GIGO 論法
GIGO: 'ゴミを入力にすると、ゴミが出力になる。' 不確定な数字や方程式を入力すると、不確定な結果が得られます。逆に言えば、正確な入力が正確な出力を生み出すという仮定が暗黙のうちにされています。
ハミングはその両方が偽であることを示しました。
ゴミを入力にすると、ゴミが出力になる（真のケース）： 早期の天気予報のシミュレーション。微小な乱れが拡大します。入力が不正確な場合、出力も大幅に不正確になります — どちらかと言えば、分岐方向フィールドが散開します。
ゴミを入力にすると、正確な出力になる（GIGO 逆転）： ロスアラモス爆弾のシミュレーション（第18章）。方程式の状態データは散在し、信頼性が低い情報から得られていました。でも爆弾の設計は成功しました。なぜ？
それは計算構造が 二次差分 を含んでいたからです：シェルに作用する力は、隣接するシェルの力の差によって決定されます。方程式の状態のローカルな誤差は、シェルが曲線を通過する際にほとんどキャンセルされました。計算では、効果的に散開しない構造が使用されていました。
正確な入力がゴミの出力になる： これは理論的に可能なケースです。計算が小さな入力不確実性を散開する分岐方向フィールドを持っているとすると、正確な入力でも不正確な出力が得られます。
教訓：シミュレーションの出力の信頼性は、入力の正確さだけでなく、計算全体の構造に依存します — 特に、システムに導入される誤差が拡大されるか、保持されるか、抑制されるかに依存します。
フィードバックは正確性を保護します
ハミングは GIGO 逆転をハロルド・ブラックのフィードバックアンプの見識と関連付けた。
ブラックの発見：アンプのゲインが非常に高くなると、フィードバック抵抗子だけが正確に測定される必要があります。残りのコンポーネントは不正確でも構いません。フィードバックループは、アンプの出力がコンポーネントの変動に対して安定するようにします。
同じ原則がフィードバック構造を持つシミュレーションで働きます：
- ニッケルミサイルの誘導システムは、自動的に軌道の偏差を修正しました。初期条件の小さな誤差は減衰し、拡大されませんでした。これにより、ハミングは推定された初期条件を使用してミサイルの失敗をシミュレートし、ピッチ-ヤウのエネルギー転移の正確な期間を回復することができました。
- 原子爆弾計算の二階差構造は、局所の状態方程式の誤差をシェルの歴史を通じて平均化しました。
デザインの意義: 良いシミュレーションデザインは、良いエンジニアリングデザインと同じように、フィードバックループの中に不正確なコンポーネントを配置して、正確性を保護します。重要な量 - これらはフィードバック保護されていない - は正確に測定する必要があります。
Direction Fields & the Tube
1次元のODE dy/dx = f(x,y) は、方向場を定義します：平面上のあらゆる点(x,y)で、傾きf(x,y)は解の移動方向を指します。
方向場が散開する：真の解のパスの偏差が増大します。誤差が拡大します。
方向場が収束する：大きな偏差が真のパスに向かって縮みます。誤差が減衰します。
それぞれが同じ方程式で異なる点で発生することができます。解の正確性は、どこで評価されるかによって決定されますが、方程式の絶対的な性質とは関係ありません。
ハミングは、正確性を「チューブ」として視覚化しました。2Dの場合、真の解の周りに膨らむチューブがあり、収束する領域では収縮します。N次元（海軍のインターセプト問題では28つの方程式が使用されます）では、チューブのジオメトリは直感的ではありません。第9章からのn次元のパラドックスが適用されます：高次元のチューブは、2Dのチューブとはまったく異なる振る舞いをします。
エルガーの方法
最もシンプルなODEソルバー: 現在の点(xₙ, yₙ)から次の点を推定するために、現在の傾きを使用します:
> yₙ₊₁ = yₙ + h · f(xₙ, yₙ)
ただし、hはステップサイズです。この方法では、各点での傾きを常に「過去の傾き」に従って使用し、間の典型的な傾きを使用しません。エラーは各ステップで蓄積されます。
予測訂正の改善: エルガーを使用して値yₙ₊₁を予測し、その傾きを評価し、間の傾きの両方で傾きを評価して修正されたステップを作成します。予測値と修正値が密接に一致する場合は、適切なステップサイズです。離れれば、hを短くします。
高階法とフィルタの関連性
