Chaos Theory (Butterfly Effect)

ဒီအကြောင်းကိုရေးခိုင်းတဲ့သူတွေများလာလို့ ရေးလိုက်ပါတယ်။ စာကိုဖတ်ပြီးတဲ့အခါ သူ့ရဲ့ဆိုလိုရင်းကို အပေါ်ယံသဘောလောက်တော့ မြင်သွားမယ်ထင်ပါတယ်။

ဒီသီအိုရီကို Butterfly Effect လို့လည်းခေါ်ကြပါတယ်။ လေးဖြူရဲ့ ကစဉ့်ကလျားသီအိုရီ သီချင်းမှာလည်း “ကမ္ဘာကြီးရဲ့ အခြားတစ်ဖက်မှာ လိပ်ပြာလေး အတောင်တစ်ချက်ခတ်ခြင်းက အစပြုတဲ့ လေပွေမုန်တိုင်းများ” လို့ ဆိုခဲ့ပါတယ်။ ဒီသီချင်းကို နားထောင်တော့ ဘာအဓိပ္ပါယ်ကြီးလဲလို့ တွေးခဲ့မိပြီး သူပြောချင်တဲ့ ဆိုလိုရင်းကို သိပ်နားမလည်ခဲ့ပါဘူး။

ဒီသီအိုရီကို ဘယ်လိုဥပမာပေးကြလဲဆိုတော့ Brazil က လိပ်ပြာလေးတစ်ကောင် အတောင်ပံခတ်လိုက်တာ American Texas မှာ လေပွေမုန်တိုင်းတွေ ဖြစ်လာတယ်တဲ့။ ဒါကို နားလည်အောင် ပြောပြချင်ပါတယ်။

ဒီသီအိုရီကို Lorenz ဆိုတဲ့ ပုဂ္ဂိုလ်ဟာ Research Paper တစ်ခုအနေနဲ့တင်ခဲ့ရာက ဒီအကြောင်းကို လူသိများလာတာပါ။
Paper ရဲ့အဓိက ဆိုလိုရင်းကတော့ သေးသေးဖွဲဖွဲကိစ္စလေးတွေဟာ အနာဂတ်မှာ ကြီးကြီးမားမားသက်ရောက်မှုတွေ ရှိနေသလား ဆိုတာပါ။ သူကတော့ အပေါ်မှာပြောခဲ့တဲ့လိပ်ပြာ နဲ့ဥပမာပေးခဲ့တာပါ။ ဒါဆိုရင် အနာဂတ်ကို ဘယ်လောက် မှန်မှန်ကန်ကန်ဖြစ်အောင် ခန့်မှန်းနိုင်မလဲ?

Newton ကြောင့် Gravity အကြောင်းကိုသိခဲ့ကြပြီး Solar System ထဲက ဂြိုလ်တွေလှည့်ပတ်ပုံကို တိတိကျကျတွက်ချက်နိုင်ခဲ့ကြတယ်ဆိုတာ သိကြမှာပါ။
ဒါတင်မကသေးပါဘူး။ Comet (ကြယ်တံခွန်) တစ်ခုဟာ နောက်နှစ်ပေါင်း ဘယ်လောက်နေရင် ကမ္ဘာဆီရောက်လာမယ် ဆိုတာတွေကိုပါ တိတိကျကျတွက်ချက်နိုင်ပါတယ်။
သူ့ရဲ့ Equation တွေကိုသုံးပြီး တိုက်အမြင့်တစ်ခုပေါ်ကနေ ဘောလုံးတစ်လုံးကို ပစ်ချလိုက်ရင် ဘယ်လောက်အရှိန်နဲ့ကျသွားမလဲ၊ ဘယ်နေရာလောက်ကို ကျနိုင်မလဲ ဆိုတာ တွက်ချက်လို့ရပါတယ်။ ပြောချင်တာက အနာဂတ်ကို ကြိုပြီး တွက်ချက်ကြည့်လို့ရတယ်ဆိုတာပါ။

