第五十三章 混沌、湍流与临界：不收敛一定是新本体吗
一、先问什么没有收敛
一条实验曲线反复摆动，一段数值计算越算越不同，一个理论面对新资料不断改动，都可以被日常语言称为“不收敛”。但是，它们可能指三件完全不同的事：系统轨道不趋于定值，数值近似没有获得稳定精度，或者现有解释不能协调证据。若不先分开这些含义，任何不顺利都可以被宣布为旧世界崩溃，任何复杂图像都可以被包装成新本体出现。
本章对这种捷径提出限制，同时维护复杂现象真正带来的思想创造。混沌告诉我们，确定性规则与长期轨道可预测性不能等同；湍流使尺度之间的传递和统计描述取得核心地位；临界现象则把相关范围、涨落与尺度变换带进物态身份。这些进展都产生新的有效对象和新的检验方式，但它们不是同一种现象，更不共同构成“只要混乱就超出数学”的证明。
上一章讨论了相干的集体状态，本章面对的是另一种挑战：当局部变化持续发生、单条轨道难以长期追踪，物理学还能建立什么样的稳定知识？如果稳定只被理解为每个数最终停在同一位置，答案似乎只能是否定的。但物理学能够稳定的，还包括分布、相关函数、尺度关系以及对扰动的响应。移动中的秩序需要相应的提问方式。
二、洛伦兹改变的是确定性的含义边界
洛伦兹一九六三年发表《确定性的非周期流》，研究有限维确定性非线性微分方程所产生的非周期行为及其对微小改变的敏感性。[1]本章采用这个可定位的原始成果作为入口，不以广为流传的偶然发现故事代替论文论证。历史意义在于，简单的确定性模型已经足以迫使人们区分“规则明确”与“远期状态能够精确预告”。
常用的洛伦兹三变量系统可写成dx/dt=σ(y−x)，dy/dt=x(ρ−z)−y，dz/dt=xy−βz。这里x、y、z不是三维空间里一只蝴蝶的位置，而是简化模型中的状态变量；σ、ρ、β是参数。只有在相应参数与初值条件下，系统才可能表现所讨论的复杂行为，不能看到非线性项xy就宣布所有解都混沌。
这一系统仍然给出确定的局部演化规则。若两个初态非常接近，后续距离在某个范围内迅速增长，测量精度便成为预测时限的关键。设小偏差在适用区间近似满足δ(t)=δ₀ exp(λt)，λ为正，允许误差阈值为Δ，则达到阈值的时间约为t*=ln(Δ/δ₀)/λ。这个演算不是对所有系统的普遍定律，而是把指数敏感性对预测的影响明确写出。
假定初始精度提高一千倍，预测时限增加的是ln(1000)/λ，而不是自动提高一千倍。这一点足以纠正“只要仪器再精密一点，远期轨道总能无限延长”的直觉。但它没有否定短期预测，没有取消局部因果，也没有证明任何细节都不可知。误差增长模型本身就要求选择变量、范数和适用时间，不能把这一结论放大为普遍的不可认识性。
同样，长期轨道不同不直接意味着数值算法错误。研究者需要比较有限时间误差、守恒或耗散结构以及统计特征；若一味要求两个近似计算永远逐点重合，反而可能提出不合适的验收条件。这不是降低准确性要求，而是把准确性放在该系统允许的层级上，同时保留发现数值伪影的办法。
三、一条递推式如何产生分岔
罗伯特·梅一九七六年的论文强调，简单数学模型可以产生复杂动力学，其讨论使这类问题更广泛地进入研究与教学。[2]本章采用常见的一维映射自行演算：xₙ₊₁=rxₙ(1−xₙ)，令x处于零与一之间，参数r在零到四的范围内。这不是给真实人口、流体或社会系统直接套上的普遍方程，而是一块能够逐项检查推论的数学试验台。
先寻找不动点。令x=rx(1−x)，得到x=0，以及r不为零时的x*=1−1/r。令一个小偏差为η，则下一步偏差的一阶近似为ηₙ₊₁=f′(x*)ηₙ，而f′(x)=r(1−2x)。在非零不动点处，导数变为2−r，所以当1<r<3时，其绝对值小于一，不动点局部稳定；到r=3，线性稳定条件到达边界。
例如r=2.5时，非零不动点为0.6，局部误差乘子为−0.5，意味着误差在交替方向的同时缩小。r=3.2时，不动点为0.6875，误差乘子为−1.2，微小偏离在这一近似内反而增长。读者可以直接复算两组数值，而不必凭分岔图的视觉密度判断稳定性。
这个小计算给“不收敛”一个十分具体的含义：原先稳定的不动点失去稳定性，不等于映射不再定义，也不等于所有统计量发散。它可能进入周期二等不同的吸引行为。对周期二的判别应检查两步映射，而不是继续拿一步不动点的标准强行裁决。这里新对象的出现首先是数学状态组织发生变化，不需要人为增加一个未被定义的外部力量。
