나비 효과

계산물리 물리 시뮬레이션 마지막 수정: 2026-08-15 04:13:27

1. 개요[편집]

나비가 토네이도를 일으킨다는 이야기가 아니다. 나비를 빼먹은 계산을 믿을 수 없다는 이야기다.

나비 효과(butterfly effect)는 결정론적 비선형계에서 초기조건의 임의로 작은 차이가 시간에 대해 지수적으로 증폭되어, 유한한 정밀도의 관측·연산으로는 장기 예측이 불가능해지는 성질 — 정식 명칭으로는 초기조건에의 민감한 의존성(sensitive dependence on initial conditions) — 을 가리키는 대중적 이름이다. 카오스 이론이 카오스를 정의하는 세 조건 중 첫 번째가 정확히 이것이고, 나머지 이야기는 전부 이 한 줄의 따름정리에 가깝다.

시뮬레이션 하는 사람에게 나비 효과는 철학이 아니라 예산 문제다. 초기장을 더 잘 재려면 관측망에 돈이 들고, 관측을 더 잘 반영하려면 자료동화에 계산이 들고, 그 결과로 늘어나는 예보 기간은 로그로만 는다. 이 문서는 그 로그가 얼마나 잔인한지, 그리고 그 로그조차 낙관적이었다는 1969년의 결과가 무엇인지를 다룬다.

2. 이름의 내력 — 갈매기에서 나비까지[편집]

1961년 겨울, MIT의 에드워드 로렌츠는 Royal McBee LGP-30 위에서 12변수 대류·기상 모형을 돌리고 있었다. 계산을 중간부터 다시 이어 붙이려고 출력지에 인쇄된 값을 손으로 타이핑했는데, 내부 정밀도는 소수 여섯 자리이고 출력은 세 자리였다. 0.506127 대신 0.506을 넣은 것이다. 두 계산은 한동안 붙어 있다가 모형 시간 몇 달 뒤에는 완전히 다른 날씨가 되어 있었다.¹ 이 사고가 1963년 논문 Deterministic Nonperiodic Flow와 로렌츠 방정식으로 이어진다.

이름은 좀 더 굴곡이 있다.

갈매기가 먼저였다. 로렌츠는 1963년에 쓴 예측가능성 관련 글에서 “이 이론이 옳다면 갈매기의 날갯짓 한 번이 날씨의 경로를 영원히 바꾸기에 충분하다”는 어느 기상학자의 말을 인용한다. 나비는 아직 등장하지 않았다.
1972년의 그 제목은 로렌츠가 붙인 것이 아니다. 1972년 12월 워싱턴 D.C.에서 열린 AAAS 연차총회에서 발표된 강연 제목 “Predictability: Does the Flap of a Butterfly’s Wings in Brazil Set Off a Tornado in Texas?”는, 로렌츠가 제목을 제때 보내지 않자 세션을 조직한 필립 메릴리스(Philip Merilees)가 대신 붙인 것이다. 로렌츠 본인이 훗날 저서 부록에서 이 경위를 밝혔다.²
끌개 모양과는 무관하다. 로렌츠 방정식의 끌개가 나비 날개처럼 생긴 것은 사실이지만, 이름이 거기서 왔다는 설명은 나중에 붙은 그럴듯한 해석이다.³

3. 지수 성장과 예측 가능 시간[편집]

민감성을 정량화하는 도구가 랴푸노프 지수 $\lambda$ 다. 초기 오차 $\delta_0$ 가 선형 성장 구간에서

\delta(t) \approx \delta_0\, e^{\lambda t}

로 자란다고 보면, 오차가 허용치 $\Delta_{\mathrm{tol}}$ 에 닿는 시각이 예측 가능 시간이다.

T \approx \frac{1}{\lambda}\,\ln\!\frac{\Delta_{\mathrm{tol}}}{\delta_0}

여기서 뽑아야 할 결론은 공식 자체가 아니라 미분이다.

\frac{\partial T}{\partial (\ln \delta_0^{-1})} = \frac{1}{\lambda}

즉 초기 정밀도를 $e$ 배 올릴 때마다 예보 기간은 정확히 $1/\lambda$ 만큼만 늘어난다. 정밀도 10배는 $\ln 10/\lambda \approx 2.30/\lambda$ 다. 계산 자원을 두 배 태워서 얻는 것이 며칠이 아니라 몇 시간인 상황이 흔하고, 이것이 수치기상예보의 근본 제약이다.