ဒါကြောင့် Newton ရဲ့ခေတ်ပြီးတဲ့နောက်မှာ Laplace ဆိုတဲ့ပုဂ္ဂိုလ်ဟာ Thought Experiment တစ်ခုလုပ်ခဲ့ပါတယ်။ စကြဝဠာထဲမှာ ဖြစ်ပျက်နေသမျှ အရာအားလုံးကိုသိနေတဲ့ သက်ရှိတစ်ကောင်ရှိတယ် ဆိုပါစို့။ ပြောချင်တာက လက်ရှိ Time Zero အချိန်မှာ အမှုန်တွေရဲ့ အဟုန် (Momentum) ၊ နေရာ (Position) နဲ့ သူတို့အချင်းချင်း Interact လုပ်တာတွေကို အကုန်သိနေတာပါ။ ခုခေတ်မှာတော့ ဒါကို Laplace’s Demon လို့ခေါ်ကြပါတယ်။

သူဟာ သူသိတဲ့အချက်တွေကို လူတွေလေ့လာဖို့ချပြတယ်ဆိုပါစို့။ ဒါဆိုရင် လူတွေဟာ အနာဂတ်မှာ ဘာဖြစ်မလဲဆိုတာကို သေသေချာချာ ပြောနိုင်သွားလိမ့်မယ်လို့ ဆိုပါတယ်။

ဒီအမြင်အရ အနာဂတ်ဆိုတာ ကြိုတင်သတ်မှတ်ထားပြီးသားလို့ ပြောလို့ရပါတယ်။
Physics မှာလည်း တော်တော်များများက ဒီလိုလက်ခံတတ်ကြပါတယ်။ Hisenberg’s Uncertainty Principle ဆိုတာရှိပေမယ့် ဒါဟာ အက်တမ်အောက် အမှုန်တွေမှာပဲ သက်ရောက်တဲ့အတွက် တော်တော်များများကို Formula ထဲထည့်တွက်ပြီး မှန်အောင် ခန့်မှန်းလို့ရပါတယ်။

စာတွေထဲမှာတော့ Pendulum နဲ့ဥပမာပေးကြပါတယ်။ Pendulum ကိုလွှဲလိုက်တဲ့အခါ သူသွားချင်သလိုသွားနေတယ်လို့ ထင်စရာရှိပေမယ့် ဒါကို Formula နဲ့တွက်ထုတ်လို့ရပါတယ်။ သူ့ကို စပြီး လွှဲတဲ့ ထောင့် (Angle) ကိုသိရင် သူရပ်မသွားခင်အထိ ဘယ်အချိန်မှာ ဘယ်နေရာကိုရောက်နေမလဲဆိုတာ တိတိကျကျတွက်ချက်လို့ရပါတယ်။

ဂြိုလ်တွေလည်း ဒီသဘောပါပဲ။ ဒါကြောင့် နောက်နှစ်ပေါင်း ၄.၅ ဘီလီယံလောက်မှာ ကျွန်တော်တို့ရဲ့ Milky Way Galaxy နဲ့ Andromeda Galaxy ဝင်တိုက်ကြလိမ့်မယ်လို့ ကြိုပြောနိုင်တာဖြစ်ပါတယ်။

ဒါပေမယ့် ဒါဟာ Entity ၂ခုပါပဲ။ ၃ခုဖြစ်လာတဲ့အခါမှာ ရှုတ်ထွေးမှုတွေ ရှိလာပါတယ်။ ဒါကို 3 Body Problem လို့ခေါ်ပါတယ်။ နေနဲ့ဂြိုလ်တွေရဲ့လှည့်ပတ်မှုကို တွက်ချင်လို့ရပေမယ့် လကိုပါ အဲ့ဒီအထဲထည့်လိုက်တဲ့အခါ ရှုတ်ထွေးမှုတွေ ရှိလာပါတယ်။ နေရယ်၊ ကမ္ဘာရယ်၊ လရယ် ၃ခုဖြစ်သွားတဲ့အခါ သူတို့ဘယ်လိုပြုမူမလဲဆိုတာ တိတိကျကျခန့်မှန်းဖို့ ခက်ခဲသွားပါတယ်။ ဒါကြောင့် Newton တောင်မှ ဒီကိစ္စကို ခေါင်းရှုတ်လို့ မစဉ်းစားနိုင်ခဲ့ပါဘူး။