取r=2且x₀=0.2，前几步为0.32、0.4352、约0.4916，趋近0.5的趋势可以直接看出。改变r以后，变化并非只是趋近速度略有不同；稳定结构可能改变。为此，参数扫描必须固定初值与去除暂态的规则，不能把不同计算长度混在同一张图里，再把散点的宽度一概叫作混沌。
还可以构造一个更直接的反例：xₙ₊₁=1−xₙ。除初值为二分之一外，序列在两个值之间往复，永远不趋于单个数，却完全容易预测。可见“不趋于定值”连混沌都不能单独证明，更不用说新本体。若序列不断增大，也可能只是存在一个不稳定线性模式；发散与复杂性的身份仍然不同。
四、图像很乱，证据可能很弱
真实时间序列比递推试验台困难，因为研究者不知道全部变量，也不能无限精确地重置状态。一个传感器的随机噪声能够画出不规则曲线；两个频率不相称的周期信号叠加，也可能在短窗口内显得复杂；缓慢漂移的参数又会让相同机制在不同时间段呈现不同表现。视觉上的“乱”不能把这些机制区分开。
因此，从观测宣布确定性混沌，需要比画相图更多的证据。采样频率太低会把快速结构折叠进慢变化，数据过短会夸大拟合结果，强平滑又会制造看似低维的曲线。研究应当对照不同采样与滤波选择，检验结论是否依赖某个处理按钮。替代数据或噪声模型比较可以提供约束，但某项检验通过，也不自动等于机制唯一确定。
这里可以设计一个诊断练习。甲组提交一段受周期驱动的确定性信号，乙组提交带噪的线性随机过程，丙组提交非线性映射输出，三组都经过相同的测量分辨率截断。评审先隐藏来源，只比较时间曲线，很可能出现误判；若加入响应于可控扰动的结果、跨窗口稳定性和模型外预测，候选解释才逐步分开。实验干预由此比图像相似更有辨别力。
参数未辨识又是另一种常见困难。两个不同参数组合可能在已经观测的区间给出近乎相同的曲线，到了外推区间却完全分开。此时继续增加同一条件下的数据未必有效；需要改变实验条件，让原来互相抵消的参数作用分离。模型频繁换参，不必然意味着系统自发创造新规则，也可能说明我们一直没有真正识别旧规则。
在SDE分析中，第一步不是给“不收敛”加上哲学荣誉，而是确定差别在哪一层产生。若噪声来自测量，改动D可能足够；若变量漏掉了实际耦合，E需要重构；若旧读数把两种行为混在一起，S的分类也需要更新。三方程不能替代这项排查，反而把排查变成不可省略的研究义务。
五、湍流不是一幅放大的洛伦兹图
低维混沌提供了理解确定性复杂行为的有力入口，但真实湍流包含空间自由度、边界以及多尺度相互作用，不能被一张三变量吸引子图替代。剑桥高雷诺数流动研究组的工作说明，实验、数值与渐近分析在不同尺度的流动研究中联合使用。[3]它们面对的不是“没有规律”的同义词，而是怎样组织规律并获得可检验近似的问题。
以不可压、常密度的牛顿流体为例，运动方程包含局部加速度、对流项、压力梯度与黏性扩散。取特征速度U和长度L，令运动黏度为ν，尺度比较产生雷诺数Re=UL/ν。它把惯性与黏性项在所选尺度下的相对大小写成无量纲量。这个比值并不独自决定任意流动何时转捩，几何、扰动和边界条件同样重要。
为何尺度选择是实质问题？假定同一流场里既有宽大的循环，也有细小的速度变化层，用一个L描述所有局部过程会损失信息。对流可以把不同尺度的运动联系起来，黏性又在相应梯度上产生作用。模型要说明哪些尺度被直接分辨，哪些被平均，其效果以什么方式回到保留变量中。把未分辨部分统统叫“背景”，无法形成有效闭合。
对速度作平均分解u=ū+u′，就能看到困难来自哪里。平均后的非线性乘积一般不等于平均量的乘积；例如平均uᵢuⱼ会包含平均u′ᵢu′ⱼ。这些涨落相关进入平均运动方程，使单纯平均不能自动封闭问题。新变量并非为了增加复杂词汇而加入，而是原运算确实产生了需要处理的项。
本章不把这条代数事实夸大为湍流全部理论。它只说明，从瞬时描述转到平均描述，有明确的得失：逐点轨道信息减少，但统计相关成为新的对象；若要预测平均阻力，就必须处理这些相关，不能假定它们因平均而消失。湍流使“稳定知识”从一条确定轨迹扩展到一定条件下的统计结构。
六、统计稳定不要求每个涡都回到原位