숫자를 넣어 보자. 대기의 종관 규모 오차 배증 시간(doubling time)은 고전적으로 1.5~2일 정도로 추정돼 왔다. 배증 시간 1.5일이면 $\lambda = \ln 2/1.5 \approx 0.46\ \mathrm{day^{-1}}$ 이고, 관측 오차를 한 자릿수(10배) 줄여도 예보 기간은 약 5일 늘 뿐이다. 관측망 예산 회의에서 “그래서 위성 몇 기면 며칠 벌 수 있습니까”라는 질문에 이 로그가 답을 준다.

4. 진짜 나쁜 소식 — 초기오차를 0으로 보내도 벽이 있다[편집]

위의 논리를 그대로 밀면 이상한 결론이 나온다. $\delta_0 \to 0$ 이면 $T \to \infty$ 다. 정밀도만 무한히 올리면 원리적으로는 무한히 예보할 수 있다는 뜻이 되는데, 로렌츠 본인이 1969년에 이걸 부정했다.

핵심은 대기가 하나의 $\lambda$ 로 요약되지 않는다는 것이다. 대기에는 행성 규모부터 콜모고로프 스케일까지 연속적인 규모 스펙트럼이 있고, 작은 규모일수록 회전 시간(eddy turnover time)이 짧아 오차 성장률이 크다. 콜모고로프-오브호프 형태의 에너지 스펙트럼( $E(k)\sim k^{-5/3}$ ) 아래에서 각 규모의 오차 포화 시간을 규모에 따라 합산하면, 그 합이 수렴한다. 결과적으로

아무리 작은 규모의 오차라도 유한한 시간 안에 큰 규모까지 올라오고,
초기 오차를 0으로 보내도 예측 가능 시간은 발산하지 않고 유한한 상한에 붙는다.

이 상한이 중위도 날씨에서 흔히 인용되는 “2주”다. 최근 완전관측 쌍둥이 실험을 이용한 재추정도 대략 2주 안팎을 지지하며, 현업 예보의 실질 한계(10일 부근)와의 차이가 아직 남아 있는 개선 여지에 해당한다는 것이 통상적인 해석이다. 이 구분 — 규모 무관 $\lambda$ 가 주는 로그적 한계와, 규모 의존 성장이 주는 유한한 한계 — 이 나비 효과 논의에서 가장 자주 뭉개지는 지점이다.⁴

여기에는 실용적 함의가 붙는다. 오차가 작은 규모에서 시작해 위로 올라온다면, 격자를 더 촘촘하게 깔아 대류 규모를 명시적으로 푸는 것이 예보를 개선하는 동시에 새로운 오차 성장 채널을 여는 일이 된다. 대류를 격자로 못 푸는 모형에서 확률적 파라미터화가 필수가 되는 이유도 여기 있다 — 미포함 규모의 불확실성을 결정론적 평균으로 뭉개면 앙상블이 자기 오차를 과소평가한다.

5. 오차 성장 곡선을 실제로 재는 법[편집]

$\lambda$ 를 말로만 논하지 않으려면 재야 한다. 표준 절차가 쌍둥이 실험(twin experiment, 또는 identical-twin experiment)이다.

같은 모형으로 궤적 하나를 돌려 그것을 “진짜 대기”로 선언한다.
초기장에 관측 오차 크기의 작은 섭동을 넣어 두 번째 궤적을 돌린다.
두 궤적의 거리 $\delta(t)$ 를 시간에 대해 그린다. 여러 초기 시각에 대해 반복해 평균한다.

이 곡선은 지수함수가 아니다. 지수 구간은 앞부분뿐이고, $\delta$ 가 기후 변동성 규모에 가까워지면 포화한다. 로렌츠가 쓴 대표적 맞춤 모형이 로지스틱형

\frac{d\delta}{dt} = \lambda\,\delta\left(1 - \frac{\delta}{\delta_{\mathrm{sat}}}\right)

이다. 여기서 $\delta_{\mathrm{sat}}$ 는 무작위로 뽑은 서로 무관한 두 상태 사이의 거리, 즉 “아무 정보도 없을 때의 오차”다. 예보 스킬이 이 수준에 닿는 순간 그 예보는 기후값(climatology)을 그냥 내놓는 것과 구별되지 않는다. 실무 예보 검증에서 “이 모형의 유용한 리드 타임”이라고 부르는 값은 대개 $\delta$ 가 $\delta_{\mathrm{sat}}$ 의 일정 비율(예컨대 절반)에 닿는 시각으로 정의된다.

