動的グモウスキー・ミラ・アトラクタを探索する
シンプルなシステムが、いかにして無数の形へと変化するのか？
ある決まったルールに従って点を動かすとき、人はつい「やがては決まった軌道を描くようになるのだろう」と考えがちです。
確かに、そのような場合もあります。単純な動きを繰り返し、何度も同じ軌道を回ることもあるでしょう。
しかし、動きを制御するパラメータを少し調整するだけで、状況は一変します。規則的だった軌道が、より複雑なものへと変化したり、枝分かれが生じたり、さらにはシステム全体がカオス（無秩序）な状態に陥ったりすることさえあるのです。
その間、動く点はキャンバス上に驚くほど多様な形を描き出します。クラゲやヒトデ、花、あるいは蝶のように見えたり、顕微鏡で覗いた微小な生命体のように見えたりすることもあります。
これこそが、動的なグモウスキー・ミラ・アトラクタ（Gumowski-Mira attractor）です。
最大の魅力：決まった形が一つではないこと
グモウスキー・ミラ・アトラクタに初めて触れる人は、「一体どんな形をしているのか？」と疑問に思うかもしれません。
実のところ、その問いに単純な答えはありません。なぜなら、これには単一の決まった姿というものが存在しないからです。
パラメータを変えることで、全く異なる構造が生まれます。規則的な軌道を描くものもあれば、周期的な構造や複雑に入り組んだパターンを生み出すものもあります。特定のパラメータの組み合わせによっては、システムがカオス状態になることさえあります。
そのため、まるで「ブラインドボックス（中身が分からない箱）」を開けるような感覚で探求するのに最適です。特定の数値の組み合わせが、システムをどこへ導くのかを確かめる楽しみがあるのです。
たった一つの点から始める
多くの「アトラクター」と同様に、ごく単純なもの、つまり「一つの点」から始めることができます。
その点は、xとy、すなわち水平方向と垂直方向の座標によって位置が定義されています。
そして、数学的なルールがその点に指示を与えます。「現在の位置に基づいて、次のステップを計算せよ」と。すると点は移動します。新しい位置に到達すると再び計算を行い、また移動する……というプロセスが繰り返されます。
現在位置 → 次のステップを計算 → 移動 → 新しい位置 → 再び計算 → 再び移動 → 何度も繰り返す
最初は、まばらに散らばったいくつかの点しか見えないかもしれません。しかし計算を続けるにつれて、軌跡がより多く現れ、やがて全体的な構造が徐々に浮かび上がってきます。
単なるランダムなパターンではない
こうした複雑なパターンを目にすると、「これらはランダムに生成されているのだろうか？」と疑問に思うかもしれません。
そうではありません。すべての段階を支配する明確なルールが存在するのです。初期位置、パラメータ、計算ルールが同じであれば、システムは全く同じように変化していきます。
つまり、単にランダムに点を散らしているのではなく、特定のルールに基づいた計算を繰り返し実行しているのです。
これこそがアトラクターの最も魅力的な側面の一つです。一見すると無秩序でランダムに見えても、実際には非常に精密で明確なルールから生み出されているのです。
では、グモウスキー・ミラ・アトラクタ（Gumowski-Mira attractor）は具体的に何を計算しているのでしょうか？
数式を見ると、大まかには次のような形をしています：
xn+1 = yn + αx(1 - σyn2)yn + f(xn)
yn+1 = -xn + f(xn+1)
f(x) = μx + 2(1 - μ)x2 / (1 + x2)
これらを組み合わせることで、システムが次にどう動くかが決まります。実際に数式を暗記する必要はありません。重要なのは「現在の位置 ＋ パラメータ → 次の位置」、そして「新しい位置 → 次のステップを計算」というプロセスを何度も繰り返すという概念を理解することです。
3つのパラメータは、3つの「操作ノブ」のようなもの
α、σ、μを3つのノブだと想像してみてください。どれか1つを回すと、システムの動き方が変わります。この動きは絶えず繰り返されるため、結果として生まれるパターンも変化します。
μ：「ねじれの強さ」と考えてください。最も大きな影響力があり、わずかな変化でもパターンを「花」のような形から「渦」のような形へと変えてしまうことがあります。
α：「フィードバックの強さ」と考えてください。中程度の影響力があり、主にパターンの「締まり具合」や「漂う速度」に作用します。
σ：フィードバック係数です。αによるフィードバックの強さを微調整する役割を果たします。影響力は最も小さく、「微調整用」のパラメータとして機能します。
