과학을 생각하면 무엇이 떠오르시나요? 아마도 ‘정확한 예측’일 겁니다. 뉴턴 이래로 우리 인류는 우주의 모든 법칙을 알면 미래를 완벽하게 예측할 수 있다고 믿어왔습니다. 라플라스라는 학자는 “우주의 모든 입자의 현재 위치와 속도를 안다면, 과거와 미래를 전부 계산할 수 있다"는 장대한 상상을 하기도 했죠.
그런데 20세기 후반, 이 완벽한 시계 같은 우주관에 거대한 균열이 생깁니다. 바로 ******카오스 이론(Chaos Theory)******이 등장했기 때문입니다.
‘카오스’라니, ‘혼돈’이라는 말뜻 때문에 그저 모든 것이 뒤죽박죽인 상태를 떠올리실지도 모릅니다. 하지만 카오스 이론의 진짜 메시지는 정반대입니다. 그것은 ‘규칙은 분명히 있는데도 예측이 불가능한’ 현상들에 대한 이야기입니다. “결정되어 있다"고 해서 “예측할 수 있다"는 것이 아니라는, 그야말로 혁명적인 생각이었죠.
이 이론의 핵심은 ‘나비 효과(butterfly effect)‘라는 매력적인 단어로 요약됩니다. 브라질 나비의 날갯짓이 텍사스에 토네이도를 일으킬 수 있다는 이야기처럼, 처음의 아주 사소한 차이가 나중에는 상상도 못 할 결과로 이어진다는 뜻입니다.
이 글에서는 이 신비하고도 강력한 ‘카오스 이론’의 세계를 제대로 탐험해 보려 합니다. 단순한 수학적 호기심을 넘어, 이 이론이 날씨 예측, 금융 시장, 최신 AI 기술, 심지어 우리 몸과 뇌를 이해하는 방식을 어떻게 근본적으로 바꿔놓았는지 그 여정을 함께 따라가 보겠습니다.
1부: 카오스, ‘혼돈’이 아니라 ‘숨겨진 질서’입니다
카오스 이론의 심장부는 수학에 있습니다. 조금 딱딱할 수 있지만, 이 뼈대를 알아야 진짜 재미를 느낄 수 있습니다.
결정론적 카오스와 ‘나비 효과’
**‘결정론적 카오스’**라는 말 자체가 모순처럼 들립니다. ‘결정되어 있는데’ 어떻게 ‘혼돈’일 수 있을까요?
이 현상을 처음 발견한 사람은 기상학자 에드워드 로렌츠입니다. 그는 컴퓨터로 날씨를 시뮬레이션하던 중, 중간부터 계산을 다시 시작하기 위해 숫자를 입력했습니다. 원래 숫자는 0.506127이었는데, 편의상 0.506이라고 소수점 넷째 자리에서 반올림했죠.
결과는 충격적이었습니다. 그래프는 완전히 다른 날씨를 그려냈습니다. 이 사소한 차이가 전혀 다른 미래를 만든 것입니다. 이것이 바로 ‘나비 효과’, 전문 용어로는 ******‘초기 조건에 대한 민감한 의존성’******입니다.
수학자들은 이 ‘엉망진창’이 되는 속도를 측정하는 도구로 ****‘랴푸노프 지수(Lyapunov exponent)’****를 고안했습니다. 이 숫자가 0보다 크면, “아, 이 시스템은 카오스다!“라고 말할 수 있죠. 이 발견은 ‘결정되어 있다 = 예측 가능하다’는 수백 년간 이어진 과학의 믿음을 깨뜨렸습니다. 현실 세계에서 초기값을 소수점 무한대 자리까지 알 수 없는 한, 장기 예측은 ‘불가능’하다는 것을 수학적으로 증명한 셈입니다.
무한한 복잡함의 지도: 기묘한 끌개와 프랙탈
그렇다고 카오스 시스템이 완전히 제멋대로 우주 밖으로 날아가 버리는 것은 아닙니다. 로렌츠의 컴퓨터 속 날씨는 복잡하게 움직이면서도 결국 저 ‘나비 모양’의 한정된 공간 안에서만 맴돌았습니다.
시스템이 결국 끌려 들어가는 이 영역을 ****‘끌개(attractor)’****라고 부릅니다. 그런데 카오스 시스템의 끌개는 그 모양이 너무나 이상하고 복잡해서 ****‘기묘한 끌개(strange attractor)’****라는 이름이 붙었습니다.