两次流动实验即使使用相近初态，瞬时涡结构也可能迅速分开。但在合适的定常驱动条件下，某些时间平均或分布仍可能具有可重复性。这里的“可能”由实际系统和观测时间决定，不能把有限样本的平稳外观当成严格遍历性的证明。研究者需要检验平均随窗口延长是否稳定，以及不同初态是否进入可比较的统计状态。
例如，若关注输送相同流量所需的平均压差，逐点预测每个小涡并非唯一有意义的成功标准。模型若能够在独立条件下预测平均压差及其波动范围，就取得了明确成绩；若只能追踪很短时间的漂亮涡图，却预测不了整体阻力，也不能凭图像复杂宣称解释更深。问题决定哪些稳定量值得建立。
与此相对，非定常过程不能被强行装入定常平均。衰减湍流的能量随时间变化，把很长一段数据混为一个分布，可能遮蔽过程。关于非定常湍流级联的原始数值研究也指出，某些谱形特征的出现不等于通常的定常级联平衡已经成立。[4]这为本章提供一个具体警告：相似的幂律图形，不能独自证明相同的发生机制。
因此，统计稳定也需要发生条件。输入、边界、耗散和观测窗口怎样共同支持某个分布，是应当明说的部分。分布不是撤退到较粗糙知识的借口；当它承载独立可验的约束时，它就是新的有效知识形态。但当它只是把不理解的差别平均掉时，所谓稳定也可能是分析过程制造的幻觉。
七、临界点为什么要求改变尺度
临界现象带来的困难与混沌不同。在某些连续相变附近，涨落与相关范围改变，使只考虑局部平均的简单近似不足。威尔逊因相变相关的临界现象理论获得一九八二年诺贝尔物理学奖，重整化群构成其工作的核心方向。[5]这里的创造并非把“不稳定”改名，而是通过尺度变换讨论哪些结构在改变观察尺度后仍然重要。
可以从相关函数入手。设局部变量为q(x)，扣除平均后的相关可写为C(r)=⟨q(x)q(x+r)⟩−⟨q⟩²。在适当情形中，相关随距离衰减的尺度用ξ表征。若ξ远小于样品尺寸L，不同区域在某些问题上可近似独立；若ξ增长到与L可比，边界和整体尺寸就不能继续忽略。这不是说每个自由度都变成一样，而是局部独立近似的有效范围改变了。[6]
设某个理论在适用区间预言ξ≈ξ₀|τ|^(−ν)，其中τ=(T−T临)/T临，其中T临为相变温度，ν为正。这个形式并不允许有限样品真的容纳无限相关长度。至少要检查ξ与L的比例，并考察有限尺寸怎样改变所测峰形及位置。将有限范围内拟合出来的陡增直接称为无限发散，会把理论极限与实际样品混为一谈。
上述关系还给出一个实验设计提示。不是只把温度测得更细，而应比较不同尺寸样品，在相应边界条件下观察特征怎样移动或钝化。如果只测一块样品，一个窄峰可能来自转变，也可能受到温度不均匀或测量分辨率限制。尺寸变化为解释提供新的限制维度，使候选机制不再只在一条曲线上竞争。
重整化的粗粒化也不是宣布小尺度从此不真实，而是系统地追问：改变尺度后，哪些参数影响减弱，哪些仍支配长距离行为，哪些新项必须保留。[7]不同微观系统在特定条件下可以共享某些临界规律，但不能由此说所有材料没有差别。普适性是有分类条件的共享，不是删除微观世界的总命令。
八、三种不稳定，三种研究改道
现在可将本章的三个问题真正分开。混沌中的敏感性主要挑战长期轨道预测；湍流中的尺度耦合要求处理大量自由度与统计闭合；临界附近的长相关则迫使人们重新组织尺度和涨落。三者可以在具体问题中交汇，却不能因都具有复杂图像，就被同一个“混沌态”名词取代。本书SDE理论使用的混沌或介生态概念，若要与动力系统混沌联系，必须另建定义和证据桥梁。
在一项临界实验中，可以把观测峰形作为S，温度与尺寸扫描作为D，相关结构及边界制约作为E。若峰形随扫描速度改变，S与D的张力首先推动检查E中是否漏掉非平衡过程；若既有相关结构要求更大的观测范围，而设备操作无法达到，D与E的张力推动寻找可替代的S，例如其他可测相关指标；若峰形与模型预测不符，S与E的张力推动重排D，以不同尺寸或路径区分原因。每次改动都需回到原矛盾复验。
这时，S=F(D,E)不再是一句抽象依赖声明：它要求说明扫描速度如何影响峰形。D=G(S,E)要求根据峰形与相关模型选择下一组扫描，而不是无限加密相同区间。E=H(S,D)要求根据不同操作所得显露，决定是否保留平衡与均匀假定。沿D→E→S的倒逼路径，主动改变尺度逼出结构差别；沿S→D→E的再创路径，从异常峰出发重排操作，再检验是否需要新的状态组织。
