GIGO 仮定
GIGO: 「ゴミ入力ゴミ出力」。不正確な数値と方程式を供給すれば、不正確な結果が得られます。その逆は暗黙に仮定されます：正確な入力は正確な出力を生むということです。
Hamming は両方の仮定が偽である可能性を示しました。
ゴミ入力、ゴミ出力（真の場合）： 初期の気象シミュレーション。小さな摂動が増幅されます。不正確な入力は極めて不正確な出力を生む — 発散する方向場。
ゴミ入力、正確出力（GIGO 反転）： ロスアラモス爆弾シミュレーション（第 18 章）。状態方程式のデータは散在する信頼できない出典から得られました。それでも爆弾の設計は機能しました。なぜ？
計算構造が二次差分を含んでいたからです：砲弾に加わる力は隣接する砲弾からの力の差に依存していました。砲弾が曲線を横断する際、状態方程式のローカルエラーは大部分相殺されました。計算は実質的に収束する構造を使用していました。
正確入力、ゴミ出力： 理論的に可能なケース。計算が発散する方向場を通じて小さな入力不確実性を増幅する場合、正確な入力でも不正確な出力が生成されます。
教訓：シミュレーション出力の信頼性は入力精度だけに依存するのではなく、計算構造全体に依存します — 具体的には、システムに入るエラーが増幅、保持、または減衰するかどうかです。
フィードバックは精度を保護する
Hamming は GIGO 反転を Harold Black のフィードバック増幅器の洞察に結びつけました。
Black の発見：アンプゲインが非常に高い場合、フィードバック抵抗器だけが正確である必要があります。他のすべてのコンポーネントは不正確でもかまいません。フィードバック ループはコンポーネントのばらつきに対して出力を安定させます。
同じ原理がフィードバック構造を持つシミュレーションに適用されます：
- Nike ミサイル誘導システムは軌道の偏差を自動的に補正しました。初期条件の小さなエラーは減衰し、増幅されませんでした。これにより、Hamming は推測された初期条件を使用してミサイル失敗をシミュレートできました — しかしピッチヨー エネルギー移動の正しい周期を回復しました。
- 原子爆弾計算の二次差分構造はフィードバックのように機能しました：砲弾の履歴全体にわたって、局所的な状態方程式エラーが平均化されました。
設計含意： 優れたシミュレーション設計は、優れたエンジニアリング設計と同様に、不正確なコンポーネントをフィードバック ループ内に配置することで精度を保護します。重要な量 — フィードバック保護外のもの — は正確に測定またはモデル化する必要があります。
方向場 & チューブ
一階 ODE dy/dx = f(x,y) は方向場を定義します：平面 (x,y) のすべての点で、傾き f(x,y) は解が移動しなければならない方向を指します。
発散する方向場：真の解パスからの小さな偏差が成長します。エラーが増幅されます。
収束する方向場：大きな偏差は真のパスに向かって縮小します。エラーが減衰します。
両方が同じ方程式の異なる点で発生する可能性があります。解の精度は、どの場所で評価するかに依存します — 方程式の絶対的な性質にではなく。
Hamming は精度を真の解の周りの「チューブ」として視覚化しました。2D では、チューブは発散領域で拡大し、収束領域で収縮します。n 次元（海軍の傍受問題は 28 個の方程式を使用した）では、チューブの幾何学は直感的ではなくなります。第 9 章の n 次元パラドックスが適用されます：高次元チューブは 2D チューブとは全く異なる動作をします。
Euler の方法
最も単純な ODE ソルバー：点 (xₙ, yₙ) から、現在の傾きを使用して次の点を推定します：
> yₙ₊₁ = yₙ + h · f(xₙ, yₙ)
ここで h はステップ サイズです。これは各点での接線に従います — 常に「そうだった傾き」を使用し、間隔の上での典型的な傾きではありません。エラーは各ステップで累積されます。
予測修正法の改善： Euler を使用して値 yₙ₊₁ を予測し、その場所で傾きを評価してから、区間の両端での傾きの平均を取って修正されたステップを作成します。予測値と修正値が緊密に一致している場合、ステップ サイズは適切です。それらが発散している場合、h を短くします。
高階メソッド & フィルタ接続
4 次多項式予測修正法（Milne、Adams-Bashforth、Hamming の方法）は、関数と導関数の複数の過去値を使用して次の値を予測します。