더 신기한 것은, 이 끌개를 확대하고 또 확대해봐도 계속해서 더 복잡한 구조가 끝도 없이 나타난다는 사실입니다. 이런 성질을 바로 ****‘프랙탈(fractal)’****이라고 부릅니다. 브누아 망델브로가 정립한 개념으로, ‘부분이 전체를 닮은’ 자기 유사성을 가진 구조를 말하죠.
기묘한 끌개는 왜 프랙탈일 수밖에 없을까요? 생각해보세요. 궤적은 절대 서로 겹치거나 반복되면 안 되는데(그러면 카오스가 아니니까), 한정된 공간 안에 갇혀 있어야 합니다. 유한한 공간에 무한한 길이의 선을 구겨 넣으려니, 결국 무한히 접히고 접힌 프랙탈 구조가 될 수밖에 없는 겁니다. 프랙탈은 카오스가 만들어내는 필연적인 ‘무늬’인 셈이죠.
카오스를 만드는 엔진: 늘이고 접기
그럼 도대체 왜 이런 일이 벌어지는 걸까요? 스티븐 스메일이라는 수학자가 **‘편자 사상(horseshoe map)’**이라는 멋진 비유로 설명했습니다. 카오스를 만드는 엔진은 ‘신축’과 ‘접힘’이라는 두 과정의 무한 반복입니다.
- 신축 (Stretching): 반죽을 한 방향으로 길게~ 늘입니다. (아주 작은 차이를 확 증폭시키는 ‘나비 효과’ 과정)
- 접힘 (Folding): 길게 늘어난 반죽을 말편자 모양으로 접습니다.
- 재삽입 (Re-insertion): 이걸 다시 원래 공간에 집어넣고… 1번부터 무한 반복!
이 단순한 ‘늘이고 접기’가 카오스를 만드는 핵심 엔진입니다. ‘신축’은 차이를 벌리는 힘(랴푸노프 지수 > 0)이고, ‘접힘’은 시스템이 ‘끌개’라는 한정된 공간에 머무르게 하는 힘이죠.
혼돈으로 가는 길은 정해져 있다? 파이겐바움 상수
카오스로 가는 길은 여러 가지지만, 아주 유명하고도 소름 돋는 경로가 하나 있습니다. 바로 ‘지수 배가(Peride Doubling)’ 현상입니다.
원래 인구 증가를 설명하던 아주 간단한 방정식(로지스틱 맵: $x\_{n+1} = rx\_n(1-x\_n)$)이 있습니다. 여기서 r값을 서서히 높여보면, 시스템이 처음엔 안정적이다가(주기 1), 두 개의 값을 왔다 갔다 하고(주기 2), 그다음엔 네 개(주기 4), 여덟 개(주기 8)… 이렇게 주기가 두 배로 계속 늘어납니다. 그러다 어떤 임계점을 넘어가면… 빵! 카오스가 터져 나옵니다.
그런데 미첼 파이겐바움이 발견한 것은, 주기가 두 배가 되는 그 ‘간격’의 비율을 계산해봤더니, 항상 **$\\delta \\approx 4.6692...$**라는 특정 숫자로 수렴한다는 사실이었습니다. 더 놀라운 건, 이게 인구 모델이든, 전자 회로든, 유체 역학이든… 전혀 상관없는 시스템에서도 똑같이 나타난다는 겁니다!
이걸 **‘파이겐바움 상수’**라고 부르며, 이런 현상을 ****‘보편성(universality)’****이라고 합니다. 겉보기엔 완전히 다른 현상들 속에, 카오스로 가는 길목에는 똑같은 수학적 법칙이 숨어있었던 거죠.
