコンピュータに内在する根本的な制限を示している。

ABSTRACT

This paper focuses on an interesting phenomenon when chaos meets computers. It is found that digital computers are absolutely incapable of showing true long-time dynamics of some chaotic systems, including the tent map, the Bernoulli shift map and their analogues, even in a high-precision floating-point arithmetic. Although the results cannot directly generalized to most chaotic systems, the risk of using digital computers to numerically study continuous dynamical systems is shown clearly. As a result, we reach the old saying that "it is impossible to do everything with computers only".

研究の動機と目的

• テント写像やベルヌーイシフト写像のようなカオス的システムの真の長期的ダイナミクスをデジタルコンピュータが再現できない理由を調査すること。
• 特に倍精度形式における有限精度の浮動小数点演算が、カオス的写像の挙動にどのように歪みをもたらすかを分析すること。
• デジタル実装におけるカオス的軌道がゼロに収束するまでの反復回数の期待値と最大値を定量化すること。
• 2進数算術とビットシフトが、デジタルコンピュータ上でのカオス的システムにおける動的劣化を引き起こす役割を明確にすること。

提案手法

• IEEE 754 倍精度標準における正規化および非正規化浮動小数点表現を分析し、指数部と仮数部の挙動に注目する。
• 浮動小数点空間内での初期値の分布に基づいて、ゼロへの収束までの反復回数 $ N_r $ の数学的表現を導出する。
• 初期条件が有効な浮動小数点数に一様に分布すると仮定し、反復回数 $ E(N_r) $ の期待値を確率論的に計算する。
• 左ビットシフトによる2の累乗乗算が精度損失を引き起こし、最終的にゼロに収束することをビットレベルの分析で示す。
• 構造的類似性を応用して、ベルヌーイシフト写像の結果をV写像、反転ベルヌーイ写像、ベイカー写像などの関連写像に拡張する。
• MATLABのrand関数を用いて1000個の初期条件を生成し、実際の収束時間を測定することで、理論的予測の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 なぜテント写像やベルヌーイシフト写像のカオス的軌道は、決定論的なカオス的性質を持つにもかかわらず、デジタルコンピュータ上では最終的にゼロに収束するのか？
• RQ2 これらの写像の浮動小数点実装において、ゼロへの収束までの反復回数 $ N_r $ を何が決定しているのか？
• RQ3 初期条件の浮動小数点空間上での分布が、期待収束時間 $ E(N_r) $ にどのように影響を与えるか？
• RQ4 テント写像およびベルヌーイシフト写像の結果を、他の区分的線形カオス的写像へどの程度一般化できるか？
• RQ5 なぜ2という数値が、2進数算術のため、デジタルカオス的シミュレーションにおいて特に問題となるのか？

主な発見

• テント写像およびベルヌーイシフト写像のカオス的軌道は、初期条件にかかわらず、すべて倍精度浮動小数点演算で有限回の反復内にゼロに収束する。
• 収束までの反復回数の数学的期待値 $ E(N_r) $ は、ベルヌーイシフト写像では約53、テント写像では約54であり、理論的上限の1074または1075よりもはるかに小さい。
• 期待収束時間 $ E(N_r) $ は、指数部と仮数部の分布の組み合わせ効果に起因し、$ E(e) \approx 2 $ および $ E(i) \approx 1 $ から $ E(L) \approx 53.997 $ が得られる。
• 正規化数では $ E(N_r) \approx 53 $ であるが、非正規化数では指数範囲が小さいため、期待収束がより速くなる。
• 1000個のランダムに生成された初期条件を用いた数値実験では、平均 $ N_r \approx 54.03 $ が得られ、理論的予測値54とよく一致している。
• この現象は、根本的にデジタルコンピュータで用いられる2進表現とビットシフト演算に起因し、特に2の累乗による乗算の影響が顕著である。