전역 해밀턴 적분을 이용한 편차벡터 동시 적분과 혼돈 판별

초록

본 논문은 궤도와 편차벡터를 동시에 해밀턴식(symplectic)으로 적분하는 ‘전역 해밀턴 적분기’를 제안한다. 큰 시간 단계에서도 에너지 손실이 적고, CPU 시간이 짧아 정규와 혼돈 궤도를 효과적으로 구분한다. 헨온‑헤일스 모델과 제한된 삼체 문제에 적용해 성능을 검증하였다.

상세 분석

이 연구는 해밀턴 시스템에서 궤도와 편차벡터를 별도로가 아니라 하나의 통합된 프레임워크 안에서 해석학적으로 보존되는 구조를 유지하며 적분하는 방법을 제시한다. 전통적인 비대칭적분법은 시간 단계가 작아야 에너지 보존이 가능하지만, 전역 해밀턴 적분기는 시냅틱 구조(symplectic structure)를 보존함으로써 시간 단계가 커도 허용오차가 제한된다. 저자는 보통의 ‘SABA’ 혹은 ‘SBAB’와 같은 고차원 분할법을 변형하여, 기본 해밀턴 방정식과 편차벡터 방정식(선형화된 변분 방정식)을 동일한 연산자 분할에 포함시켰다. 이렇게 하면 편차벡터의 성장률을 정확히 추적할 수 있어, SALI(동시 정렬 지표)나 GALI(일반화된 정렬 지표)와 같은 혼돈 지표를 계산할 때 수치적 오차가 크게 감소한다. 실험에서는 헨온‑헤일스 포텐셜에서 기존 비대칭적분기 대비 5배 이상 큰 단계에서도 에너지 오차가 10⁻⁸ 이하로 유지되었으며, 제한된 삼체 문제에서는 0.01의 단계로도 정확한 카오스/정규 구분이 가능했다. 또한 CPU 시간은 전통적인 방법 대비 30% 정도 절감되었다. 이러한 결과는 전역 해밀턴 적분기가 장기 시뮬레이션에서 에너지 보존과 혼돈 판별 정확도를 동시에 만족시킬 수 있음을 보여준다.