표 1: 로지스틱 맵에서 파이겐바움 상수($\\delta$)로의 수렴
| n (주기) | 분기 발생 매개변수 $a\_n$ | $a\_n - a\_{n-1}$ (간격) | $(a\_{n-1} - a\_{n-2}) / (a\_n - a\_{n-1})$ (비율 $\\delta\_n$) |
|---|---|---|---|
| 1 (2) | 3.0 | - | - |
| 2 (4) | 3.449489… | 0.449489… | - |
| 3 (8) | 3.544090… | 0.094601… | 4.7514… |
| 4 (16) | 3.564407… | 0.020317… | 4.6562… |
| 5 (32) | 3.568759… | 0.004352… | 4.6683… |
| 6 (64) | 3.569692… | 0.000933… | 4.6691… |
| 7 (128) | 3.569891… | 0.000199… | 4.6692… |
| $\\infty$ | $a\_\\infty \\approx 3.5699456...$ | 0 | $\\rightarrow \\delta \\approx 4.669201...$ |
| 주: 이 표는 로지스틱 맵에서 주기가 두 배가 되는 지점을 보여줍니다. 마지막 열을 보세요. 연속적인 간격의 비율이 놀랍도록 빠르게 파이겐바움 상수 $\\delta \\approx 4.6692$에 가까워지는 것을 볼 수 있습니다. |
2부: 예측의 한계와 새로운 가능성: 날씨부터 AI까지
자, 이제 이 카오스 이론이 현실의 ‘예측’ 문제, 특히 날씨와 AI 분야를 어떻게 뒤흔들고 있는지 살펴보겠습니다.
날씨 예측, 왜 하나가 아닐까? 앙상블 예보
날씨 예측이 왜 그렇게 힘든지 이제 우린 압니다. 바로 ‘나비 효과’ 때문이죠. 전 세계 모든 공기 분자의 초기값을 정확히 잴 수 없으니까요.
그래서 현대 기상학은 ‘하나의 완벽한 예측’을 포기했습니다. 대신 **‘앙상블 예보(ensemble forecasting)’**라는 방법을 씁니다.
현재 관측값에 아주 미세한 오차(카오스적 불확실성)를 일부러 집어넣은 수십 개의 다른 초기 조건들로 예측을 동시에 수십 번 돌리는 겁니다.
- 만약 50개 예측이 전부 “비가 온다"고 하면? -> “비 올 확률이 매우 높음.”
- 만약 25개는 “비”, 25개는 “맑음"이라고 하면? -> “예측 불확실성 매우 높음.”
이렇게 예측의 불확실성 자체를 예측하는 겁니다. 세계 최고 기상청들도 이 ‘미세한 오차’를 만드는 방식(SV, BV)에 저마다의 철학을 담고 있죠.
표 2: 앙상블 예보에서의 특이 벡터(SV)와 브레드 벡터(BV) 비교
| 특징 | 특이 벡터 (Singular Vectors, SV) | 브레드 벡터 (Bred Vectors, BV) |
|---|---|---|
| 주요 사용 기관 | ECMWF (유럽) | NCEP (미국) |
| 이론적 기반 | 단기간에 가장 빠르게 성장할 오차 | 시스템의 자연스러운 오차 성장 (랴푸노프 벡터 근사) |
| 계산 방식 | 복잡함 (수반 모델 필요) | 비교적 간단함 (모델 2번 실행) |
| 목표 | ‘그날의 오차’ 포착 (가장 위험한 싹) | 시스템의 자연스러운 불안정성 모방 |
| 주: 이 표는 세계 최고 기상청들이 같은 ‘카오스’ 문제에 어떻게 다르게 접근하는지 보여줍니다. |
게임 체인저의 등장: AI ‘그래프캐스트’의 충격
그런데 최근, 이 전통적인 기상 예보의 판을 뒤흔드는 게임 체인저가 등장했습니다. 바로 **인공지능(AI)**입니다.
구글 딥마인드가 개발한 **‘그래프캐스트(GraphCast)’**는 물리 방정식을 하나도 모릅니다. 대신, 과거 40년 치 날씨 데이터를 통째로 학습했습니다. “이런 날씨 패턴 다음엔 저런 날씨가 오더라"는 패턴 자체를 그냥 외워버린 거죠.
결과는 충격적이었습니다. 10일치 예보 정확도의 90% 이상 항목에서, 슈퍼컴퓨터가 몇 시간 돌린 결과보다 더 정확했습니다. 심지어 이 계산은 1분도 채 걸리지 않았습니다. AI가 복잡한 물리 법칙 대신, 카오스 시스템이 만들어내는 ‘끌개의 모양’ 자체를 통계적으로 학습해버린 겁니다.