Hamming はこれらのメソッドを再帰デジタルフィルタとして識別しました：出力値（位置）は入力データ（過去のステップでの導関数）から線形再帰で計算されます — デジタル フィルタの構造とまったく同じです。
この接続には結果があります：
- 再帰フィルタの安定性分析が直接適用されます。z 変換安定性基準：フィルタの伝達関数の極は単位円内にある必要があります。
- ステップ サイズ h は安定性を制御します。与えられた ODE に対して、数値メソッドが不安定になる h の最大値があります — 真の解が収束しても計算された解は発散します。
硬い方程式： システムが非常に異なる大きさの固有値を持っている場合（1 つの急速に変化するコンポーネント、1 つの遅いコンポーネント）、安定性には遅いコンポーネントが大きなステップを許容できる場合でも、高速コンポーネント用に十分に小さいステップ サイズが必要です。硬いソルバーは陰的メソッドを使用して、安定性なしにより大きなステップを許可します。
周波数対位置のトレードオフ： 古典的な多項式メソッドはローカル位置精度を最適化します — 軌道は各ステップで真のパスに近いですが、動的な「フィーリング」（周波数応答）が間違っている場合があります。フライト シミュレータでは、周波数応答を正しく取得することは、位置を正しく取得することより重要である場合があります。
砂丘の尾根を歩く
Hamming は、無限での境界条件を持つトランジスタ設計の微分方程式を与えられました — 境界条件は方程式の右辺をゼロに設定することです。
安定性分析は警戒心を招きました：任意の点で y が少し大きすぎた場合、sinh(y) が増幅され、2 次導関数が強く正になり、解は +∞ に飛びました。y が少し小さすぎた場合、それは -∞ に飛びました。そして不安定性は双方向でした — 反対の方向に統合してもかまいませんでした。
Hamming のイメージ：「砂丘の尾根を歩く」。両足が一方の側に滑ったら、必然的に下にスライドします。
彼の解決策： 不安定性を誘導信号として利用します。彼は微分解析器で軌道セグメントを統合しました。解が上向きに飛んだ場合、彼はそのセグメントの開始時に傾き推定値が少し高すぎました — 下方に修正します。下向きに飛んだ場合、上向きに修正します。片付けの片付け、彼は砂丘の尾根を歩きました。
これが可能にしたもの：不安定性が速く成長しました。開始傾きの小さなエラーが大きく、明確な偏差を生成しました — どの方向に修正するかについての明確な信号。わずかに不安定な問題は、そのような明確な信号を提供しなかったでしょう。
職業上の義務： 「問題を解不可能、誤った形式、またはその他の言い訳として却下することは非常に簡単だったでしょうが、私はまだ重要な問題が適切に提起された場合、有用な知識を抽出するために使用できると信じています。」
ロールシャッハテスト & ランダム性
Bell Labs 心理学者は機械を建設しました：12 個のスイッチ、赤いライト、緑のライト。被験者はスイッチを設定し、ボタンを押し、結果を観察し、20 回の試行後、緑いライトを点灯させる方法の理論を書きました。彼らの理論は次の被験者に渡され、サイクルが続きました。
ライトはランダム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。
すべての試験を通して、Bell Labs の科学者は 1 人もいませんでした — すべて高い口径の技術スタッフ — は、パターンがないと言いました。彼らはすべて理論を発見しました。
Hamming の観察：1 人も統計学者または情報理論家ではありませんでした。これら 2 つの分野は実践者に、「私が見ているものは本当にそこにあります、それともランダムノイズなだけですか？」と尋ねることを訓練します。
シミュレーションへの意味： 観測データと一致するまで調整できるシミュレーションは Rorschach 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ありません。信号をノイズから区別するには、意図的な統計規律が必要です — ホールドアウトデータ、事前指定された仮説、信頼区間 — 単なる良い意図ではなく。
Hamming の終わりの告発： 「What if...？は将来あなたの多くの人に生じるでしょう、したがってシミュレーションの概念と可能性をマスターし、結果に疑問を呈し、必要に応じて詳細を掘り下げる準備をする必要があります。」