物理系统中随机效应：混沌和随机共振.docVIP

物理系统中随机效应：混沌和随机共振 　　【摘 要】针对现代统计物理中两种非线性动力学行为，即混沌和随机共振，本文利用数值解法进行了模拟和解释。混沌是确定性系统中内禀随机性的一种体现，深化了人们对必然和偶然的认识，而随机共振是随机系统的内在有序性体现，改变了人们对于噪声的观念，证实了噪声对于系统序的建立具有建设性作用。这些结果对于学生通过物理计算更好地理解物理系统特性具有参考意义。 　　【关键词】混沌；随机共振；确定性系统；随机系统 　　【Abstract】Aiming to comprehend the nonlinear behaviors in modern physics， this paper utilizes the numerical method to illustrate the chaos effect and the stochastic resonance phenomenon. Chaos demonstrates the internal randomness of deterministic systems， which develops our view on occasionality and inevitability. While， stochastic resonance is the cooperative effect in the random systems， and the benefits of noise in certain nonlinear systems are adequately appreciated. These results are interesting for students to understand certain physical systems clearly via the physical calculations. 　　【Key words】Chaos； Stochastic resonance； Deterministic system； Random system 　　在混沌动力系统学建立之前，物理学家认为微分方程的确定性解可以描述自然现象，只要收集到初始数据，那么系统未来状态是完全可以预测的[1-2]。基于统计原理的量子力学首先打破了上述确定论观念，而混沌概念和涨落唯象理论的提出，使得人们意识到确定性系统也可以出现随机性结果[1-3]。经过近50年的发展，物理系统中内禀随机性和非平衡态随机效应已经成为现代统计物理理论的前沿研究问题[1-3]。 本文利用计算机模拟物理系统中混沌和随机共振两类随机效应，前者是物理系统内禀随机性引起的，其本质是物理系统对于初始条件的敏感性，而后者是微观涨落运动对于物理系统宏观变量演化的一种作用机制。我们通过微分方程的数值解法形象地解释了上述两种随机效应，达到学生通过物理计算更好地理解物理系统动力学性质的目的。 　　1 物理系统内禀随机性：混沌 　　20世纪50年代，美国麻省理工大学气象学家洛伦兹研究大气流体流动模型，从而解释物理参数变化对天气预报结果的影响。由于时代的限制，当时的单行打印机打印速度非常慢，每10秒钟才能打印一行。为了加快计算，洛伦兹只打印了部分数据，虽然计算机计算到小数点后六位，而洛伦兹打印结果只精确到三位数，他认为舍去的数字并不会影响系统解的精度，将经过舍位之后的计算机计算结果作为初始值中途输入计算机继续计算。按照确定论观点，这样得到的计算结果应该和计算机原来运行结果应该是一致的。然而，洛伦兹发现新一轮的计算机计算结果很快从初始值处发生扩散。经过深入研究，洛伦兹认为问题的根源在于系统对于初始条件的敏感依赖性，即使初始值的微小变化，经过系统之后，系统解轨迹出现巨大差别，这一现象非常好地解释了天气预报的复杂性[1-3]：初始条件的任何误差被系统迅速放大，以至于具有实际价值的可预测性大大降低。这类系统的内禀随机性被称为混沌现象[1-3]，它比纯粹的可预测性更加符合我们的日常经验，比如中长期的天气预报准确率是非常低的，因为天气初始条件微小变化使得几周之后天气情况在本质上是无法预测的[1-3]。 　　变量x（t）和y（t）与大气温度的竖直和水平变化相关，而变量z（t）与大气对流有关，σ是普兰特数，γ是规范化瑞利数，而常数b和研究区域的几何形状相关[1-3]。该确定性系统只有线性项和二次项，没有外部随机性输入，然而此系统有着复杂的类随机动力学行为。比如取参数σ=10，γ=28，b=8/3，其轨迹完全由上述参数和初始条件（x0，y0，z0）确定，但是其特性很难预测。方程（1）的数值解法采用4阶龙格-库塔法，如图1所示，初始条件为（1.01，1.0，1.0），洛伦兹系统三维相图