표 3: 성능 비교: 그래프캐스트(AI) vs. 전통적 NWP 모델(HRES)
| 비교 항목 | 그래프캐스트 (AI 기반) | HRES (NWP 기반) |
|---|---|---|
| 기본 원리 | 데이터 기반 패턴 학습 (40년 치) | 물리 방정식 (유체 역학) |
| 계산 속도 | 매우 빠름 (10일 예보 < 1분) | 매우 느림 (슈퍼컴퓨터 수 시간) |
| 주요 강점 | 10일 예보 정확도 (90% 이상), 태풍 경로 | 물리적 일관성, 강수량 강도 |
| 주요 약점 | 강수량 강도, 물리적 원리 부족 | 계산 비용, 초기 조건 민감성 |
| 주: AI가 ‘결과’를 학습하는 데는 탁월하지만, 전통 모델은 ‘이유’를 안다는 강점이 있습니다. 미래에는 이 둘을 합친 하이브리드 모델이 대세가 될 것입니다. |
데이터와 물리학의 만남: 물리 정보 신경망 (PINNs)
그럼 물리 법칙은 이제 쓸모가 없어진 걸까요? “아니, 그럴 리가!“라며 등장한 것이 **‘물리 정보 신경망(Physics-Informed Neural Networks, PINNs)’**입니다.
이것은 AI(신경망)와 물리 법칙을 결합한 하이브리드 모델입니다. AI에게 데이터를 학습시킬 때, 두 번째 미션을 주는 거죠. “데이터랑 비슷하게 맞추되, 물리 법칙(미분방정식)도 어기면 안 돼! 어기면 벌점이야!”
이렇게 하니, 데이터가 좀 부족하거나 노이즈가 많아도 AI가 물리 법칙을 바탕으로 빈틈을 똑똑하게 채워 넣습니다. 데이터가 ‘교사’고 물리학이 ‘교과서’인 셈이죠.
3부: 돈의 흐름도 카오스일까? 경제와 금융 시장
자, 이제 우리 삶과 직결된 돈 이야기입니다. 카오스 이론은 경제와 금융 시장을 보는 관점에도 거대한 도전을 제기했습니다.
극심하게 변동하는 금융 시장. 과연 이것은 무작위일까요, 아니면 카오스일까요?
‘효율적 시장’ vs ‘프랙탈 시장’
전통 경제학의 정설은 **‘효율적 시장 가설(EMH)’**입니다. “시장은 매우 효율적이라 모든 정보가 즉시 가격에 반영되며, 주가 움직임은 예측 불가능한 ‘랜덤 워크(무작위 행보)‘다"라는 이론이죠.
하지만 카오스 이론가들은 **‘프랙탈 시장 가설(FMH)’**을 들고나왔습니다. 시장은 무작위가 아니라, 카오스 이론에서 말하는 복잡한 비선형 시스템이라는 주장입니다.
- 프랙탈 구조: 시장 가격 그래프는 하루짜리든 1년짜리든 축소/확대해보면 비슷하게 생겼습니다(프랙탈).
- 장기 기억: 시장은 과거를 잊지 않습니다. 과거의 움직임이 미래에 영향을 줍니다.
- 안정성과 다양성: 시장이 안정적이려면 장기/단기 등 다양한 시간 관점을 가진 투자자가 섞여 있어야 합니다.
한마디로 **“시장은 무질서해 보이지만, 그 안에 카오스적인 질서가 숨어있다”**는 도발적인 주장이었죠.
금융 위기의 징조를 포착하다
2008년 글로벌 금융위기 같은 거대한 시장 붕괴는 과연 ‘랜덤’하게 일어난 불운일까요? 카오스 이론은 이런 갑작스러운 붕괴를 설명하는 데 더 적합해 보입니다.
실제로 ‘이동 랴푸노프 지수’(카오스 정도를 재는 숫자)로 시장 데이터를 분석했더니, 2000년 닷컴 버블이나 2008년 금융위기, 2020년 코로나19 팬데믹 직전에 이 불안정성 지수가 확 치솟는 현상이 관찰되었습니다.
물론 “몇 월 며칠에 폭락한다"고 맞출 순 없습니다. 카오스니까요. 하지만 “지금 시스템이 매우 불안정해져서 작은 충격에도 와르르 무너질 수 있는 임계 상태"라는 조기 경보는 울릴 수 있다는 가능성을 보여준 겁니다.
카오스의 놀이터: 암호화폐 시장
요즘 가장 정신없는 시장, 바로 암호화폐 시장입니다. 이곳은 카오스 분석의 놀이터나 다름없습니다. 학자들이 비트코인, 이더리움 가격 데이터로 카오스 테스트를 돌려본 결과, 대부분 “이건 단순한 랜덤 워크가 아니다"라고 결론 내립니다.