4次の多項式予測訂正方法（ミルン、エドムズ-バッシュフォース、ハミングの方法）は、関数と導関数の過去の値を使用して次の値を予測します。
ハミングは、これらの方法を再帰的デジタルフィルターと特定しました：入力データ（過去のステップでの導関数）から出力値（位置）を線形再帰で計算する構造です。
この関連性には次のような結果があります：
- 再帰フィルターの安定性分析が直接適用されます。z変換の安定性基準：フィルターの転送関数の極が単位円内に存在する必要があります。
- ステップサイズhが安定性を制御します。特定のODEに対して、真の解が収束しても計算された解が分散する点で、数値方法が安定しない最大のhがあります。
剛性方程式: 系全体に非常に異なる大きさの固有値がある場合（一つの高速変化の要素、一つの遅い要素）、安定性には、遅い要素が大きいステップを許容できるにもかかわらず、高速要素に対して小さなステップサイズが必要です。剛性ソルバーは、安定性なしで大きなステップを許可するために、暗黙の方法を使用します。
周波数 vs 位置のトレードオフ: クラスカルな多項式法は局所的な位置の正確性を最適化します — トレッキングは、各ステップで真のパスに近い位置にありますが、ダイナミックな '感覚'（周波数応答）が正確でなくなることがあります。フライトシミュレーターでは、周波数応答が位置に正確であるよりも重要になることがあります。
砂丘の絶縁を歩く
Hammingは、トランジスタ設計のための微分方程式が与えられ、境界条件が無限遠にあることが指定されました — 方程式の右辺が0に設定される方程式の境界条件です。
安定性分析は非常に危険でした: yのどのポイントでもわずかに大きすぎる場合、sinh(y)が増幅され、2次の導関数が強く正になり、解が+∞に至ります。yがわずかに小さすぎる場合、解は-∞に至ります。さらに、instabilityはbidirectionalで、逆方向に積分することも助けません。
Hammingのイメージは '砂丘の絶縁を歩く' でした。両足が一方に滑り出すと、必ず下がります。
その解決策: instabilitiesを指令信号として利用する。彼は微分解析器で軌跡のセグメントを統合しました。解が上向きに飛ぶ場合、彼の開始セグメントでの傾斜推定が若干過高であったことを修正する必要があります - 下向きに修正します。解が下向きに飛ぶ場合、上向きに修正します。彼は段々と砂丘の頂上を歩きました。
これが可能になった要因: instabilitiesは非常に速く成長しました。開始傾斜に関する小さな誤差が大きく、明確な偏向 - 修正方向に関する明確な信号を提供する大きな偏向を生じました。やや不安定な問題は、そんな明確な信号を提供することはできませんでした。
専門家の義務: '問題が不可能に思える場合、それが不可能であるか、誤った問題であるか、または自分が自分に言う任何の言い訳であれ、しかし私は重要な問題が適切に提示されれば、有用な知識を抽出することができるという信念を捨てませんでした。'
ロシュカックテスト & 無作為性
ベル研究所の心理学者が機械を作りました: 12つのスイッチ、赤い光、緑の光。主題はスイッチを設定し、ボタンを押し、結果を観察し、20回の試験後に緑の光が点灯する理論を書きました。その理論は次の主題に渡され、サイクルが続けられました。
光はランダムなソースに接続されていました。パターンはありませんでした。
試行のすべてで、不可能なベル研究所の科学者 - すべての高級技術スタッフ - がいないでした: それがあるパターンがあると言わない。彼らはすべての理論を見つけました。
Hammingの観察: その中には統計学者や情報理論家はいませんでした。二つの分野は、自分が見ているのは本当に存在するのか、それともただのランダムノイズであるのかと尋ねる実践者を育成します。
シミュレーションの意義: データと一致するモデルを見つけることができる調整可能なシミュレーションは、ロシュカックテストです。調整プロセスは、データと一致するモデルを見つけますが、必ずしも真のモデルではないことに注意してください。信号とノイズを区別するためには、統計的意志の意図が必要です - 保持データ、事前に指定された仮説、信頼区間 - ただし、良い意図だけではありません。
Hammingの最終的な訴訟: 'あなたの将来では、What if...?がしばしば登場するため、シミュレーションの概念と可能性をマスターし、必要に応じて結果を疑問に思うことと、詳細に踏み込む準備ができていることが重要です。'