例えるなら、μ（ねじれの強さ）はパターンの全体的な形を決める「歪み（ディストーション）ノブ」、α（フィードバックの強さ）はパターンが緩いかきついかを決める「張力（テンション）」、そしてσ（フィードバック係数）はαと連動して働く「微調整ネジ」のようなものです。
しかし、本当に興味深いのは、単に模様がより美しくなったという点だけではありません。
単に『パラメータを微調整してきれいな画像を作る』という話であれば、それはクリフォード・アトラクタやデ・ヨング・アトラクタと似たようなものだったでしょう。
しかし、グモウスキー・ミラ・アトラクタが真に特別なのは、パラメータを変化させることで、システム全体の挙動そのものが変わってしまうという点です。
つまり、変化するのは単にパターンの見た目だけではなく、点が実際にどのように動くかという点なのです。
ある特定の動きをするシステムを想像してみてください。例えば、元の位置に戻る前に1、2歩進むような動きです。これは周期的な運動（A → B → A → B... といった動き）の一種であり、非常に規則正しく見えます。
ここで、パラメータを少し調整してみたとしましょう。すると、1つのサイクルが2つに分かれるかもしれません。さらに少し変えると、4つのサイクルが現れるかもしれません。パラメータを変化させ続けるにつれて、システムはますます複雑になっていきます。単純なサイクルからより複雑なサイクルへと変化していくこの過程を、私たちは周期倍増（ピリオド・ダブリング）と呼んでいます。
パラメータを変え続けると、システムはカオスと呼ばれる非常に複雑な状態に陥ることがあります。これはプログラムが突然ランダムな動きをするようになったという意味ではありません。システムは依然として何らかの法則に従っていますが、その長期的な挙動が極めて複雑になるのです。システムは数式に従って一歩ずつ計算を続けますが、次にどこへ行くのか、あるいはずっと先でどうなるのかを直感的に予測することは不可能になります。それこそが、カオス・システムをこれほど魅力的なものにしている理由なのです。
一般的な数学的ビジュアライゼーションでは、単に『次の画像がどんな見た目になるかわからない』と思う程度かもしれません。しかし、グモウスキー・ミラ・アトラクタの場合は、状況がさらに一歩進んでいます。『パラメータを変えた後、システムがどのような動きを見せるのかさえわからない』のです。規則的な軌道が現れることもあれば、周期的な構造、あるいは複雑なカオス・パターンが現れることもあります。結局のところ、そこで目にするのは単なる画像の連続ではなく、それぞれ異なる数学的な挙動なのです。
これは単なる「絵」ではなく、軌跡の集まりです
点をわずか10ステップだけ動かしてみたとしましょう。おそらく何も見えないはずです。100ステップ動かせば、少しずつ構造が浮かび上がってきます。1万ステップ動かせば、パターンはより鮮明になります。そして10万ステップに達すると、複雑な形状がはっきりと姿を現します。つまり、目に見えるパターンは、点がたどった軌跡そのものなのです。あらかじめ用意された画像ではなく、動きが残した痕跡なのです。
膨大な数の軌跡が重なり合うと、人間の脳は自然とそこに馴染みのある形を見出します。特定のパラメータの組み合わせによって生成される画像は、クラゲ、ヒトデ、プランクトン、蝶、花、あるいは果物の断面などを連想させるかもしれません。
では、「アトラクタ」とは何でしょうか？
アトラクタとは、簡単に言えば、システムが長期にわたる運動の中で、特定の構造へと繰り返し戻ったり、その構造の近くにとどまったりする状態のことです。
点は単に停止するわけではなく、動き続けています。
かといって、平面上を際限なくさまよい歩くわけでもありません。長期的には、その軌跡は特定の領域や構造の中に収まるのです。
こうした数多くの軌跡を重ね合わせることで、グモウスキー・ミラ・アトラクタ（Gumowski-Mira attractor）を可視化することができます。
De Jongアトラクタとはどう違うのですか？
すでにDe Jongアトラクタをご覧になった方なら、「どちらもパラメータを変えて美しい2次元パターンを作り出すものではないか？」と思われるかもしれません。
確かに共通点はありますが、注目すべき違いもあります。
De Jongアトラクタは、いわば4つの数値で定義される数学的テクスチャの実験場のようなものです。パラメータを調整することで、新しい雲やリボン、抽象的なテクスチャを発見することができます。
一方、Gumowski-Miraアトラクタは、「挙動パターン」が変化する数学的システムに近いものです。パラメータを変化させると、単に見た目のパターンが変わるだけでなく、システム自体が周期性 → 周期倍増 → 複雑な動き → カオスといった変化を遂げることがあります。