특히 암호화폐 시장이 ****‘카오스의 가장자리(edge of chaos)’****에 있다는 분석이 많습니다. 완전히 질서 잡힌 상태도, 완전히 무작위인 상태도 아닌, 그 아슬아슬한 경계선에 있다는 뜻이죠. 이 ‘가장자리’는 시스템이 가장 복잡하고, 정보 처리를 가장 활발히 하며, 작은 충격에 가장 민감하게 반응하는 상태를 의미합니다.
날카로운 비판: “그건 카오스가 아닐 수도 있다”
물론 반론도 만만치 않습니다. 가장 강력한 비판은 이것입니다. “당신들이 ‘카오스’라고 부르는 게, 진짜 수학적인 카오스인지, 아니면 그냥 엄청나게 복잡한 **‘잡음(노이즈)’**인지 어떻게 구별할 건데?”
솔직히 둘 다 겉보기엔 똑같이 불규칙해서 구별하기가 거의 불가능합니다.
더 큰 문제는, 금융 시장은 규칙 자체가 계속 변한다는 겁니다( ‘구조적 파괴’ ). 중앙은행이 금리를 올리거나, 전쟁이 터지면 시장의 ‘규칙’ 자체가 바뀌어버리죠. 카오스 이론은 ‘규칙은 고정’되어 있다고 가정하는데, 현실은 그렇지 않다는 겁니다.
4부: 우리 몸과 뇌, 그리고 로봇의 카오스
카오스 이론은 날씨나 돈 문제뿐만 아니라, 우리 생명 자체와 우리가 만든 기술에도 깊숙이 관련되어 있습니다.
복잡하게 얽힌 뇌신경망. 창의성은 ‘질서’와 ‘카오스’의 경계에서 나옵니다.
창의적인 뇌는 ‘가장자리’를 걷는다
아까 금융 시장에서 나왔던 **‘카오스의 가장자리’**가 뇌 과학에서도 아주 중요하게 다뤄집니다. 우리 뇌가 정보를 처리하고, 학습하고, 특히 창의성을 발휘할 때가 바로 이 상태에 있을 때라는 가설입니다.
- 만약 뇌가 너무 질서정연하다면? -> 꽉 막힌 생각, 틀에 박힌 행동만 하겠죠.
- 만약 뇌가 너무 카오스라면? -> 생각이 연결되지 않고 파편화되겠죠.
창의력이란, 안정적인 기억(질서)을 기반으로 하되, 그걸 깨뜨리고 새롭게 연결하는(카오스) 능력입니다. 즉, 질서와 카오스의 그 아슬아슬한 경계선에서 가장 뛰어난 정보 처리와 창의성이 발현된다는 거죠.
건강한 심장은 ‘불규칙하게’ 뛴다: HRV 분석
질문 하나. 건강한 심장 박동은 시계처럼 아주 규칙적일까요?
놀랍게도, 정답은 ‘아니오’입니다. 건강한 사람의 심장은, 완벽하게 규칙적인 게 아니라 미세하게, 하지만 아주 복잡하게 불규칙적으로 뜁니다. 이걸 **‘심박 변이도(Heart Rate Variability, HRV)’**라고 합니다.
임상 연구 결과, 오히려 이 복잡성(프랙탈 특성)이 떨어지고 심장 박동이 너무 단조롭고 규칙적으로 변하면, 그게 바로 몸에 병이 생겼다는 위험 신호일 수 있다는 게 밝혀졌습니다. 특정 심장 질환 환자들의 사망률을 예측하는 데 이 HRV의 카오스 분석이 강력한 지표로 쓰입니다. 어쩌면 카오스는, 무질서가 아니라 **‘건강한 생명력’**의 또 다른 이름일지도 모르겠네요.
카오스를 이용하는 기술: 암호와 로봇
공학자들은 이 카오스를 이용하기도 했습니다.
- 암호학: 초기 조건 민감성(나비 효과)은 완벽한 난수 생성기처럼 보였습니다. 하지만 디지털컴퓨터의 유한한 정밀도 때문에 결국엔 패턴이 반복되는 ‘주기’가 생겨버려 암호로는 치명적인 약점이 됐죠.
- 로봇 공학: 미지의 영역을 탐사하는 로봇의 이동 경로를 짤 때 카오스 시스템을 이용합니다. 로봇의 경로는 예측 불가능하면서도, 특정 영역을 골고루 지나다니게(기묘한 끌개) 만들 수 있습니다. 그냥 ‘랜덤 워크’보다 훨씬 효율적이면서도 예측은 어렵게 만드는 똑똑한 방법이죠.