ဒီတော့ Chaos Theory ဘယ်လိုဖြစ်လာလဲဆိုတာ ပြန်ဆက်ချင်ပါတယ်။ Lorenz က မိုးလေဝသပညာရှင်ပါ။ သူက တိမ်တွေရဲ့ Temperature, Humidity စတာတွေကိုကွန်ပြူတာနဲ့ တွက်ချက်တာပါ။ အဲ့တော့ Data တွေကို အမြဲတမ်း စုဆောင်းနေရတာပေါ့။
တစ်နေ့မှာတော့ သူရထားတဲ့ Data မှန်မမှန်စမ်းသပ်ချင်တဲ့အတွက် သူ့ Data ကိုအလယ်လောက်က ဖြတ်ပြီး Simulate လုပ်ကြည့်လိုက်ပါတယ်။ တကယ့် Data မှာပါတဲ့ Number နဲ့ သူထည့်လိုက်တဲ့ Number နဲ့က Point လောက်ပဲကွာတာပါ။ ဒါပေမယ့် ရာသီဥတုအခြေအနေက လုံးဝကွဲလွဲသွားပါတယ်။

အဲ့ဒီ Data ကို ကွန်ပြူတာနဲ့ Plot လုပ်လိုက်တဲ့အခါမှာ အောက်ကပုံလိုမျိုးရလာပါတယ်။

လိပ်ပြာနဲ့တူပါတယ်။ ဒါကြောင့်လည်း လိပ်ပြာနဲ့တင်စားကြတာပါ။ လိပ်ပြာအတောင်ပံခတ်တာကတော့ မြင်သာအောင်ပေးတဲ့ ဥပမာပါ။ အဲ့လိုတကယ်ဖြစ်တယ်လို့ပြောချင်တာ မဟုတ်ပါဘူး။

Wiki မှာရေးထားတာ မြင်သာလို့ ထည့်ပြောချင်ပါတယ်။
Chaos: When the present determines the future, but the approximate present does not approximately determine the future.
အဓိပ္ပါယ်ကတော့ လက်ရှိကိုကြည့်ပြီး အနာဂတ်ကိုပြောနိုင်ပေမယ့် လက်ရှိနဲ့နီးနီးစပ်စပ်တူတာကို ကြည့်ပြီး အနာဂတ်ကို ခန့်မှန်းလို့မလွယ်ဘူး ဆိုတာပါ။

ဒါကြောင့် Chaotic System တွေနဲ့ ကြုံလာတဲ့အခါမှာ အနာဂတ်ကို တိတိကျကျခန့်မှန်းဖို့ မလွယ်ကူတော့ပါဘူး။ ဒါကြောင့် မိုးလေဝသသတင်းတွေဟာ အမြဲမမှန်တာပါ။ ဒီတော့ မိုးရွာရန်ရာနှုန်း ၅၀% တို့ဘာတို့ တွေပြောလာကြတာပေါ့။ (သေချာစဉ်းစားကြည့်ရင် ရွာချင်ရွာမယ်၊ မရွာချင်မရွာဘူးကွာ… လို့ ပြောလိုက်သလိုပါပဲ။ ဒါပေမယ့် ပညာရှင်ဆန်တာပေါ့)

Chaotic System တွေမှာ အနာဂတ်ကို ခန့်မှန်းဖို့မလွယ်သလို လက်ရှိကိုသိထားပေမယ့် အတိတ်ကို ပြန်ကြည့်ဖို့လည်း မလွယ်ပြန်ပါဘူး။ ဥပမာ ဘောလုံးကို တိုက်ပေါ်က ပစ်ချလိုက်တယ်ဆိုရင် အောက်ကိုရောက်လာတဲ့အခါ Tape ကို Rewind လုပ်သလိုပြန်တွက်ကြည့်လို့ရပါတယ်။ ၂စက္ကန့်မြောက်မှာ ဘောလုံးဘယ်အမြင့်ကို ရောက်ခဲ့လဲ၊ ၃စက္ကန့်မြောက်မှာ ဘယ်လိုရှိခဲ့မလဲဆိုတာတွေကို တွက်လို့ရပါတယ်။
Chaotic System ကတော့ ဒါမျိုးလုပ်လို့ မရပါဘူး။ ဘာလို့လဲဆိုတော့ Variables တွေများလွန်းလို့ပါ။