つまり、De Jongアトラクタが「これらの数値でどんな画像が描けるかを見る」ものだとすれば、Gumowski-Miraアトラクタは、「数値を変化させたときにシステム自体がどう変化（進化）していくかを見る」ものだと言えるでしょう。
ローレンツ・アトラクタとは異なります
ローレンツ・アトラクタは、カオスやバタフライ・エフェクトでよく知られています。これは連続時間・3次元のシステムから生じ、最終的に「双翼の蝶」のような典型的な形状を形成します。
対照的に、グモウスキー・ミラ・アトラクタは2次元の離散力学系です。これは、最初の位置から2番目、3番目……と段階的に位置を計算し、最終的に多様な2次元パターンを形成します。
つまり：
ローレンツ・アトラクタ：数学的な蝶 ＋ カオスの物語。
グモウスキー・ミラ・アトラクタ：パラメータの変化 ＋ 周期性からカオスへの移行 ＋ 多様な形態。
現実世界の物理学の物語が背景にあります
グモウスキー・ミラ・アトラクタは、単に美しいパターンを生み出すために作られた数式ではありません。これはCERN（欧州原子核研究機構）におけるグモウスキーとミラによる研究に関連しています。彼らは加速された粒子の軌道を研究しており、その過程でグモウスキー・ミラ・アトラクタが開発されました。
言い換えれば、今日画面上で目にするクラゲ、ヒトデ、蝶、そして複雑なテクスチャは、ある根本的な問いから生まれたのです。それは、「複雑な力学系の中で、粒子はどのように動くのか？」という問いです。
これは魅力的な発展のプロセスを示しています。物理学の問題 → 数学的モデル → 反復計算 → 複雑な軌道 → そして最終的に、今日目にする数学的パターンへと至るのです。
グモウスキー・ミラの世界を探求する
まずはプリセットの設定から始めてみましょう。
最初はパラメータを変更せずに、その動きを観察してみてください。次に、α（アルファ）の値を変更して再生成し、続いてσ（シグマ）を調整して結果を確認します。最後にμ（ミュー）を変えてみて、システムが全く異なる状態へと変化するかどうかを試してみましょう。
グモウスキー・ミラ・アトラクタを楽しむ上で最も興味深いのは、「どのパラメータ設定が正解か？」と問うことではありません。なぜなら、そこに唯一の正解は存在しないからです。
規則的、複雑、対称的、有機的、あるいは抽象的、さらには極めて奇妙なパターンを探してみるのもよいでしょう。パラメータを選ぶのはあなたであり、それに対する反応をシステムが提示してくれるのです。
3つの数値、絶えず変化する世界
私たちは再び、出発点へと立ち返ります。
そこにあるのは、たった一つの点、3つの主要なパラメータ、そして一連の数学的ルールだけです。
そして、それに基づいて計算と移動を絶えず繰り返していきます。
ある条件下では規則的なパターンが維持されますが、パラメータを変えると「周期倍分岐」が起こるかもしれません。さらに変化させれば、カオス（無秩序な状態）へと陥る可能性もあります。
しかし、この動きによって描かれる軌跡をすべて合わせると、あるパターンが浮かび上がります。それは、生命体や植物、海洋生物、あるいは抽象芸術を思わせるような形です。
これこそが、動的な「グモウスキー・ミラ・アトラクタ（Gumowski-Mira attractor）」の最も魅力的な点です。つまり、単に画像の見た目を変えているのではなく、システム全体の挙動そのものを変化させているのです。
数学の世界をさらに探求しよう
グモウスキー・ミラ・アトラクタ（Gumowski-Mira attractor）は、実にユニークな種類のアトラクタです。
パラメータを調整して抽象的なテクスチャを探求するのがお好きなら、デ・ヨング・アトラクタ（De Jong attractor）やクリフォード・アトラクタ（Clifford attractor）も試してみるとよいでしょう。
3次元空間における奇妙な構造を観察することに興味があるなら、相沢アトラクタ（Aizawa attractor）を探求してみましょう。
カオス、気象パターン、バタフライ・エフェクトに魅力を感じるなら、ローレンツ・アトラクタ（Lorenz attractor）をチェックしてみてください。
グモウスキー・ミラ・アトラクタには独自の特徴があります。それは、単純な2次元システムが、パラメータの変化に伴って秩序ある動きから複雑さ、さらにはカオスへとどのように変化し、無限に多様な数学的形態を生み出すかを示してくれるという点です。「次へ」ボタンをクリックしたとき、次に何が現れるかは正確にはわからないかもしれませんが、一つだけ確かなことがあります。それは、その形があらかじめ描かれていたものではないということです。それは数学的なルールによって生成され、段階的に浮かび上がってくる形態なのです。
他にも、素晴らしい数学的パターンをさらに楽しむことができます。