결론: 예측 불가능한 질서, 세상을 보는 새로운 눈
이 긴 이야기를 종합해보면, 카오스 이론이 우리에게 준 가장 큰 선물은 ‘세상을 보는 새로운 눈’입니다.
우리는 그동안 ‘규칙이 있다 = 예측할 수 있다’고 굳게 믿어왔습니다. 하지만 카오스 이론은 그 완고했던 믿음을 깨뜨렸습니다.
“결정되어 있지만, 예측할 수는 없다.”
이 심오한 역설을 통해 우리는 비로소 겉보기엔 무작위하고 복잡해 보였던 자연 현상들(날씨, 생명, 시장) 뒤에 숨겨진 ‘예측 불가능한 질서’를 이해하기 시작했습니다.
기상 예보의 근본적인 한계를 설정하는 것에서부터, 금융 시장의 전통 이론에 도전하고, 우리 몸의 건강 상태를 진단하는 새로운 도구를 제공하기까지, 카오스 이론의 영향력은 실로 어마어마합니다.
그리고 이 여정은 끝나지 않았습니다. 이제 카오스 이론은 그래프캐스트나 PINNs 같은 강력한 **인공지능(AI)**이라는 도구와 만나고 있습니다. 복잡한 카오스 시스템을 예전에는 상상도 못 했던 방식으로 분석하고, 어쩌면… 어느 정도 제어할 수 있을지도 모른다는 희망까지 보입니다.
결정론적 법칙 속에 숨어있는 이 예측 불가능한 질서를 이해하려는 인류의 탐구는, 앞으로 또 어떤 새로운 이야기를 우리에게 들려줄까요?
참고자료
- Horseshoe map (Wikipedia, Stephen Smale)
- Smale’s Horseshoe Map - A Core Example in Chaos Theory (YouTube, J. Bramburger)
- Feigenbaum constants (Wikipedia, Mitchell J. Feigenbaum)
- Feigenbaum function (Wikipedia, Mitchell J. Feigenbaum, Predrag Cvitanović)
- Mandelbrot set (Wikipedia, Adrien Douady, John H. Hubbard, Benoît Mandelbrot, Jeremy Kahn)
- Fractal (Wikipedia, Benoît Mandelbrot, Pierre Fatou, Gaston Julia)
- How Chaos Theory Works (HowStuffWorks, Benoît Mandelbrot)
- Part V Ensemble prediction system (ECMWF)
- The breeding method (ECMWF, Zoltan Toth, Eugenia Kalnay)
- Comparison between Singular Vectors and Breeding Vectors as Initial Perturbations for the ECMWF Ensemble Prediction System (ResearchGate, S. Yang et al.)
- A Multimetric Analysis of GraphCast and Integrated Forecasting System Precipitation Forecasts over the Contiguous United States (American Meteorological Society Journals, Various Authors)
- GenCast: a generative AI model for ensemble weather forecasting (arXiv, Various Authors)
- A Comparative Analysis of Hurricane Track Forecasting: AI-Based Graphcast-Operational Versus Physics-Based HWRFx Models (arXiv, Various Authors)
- Fractal Market Analysis: Applying Chaos Theory to Investment and Economics (Edgar E. Peters)
- Chaos Theory, Financial Crises and Speculative Bubbles: A Systematic Literature Review (DergiPark, Various Authors)
- Chaos Theory in Finance (ResearchGate, Various Authors)
- The Great Recession and Its Aftermath (Federal Reserve History)
- Exploring market efficiency in cryptocurrencies: Fourier analysis of non-linear dynamics and breaks (ResearchGate, Öztürk)
- The Volume–Return Relationship in Cryptocurrency Markets: A Copula-Based Analysis (MDPI, Various Authors)
- Distinguishing chaos from noise: A new approach (ResearchGate, Various Authors)
- Chaos Theory and Financial Markets (QuantNet Community, Various Users)
- Does Chaos Matter in Financial Time Series Analysis? (Econjournals, M. Faggini et al.)
- Creative cognition and systems biology on the edge of chaos (Frontiers in Psychology, Robert M. Bilder, Kendra S. Knudsen)
- The role of chaos in biological information processing and its links to quantum-cognition (Opera Medica et Physiologica, John S. Nicolis, I. Tsuda)
- Information Processing in Echo State Networks at the Edge of Chaos (J. Boedecker et al.)
