分岐図シミュレーター 戻る
非線形力学シミュレーター

分岐図シミュレーター — ロジスティック写像とカオス

ロジスティック写像のパラメータrを変化させ、周期倍分岐からカオスへの遷移をリアルタイム描画。リアプノフ指数も同時表示。

パラメータ

プリセット

アニメーション

リャプノフ指数 λ
0.000
Feigenbaum定数 δ
≈ 4.6692
計算結果
r 値
3.500
推定周期
4
分岐
ドラッグでズーム | ホバーでr値確認
軌道
軌道図 (r = 3.500)
理論・主要公式

$$x_{n+1} = r\,x_n(1 - x_n) \quad (r \in [0,4])$$

ロジスティック写像。r:増殖率パラメータ、x_n:n世代の個体密度(0〜1の無次元量)

$$\lambda = \lim_{N\to\infty}\frac{1}{N}\sum_{n=0}^{N-1}\ln\!\left|r(1-2x_n)\right|$$

リャプノフ指数 λ。λ > 0:カオス、λ < 0:安定周期軌道、λ = 0:分岐点付近

$$\delta = \lim_{n\to\infty}\frac{r_n - r_{n-1}}{r_{n+1} - r_n} \approx 4.669$$

ファイゲンバウム定数。連続する倍周期分岐点 r_n の間隔比が収束する普遍定数

分岐図シミュレーターとは

🙋
このグラフ、左側はきれいな線が2本、4本と増えていってるのに、右側は真っ黒でぐちゃぐちゃですね。これって何が起きてるんですか?
🎓
これが「分岐図」だよ。左側はパラメータ$r$が小さい時で、個体数$x_n$は1つ、2つ、4つ…と安定した値(周期解)に落ち着く。でも$r$を大きくしていくと(右のスライダーを動かしてみて)、周期が無限に倍増し、最後には予測不可能な「カオス」の海に突入するんだ。この黒い部分がカオス領域だね。
🙋
え、そうなんですか?でも、カオスってただのランダムなノイズとは違うんですよね?シミュレーターの下の方にある「リャプノフ指数」って何ですか?
🎓
鋭いね!カオスは決定論的法則から生まれる「見かけ上の乱雑さ」で、中には秩序(窓)も潜んでる。リャプノフ指数$\lambda$は、初期値のわずかな差が時間とともにどれだけ指数関数的に拡大するかを表す数値だ。$\lambda \gt 0$なら正の値で、これがカオスの数学的な定義の一つ。シミュレーターで$r$を変えながらこの指数の変化を見ると、周期領域(負の値)からカオス領域(正の値)への遷移がはっきり分かるよ。
🙋
「ファイゲンバウム定数」って聞いたことがあります。あの有名な4.669…って数字ですよね?これもこのシミュレーターで確認できるんですか?
🎓
その通り!このシミュレーターの醍醐味の一つだ。分岐が起こる$r$の値($r_1, r_2, r_3, ...$)の間隔の比が、4.669…に収束していく様子を目で追える。例えば、$r$を3.0から少しずつ上げていくと、1→2、2→4、4→8と分岐するポイントが出てくる。その間隔を測って比を取ると…ほら、普遍的な定数に近づいていく。これはカオスへの道筋が多くの系で共通していることを示す、すごい発見なんだ。

よくある質問

横軸はパラメータr(繁殖率)、縦軸は収束するxの値(個体数)です。各rで十分に時間を進めた後の安定な軌道をプロットしています。rが小さいと1点に収束しますが、増加に伴い周期倍加分岐を経て、最終的にカオス領域へと遷移する様子が観察できます。
リャプノフ指数が正のとき、軌道は初期値に鋭敏に依存するカオス状態です。指数が大きいほど軌道の発散が速く、予測困難性が高まります。シミュレーター上では、指数が正の領域でグラフが不規則に広がり、カオスであることを視覚的に確認できます。
これは倍周期分岐と呼ばれる現象です。rがある閾値を超えると、安定な周期が2倍に増加します(例:1点→2点→4点…)。この分岐点で軌道の性質が不連続に変化するため、グラフが突然枝分かれしたように見えます。スライダーをゆっくり動かして遷移を観察してください。
ロジスティック写像は単純化されたモデルであり、現実の複雑な生態系を完全に再現するものではありません。しかし、個体数変動の基本的なメカニズム(資源制限による飽和とカオス的振る舞い)を理解するための強力な教育的ツールです。定性的な現象の学習に適しています。