这个闭环允许两种同样有价值的结果。一种是纠正了假峰，保留原有理论；另一种是旧变量确实不能协调新增证据，需要新的有效对象。只有第二种情况才进入本体重建的进一步论证，而它仍须说明新规定怎样成立、如何超过旧框架、能在哪里失败。方法的严谨不是压低创造力，而是让创造力不被自己的惊奇轻易满足。
九、什么才配得上“新”的判断
不收敛本身不是勋章。一次计算爆掉、一个拟合换参、一幅曲线复杂，都只能成为问题入口。若研究者能够排除主要噪声解释，澄清尺度与参数可辨识性，建立跨操作保持的关系，并使新变量产生独立可验的预期，那么“不收敛”才可能成为发现新规定性的起点。
传统复杂系统研究已经拥有非线性动力学、统计物理、分岔、闭合和尺度分析等强大工具。本书不应把这些成果先说成无效，再由SDE重新赐予意义。SDE若要推进研究，必须在具体工作中显示增量：是否更早识别错误对象边界，是否把遗漏的操作差别纳入，是否促成新的可验证模型。若做不到，宏大的本体论语言也只是另一层描述。
本章因而为“物理世界的创造”增加一项约束。新世界的成立并不以旧计算失败为充分条件，而以新的显露、差异序列与特征纠缠能够形成有效接续为正面证据。从轨道到分布，从局部到尺度，从单一读数到相关结构，变化必须落实为可研究的新规定。真正的思想创造既敢于改变什么算作物理对象，也能说明为什么这一次改变值得被保留。
本章参考资料
[1] E. N. Lorenz, Deterministic Nonperiodic Flow, Journal of the Atmospheric Sciences 20, 130–141 (1963), https://doi.org/10.1175/1520-0469(1963)020%3C0130:DNF%3E2.0.CO;2 ；原论文扫描存档：https://cdanfort.w3.uvm.edu/research/lorenz-1963.pdf 。出版摘要及PDF入口已核验；本章不声称完成全文逐式重算。 [2] R. M. May, Simple mathematical models with very complicated dynamics, Nature 261, 459–467 (1976), https://doi.org/10.1038/261459a0 ；原文机构转载：https://ned.ipac.caltech.edu/level5/Sept01/May/May_contents.html 。本章映射稳定性和数值为自行演算。 [3] University of Cambridge, High-Reynolds-Number Fluid Flow，研究组官方说明：https://www.damtp.cam.ac.uk/research/fluidshr/index 。 [4] Unsteady turbulence cascades, Physical Review E 94, 053108 (2016), https://doi.org/10.1103/PhysRevE.94.053108 。阅读原论文摘要，限用于非定常级联与谱形关系的提醒。 [5] Kenneth G. Wilson, The Renormalization Group and Critical Phenomena, Nobel Lecture，https://www.nobelprize.org/prizes/physics/1982/wilson/lecture/ ；授奖记录：https://www.nobelprize.org/prizes/physics/1982/summary/ 。仅据官方演讲题名、主题及授奖记录作历史定位。 [6] David Tong, Statistical Field Theory, Chapter 2，作者原稿：https://www.damtp.cam.ac.uk/user/tong/sft/sfthtml/S2.html 。 [7] David Tong, Statistical Field Theory, Chapter 3，作者原稿：https://www.damtp.cam.ac.uk/user/tong/sft/sfthtml/S3.html 。