- Evaluation of non-linear indices of Heart Rate Variability as predictors of all-cause mortality in patients with Sarcoidosis (PMC, Various Authors)
- Multi-Scale Multi-Fractal Detrended Fluctuation Analysis of Heart Rate Variability in Healthy Subjects (Frontiers in Physiology, Various Authors)
- A Pseudorandom Number Generator Based on the Logistic Map (Marquette University e-Publications, Various Authors)
- Pseudo-Random Number Generator Based on Logistic Chaotic System (ResearchGate, Various Authors)
- Chaotic Path Planning for Mobile Robots Based on the Chen System (World Scientific, Various Authors)
- Feigenbaum Constants and Universal Behavior (Fiveable)
- Physics-Informed Neural Networks for Modeling Biological and Epidemiological Dynamical Systems (MDPI, Various Authors)
- GraphCast: AI model for faster and more accurate global weather forecasting (Google DeepMind Blog, Remi Lam)
- What if AI could save lives? A paradigm shift in weather forecasting (Climate Foresight, Remi Lam)
- The quiet revolution of deep learning in weather forecasting (YouTube, Peter Dueben)
- Google Reveals New A.I. Model That Predicts Weather Better Than the Best Traditional Forecasts (Smithsonian Magazine, Margherita Bassi)
- The future of weather forecasting: AI meets climate science (CMCC, Remi Lam)
- Generative AI to quantify uncertainty in weather forecasting (Google Research Blog, Lizao Li, Rob Carver)
- Chaotic Characteristics and Prediction of WTI Crude Oil Prices (MDPI, Various Authors)
- Lyapunov Exponents as Indicators of the Stock Market Crashes (CEUR Workshop Proceedings, Various Authors)
- Application of the moving Lyapunov exponent to the S&P 500 index to predict major declines (Risk.net, Stefanos Tsakonas et al.)
4Storage. Using Lyapunov’s method for analysing of chaotic behaviour on financial time series data: a case study on Tehran stock exchange (ResearchGate, Various Authors) - Application of Chaos Theory in the Financial Markets (AIMS Press, Various Authors)
- A STUDY OF CHAOS THEORY IN CRYPTOCURRENCY MARKETS (ResearchGate / International Journal of Advanced Research, Various Authors)
- Chaos in the Cryptocurrency Market (MDPI, Various Authors)
- A time series analysis for the cryptocurrency market (PMC, Various Authors)
- Analysis of Chaos and Self-Similarity in Bitcoin Dynamics for Predictability (D-NB, Various Authors)
- Bitcoin blockchain interoperability: an investigation of arbitrage returns (Frontiers in Blockchain, Various Authors)
- Structural Breaks in Time Series (ResearchGate, Various Authors)
- Distinguishing between Chaotic and Stochastic Systems in Financial Time Series (ResearchGate / World Scientific, Various Authors)
- A novel method to distinguish chaotic from stochastic time series (PMC, Various Authors)
- Detection of change points in chaotic and non-stationary time series: modern challenges and solutions (AIMS Press, Various Authors)
- Chaotic Motion Planning for Mobile Robots: Progress, Challenges, and Opportunities (ResearchGate, Various Authors)
- A chaotic path planning algorithm for terrain coverage by a mobile robot (Pergamos - University of Athens, Various Authors)
- Applications of Chaotic Dynamics in Robotics (ResearchGate, Various Authors)
- Path Planning of Industrial Robots: A Review (PMC, Various Authors)
- Novel Fractional-Order Chaotic System Applied to Mobile Robot Path Planning and Chaotic Path Synchronization (MDPI, Various Authors)