実世界での応用

CAE・非線形振動解析:自動車のサスペンションや航空機の翼のフラッターなど、わずかな非線形性が大きな振動(カオス的振る舞い)を引き起こす現象の予測に応用されます。分岐解析は安全設計の重要なツールです。

流体力学・乱流の研究:層流から乱流への遷移は、ロジスティック写像の周期倍増分岐からカオスへの遷移と数学的に類似していると考えられ、そのアナロジーとして研究が進められてきました。

電子回路・通信技術:カオス信号を用いた秘匿通信や、分岐現象を利用した新しい周波数制御技術の開発に役立てられています。決定論的カオスは再現可能な「ノイズ」として利用価値が高いのです。

経済・金融モデリング:為替レートや株価の変動など、一見ランダムに見える複雑な時系列データの背後に、非線形力学系の構造が潜んでいないかを探るための基礎モデルとして利用されます。

よくある誤解と注意点

まず、このシミュレーターを使い始める時にありがちなのが、「初期値 x0 を変えても分岐図の形は変わらない」という事実を見落とすことです。分岐図は、ひとつの初期値から計算を始めるのではなく、多くの初期値(または十分な反復計算後の軌道)を重ね描きして「アトラクタ」の形を描いています。だから、ツール上で初期値を変えても、最終的に描かれる分岐図の大枠(枝の位置やカオス領域の範囲)は変わりません。これは、システムの「長期的な振る舞い」が初期値に依存しないことを示しています(ただし、カオス領域内では個々の軌道は初期値に敏感ですが、集合としてのアトラクタは同じです)。

次に、計算の「反復回数」と「プロットする点の間引き」について。リアルタイム描画では、パフォーマンスのために初期の過渡状態を捨てる(例えば、最初の1000回は計算だけして描画せず、次の1000回を描画する)ことがよくあります。もし反復回数が少なすぎると、周期解がきちんと収束する前にプロットしてしまい、グラフがぼやけて見えることがあります。逆に多すぎると描画が重くなります。ツールのパラメータをいじる時は、このバランスを意識してみてください。

最後に、実務的な落とし穴として、「この単純な1次元写像の結果を、安易に現実の複雑系に直接当てはめない」ことが大切です。ロジスティック写像は非線形力学の「原理」や「現象」を学ぶための教科書的な例です。実際のエンジニアリング問題、例えばターボ機械の振動や化学反応の不安定性では、はるかに多くの自由度と複雑な方程式が関わります。このツールで学ぶべきは、カオスや分岐という「概念」と、パラメータ変化に対するシステムの「質的変化」の見方です。

使い方ガイド

  1. r値スライダーを0.0~4.0の範囲で調整し、ロジスティック写像xₙ₊₁=rxₙ(1-xₙ)のパラメータを設定
  2. 初期値x₀=0.1を自動設定し、1000イテレーション後の軌跡を描画して周期倍分岐カスケード(r≈3.0~3.57)を観察
  3. r-val-dispで現在のr値とリアプノフ指数λを同時表示し、λ<0で安定周期、λ>0でカオス領域を判定

具体的な計算例

r=2.5時は安定不動点x*=0.6に収束(λ=-0.5)。r=3.2では周期2軌道(xₙ≈0.513, 0.799)が出現。r=3.83でリアプノフ指数λ≈0.31となりカオス領域へ進入し、初期値x₀=0.100とx₀=0.101の軌跡が指数関数的に分岐。r=3.97では完全カオス(λ≈0.62)で予測不可能な時系列が生成される一方、r=3.9999での周期ウィンドウ(周期3軌道、λ≈-0.48)では再び安定化。

実務での注意点

  1. リアプノフ指数計算は500イテレーション後の100サンプル平均を使用し、初期過渡応答を除去してカオス判定精度を確保
  2. r>3.57でのカオス領域は完全ではなく、周期3ウィンドウ(r≈3.829~3.844)など安定帯が存在するため、単純な二値判定を避ける
  3. 浮動小数点演算誤差により、r値微小変化(Δr=0.001未満)でも軌跡が大きく変動するため、異なるマシンでの再現性が低下する可能性を考慮