ကျွန်တော်တို့တွေ ငယ်ငယ်က Boyle’s Law တို့ Charles’s Law တို့ ကျက်ခဲ့ရမှာပါ။ အဲ့ဒီအခါမှာ Temperature Constant ဖြစ်တဲ့အခါတို့၊ Pressure သာ Constant ဖြစ်တဲ့အခါတို့ ထည့်ရေးပေးရပါတယ်။ ဒါက Variables တွေကို ပယ်လိုက်တာပါ။
လက်တွေ့ဘဝမှာတော့ ဒီလိုလုပ်ဖို့ခက်ခဲပါတယ်။ ဒါကြောင့် အနာဂတ်ကို ခန့်မှန်းဖို့ ခက်ခဲတာပါ။

ဒီလိုတွေပြောလို့ ခန့်မှန်းလို့မရဘူးလို့လည်း မထင်စေချင်ပါဘူး။ Factor တစ်ခုချင်းစီကို Pin Point လုပ်ပြီးကြည့်ရင်သာ သူတို့ဘယ်လိုလှုပ်ရှားမလဲ မသေချာပေမယ့် System တစ်ခုလုံးကိုကြည့်လိုက်တဲ့အခါမှာတော့ အချိန်တစ်ခုရောက်တဲ့အခါ Butterfly ပုံစံဝင်လာတာပါပဲ။ ဒါကြောင့် Chaos ပေမယ့် Deterministic Chaos လို့ပြောတတ်ကြပါတယ်။

လိပ်ပြာပုံကို ပြန်ကြည့်ရင် လိုင်းတွေဟာ အလယ်က အမည်းကွက် နှစ်ခုကို ဦးတည်ပြီး ပတ်နေကြသလိုမြင်ရမှာပါ။ ဒါကို Strange Attractor လို့ခေါ်ပါတယ်။ ဒါကြောင့် Deterministic Chaos ဆိုတာ Random Behaviour နဲ့မတူပါဘူး။ အချိန်တစ်ခုရောက်တဲ့အခါ ဒီပုံစံဝင်သွားတာပါပဲ။

ဒါကြောင့် Order, Chaos, Disorder ဆိုပြီး ပြောကြတာပါ။ Chaos ဆိုတာ ကစဉ့်ကလျားပေမယ့် အချိန်တစ်ခုရောက်တဲ့အခါ System တစ်ခုလုံးအနေနဲ့ဘာဖြစ်မယ်ဆိုတာ ခန့်မှန်းကြည့်လို့ရပါတယ်။

ခုခေတ် Super computer တွေကတော့ Chaos Theory ရဲ့ သင်္ချာကို အေးဆေးတွက်နိုင်ပါတယ်။ ဒါကြောင့်ပဲ Galaxy ၂ခု နောက်နှစ်ပေါင်း ၄.၅ ဘီလီယံမှာ ဝင်တိုက်တော့မယ်ဆိုတာ အချိန်အတိအကျနဲ့ပြောနိုင်တာပါ။ ဒီသီအိုရီကို Fluid တွေလှုပ်ရှားမှု၊ နှလုံးခုန်မမှန်မှု၊ Plasma Physics ၊ ကြယ်တွေအစုလိုက်လှုပ်ရှားမှု၊ Chemical Reaction ၊ မိုးလေဝသခန့်မှန်းခြင်း စတာတွေမှာ လက်တွေ့အသုံးပြုနေပါတယ်။

SAGAN

Next Post, Previous Post မနှိပ်ဘဲ OUO Link ကနေ ၁ပုဒ်ချင်းဝင်ဖတ်ပြီး ကူညီပါ။
အသိအမြင်၊ အတွေးအခေါ် အသစ်တစ်ခုခုရသွားလို့ လှူဒါန်းလိုပါက Science Nuts (Facebook Page) ကို ဆက်သွယ်လှူဒါန်းနိုင်ပါတယ်။
လှူသမျှငွေအကုန်လုံးကို လိုအပ်တဲ့နေရာတွေမှာ ပြန်လည်လှူဒါန်းပေးသွားမှာပါ။