- Training physics-informed neural networks to solve differential equations over large domains (arXiv, Various Authors)
- Taylor-Model Physics-Informed Neural Networks for Forward and Inverse Problems in Parametric ODEs (arXiv, Various Authors)
- Physics-Informed Neural Networks (PINNs): A comprehensive review of their theory, applications, and remaining challenges (arXiv, Various Authors)
- Many-Parameter Physics-Informed Neural Networks (arXiv, Various Authors)
- A Comparative Analysis of Physics-aided Machine Learning Models for Lorenz System of ODEs (arXiv, Various Authors)
- 물리 정보 신경망(PINNs)을 이용한 생물학 및 역학 동적 시스템 모델링 (MDPI, 다수 저자)
- 파이겐바움 상수 (Wikipedia, 미첼 J. 파이겐바움)
- 카오스 이론의 작동 원리 (HowStuffWorks, 브누아 망델브로)
- ECMWF 앙상블 예측 시스템을 위한 초기 섭동으로서의 특이 벡터와 브리딩 벡터 비교 (ResearchGate, S. Yang 외)
- 그래프캐스트(GraphCast): 더 빠르고 정확한 전지구 기상 예보를 위한 AI 모델 (arXiv, 다수 저자)
- 프랙탈 시장 분석: 투자와 경제에 카오스 이론 적용하기 (Books-A-Million, 에드거 E. 피터스)
- 카오스 이론, 금융 위기 및 투기 거품: 체계적 문헌 검토 (DergiPark, 다수 저자)
- 암호화폐 시장의 효율성 탐구: 비선형 동역학 및 단절의 푸리에 분석 (ResearchGate, Öztürk)
- 카오스와 잡음 구별: 새로운 접근법 (ResearchGate, 다수 저자)
- 카오스의 가장자리에서의 창의적 인지와 시스템 생물학 (Frontiers in Psychology, 로버트 M. 빌더, 켄드라 S. 누드슨)
- 사르코이도증 환자의 모든 원인에 의한 사망률 예측인자로서의 심박 변이도 비선형 지수 평가 (PMC, 다수 저자)
- 로지스틱 맵 기반 의사난수생성기 (Marquette University e-Publications, 다수 저자)
- 첸 시스템 기반 이동 로봇의 카오스적 경로 계획 (World Scientific, 다수 저자)
- S&P 500 지수의 주요 하락 예측을 위한 이동 랴푸노프 지수 적용 (Risk.net, 스테파노스 차코나스 외)
7Ai. 암호화폐 시장에서의 카오스 이론 연구 (ResearchGate, 다수 저자) - 금융 시계열 분석에서 카오스는 중요한가? (Econjournals, M. 파기니 외)
- 이동 로봇을 위한 카오스적 운동 계획: 진전, 도전과 기회 (ResearchGate, 다수 저자)
- 물리 정보 신경망(PINNs): 이론, 응용 및 남은 과제에 대한 포괄적 검토 (arXiv, 다수 저자)
- Modeling chaotic Lorenz ODE System (arXiv)
- (PDF) Using Lyapunov’s method for analysing of chaotic behaviour on financial time series data: a case study on Tehran stock exchange (ResearchGate)
- Using Lyapunov’s method for analysing of chaotic behaviour on financial time series data (AIMS Press)
- (PDF) Applications of Chaotic Dynamics in Robotics (ResearchGate)
- Horseshoe Chaos - Dynamical Systems Extra Credit | Lecture 11 (YouTube)
- fiveable.me (Fiveable)
- Enhancing Near Real Time AI-NWP Hurricane Forecasts: Improving Explainability and Performance Through Physics-Based Models and Land Surface Feedback (arXiv)
- A Comparison of AI Weather Prediction and Numerical Weather Prediction Models for 1–7-Day Precipitation Forecasts in (AMS Journals)
- GenCast: Diffusion-based ensemble forecasting for medium-range weather (arXiv)
- Using Physics-Informed Neural Networks for Modeling Biological … (MDPI)
- Physics-Informed Neural Networks with Dynamical Boundary Constraints (arXiv)
- HyperPINN: Learning parameterized differential equations with physics-informed hypernetworks (arXiv)
- Taylor-Model Physics-Informed Neural Networks (PINNs) for Ordinary Differential Equations (arXiv)
- Physics-Informed Neural Networks and Extensions (arXiv)
- (PDF) Exploring market efficiency in cryptocurrencies: Fourier analysis of non-linear dynamics and breaks (ResearchGate)
- Fractal Market Analysis by Edgar E. Peters (Books-A-Million / Barnes & Noble)
- (PDF) A STUDY OF CHAOS THEORY IN CRYPTOCURRENCY … (ResearchGate)
- Fractional and fractal processes applied to cryptocurrencies price series (PMC)
- Chaos in Bitcoin Cryptocurrency Metrics: Analysis and Forecasts (D-NB)
- Exploring bitcoin cross-blockchain interoperability: estimation through Hurst exponent (Frontiers)
- Seeking a Chaotic Order in the Cryptocurrency Market (MDPI)