주의할 함정도 있다. 쌍둥이 실험은 모형이 완벽하다고 가정한다. 실제 예보 오차에는 초기조건 오차뿐 아니라 모형 오차가 섞이므로, 쌍둥이 실험으로 잰 $\lambda$ 는 현업 예보의 오차 성장률보다 낙관적으로 나온다. 그래서 완전 모형 가정 아래의 “내재적 예측가능성”과 현업의 “실질 예측가능성”을 구분해 부르며, 둘 사이의 간격이 곧 모형 개선의 여지다.

6. 예측가능성은 날마다 다르다[편집]

$\lambda$ 는 끌개 전체에 대한 장시간 평균이다. 실제 예보에서 중요한 것은 오늘 이 상태에서 앞으로 며칠 동안 오차가 얼마나 빨리 자라느냐이고, 이건 상태에 따라 크게 다르다. 이를 재는 양이 유한시간 리아푸노프 지수(finite-time Lyapunov exponent, FTLE)다.

\lambda_\tau(x_0) = \frac{1}{\tau}\,\ln \frac{\lVert \delta(\tau)\rVert}{\lVert \delta_0 \rVert} = \frac{1}{2\tau}\,\ln \sigma_{\max}\!\left( M^{\mathsf T}M \right), \qquad M = \frac{\partial \phi_\tau}{\partial x}(x_0)

$\tau \to \infty$ 에서 최대 랴푸노프 지수로 수렴하지만, 유한 $\tau$ 에서는 초기점 $x_0$ 에 따라 분포를 이룬다. 로렌츠계에서는 궤적이 한쪽 날개에서 다른 쪽으로 넘어가기 직전 구간의 FTLE가 특히 크고, 반대로 날개 안쪽을 돌 때는 상당히 얌전하다. 대기에서도 마찬가지라, “이번 주는 예보가 잘 맞는 주”와 “무엇을 해도 안 맞는 주”가 실제로 구분된다.

전개 방향의 정보는 야코비 $M$ 의 특이값 분해에 다 들어 있고, 최대 특이벡터가 그 기간 동안 가장 빨리 자라는 초기 섭동 방향이다. 유럽중기예보센터가 앙상블 초기 섭동을 만들 때 쓰는 특이벡터법이 정확히 이 계산이며, 자세한 것은 앙상블 예보 문서에 있다. 궤적 위의 FTLE 지도를 그리면 푸앵카레 단면 위에서 성장률이 자기유사적으로 얼룩진 구조가 보이는데, 이 얼룩의 스케일링을 재는 언어가 다중프랙탈 형식론이다.

7. 그래서 공학은 앙상블로 답한다[편집]

나비 효과는 “예측을 포기하라”는 결론이 아니라 **“결정론적 단일 궤적을 포기하라”**는 결론이다. 하나의 초기장에서 하나의 궤적을 뽑는 대신, 관측 오차와 모형 오차를 반영한 초기장 다발을 만들어 전부 적분하고 결과를 확률분포로 읽는다. 이것이 앙상블 예보이고, 논리는 이렇게 정리된다.

나비 효과가 말하는 것	공학적 대응
초기 오차가 지수로 자란다	초기 섭동 앙상블 + 자료동화로 주기적 리셋
성장 방향이 특정 방향에 몰린다	특이벡터·번식 벡터로 그 방향만 골라 섭동
성장률이 상태마다 다르다	앙상블 스프레드 자체를 신뢰도 지표로 사용
미포함 소규모가 오차원이다	확률적 파라미터화, 다중 모형 앙상블

즉 카오스를 이기는 것이 아니라, 계속 얻어맞으면서 얼마나 얻어맞을지를 미리 재는 것이 현대 예보의 전략이다.

8. 오해 정리[편집]

혼돈 = 무작위, 아니다. 카오스계는 100% 결정론적이다. 완전히 같은 초기값과 완전히 같은 산술을 주면 몇 번을 돌려도 비트 단위로 같은 궤적이 나온다.⁵ 무작위성이 아니라 정보의 지수적 손실이 본질이다. 실제로 관측 시계열만 놓고 카오스와 잡음을 구분하는 것은 지연 좌표 매입 후 상관차원·랴푸노프 지수 추정으로 하는 별도의 작업이며, 유한한 데이터에서는 만만치 않다.
“작은 원인이 큰 결과를 낳는다”는 표현은 절반만 맞다. 나비 효과는 특정 나비를 특정 토네이도의 원인으로 지목할 수 있다는 주장이 전혀 아니다. 오히려 정반대로, 충분한 시간이 지나면 어떤 개별 섭동도 결과와의 인과 사슬을 추적할 수 없게 된다는 주장이다. 나비를 없애면 그 토네이도가 사라지는 게 아니라 통계적으로 같은 다른 날씨가 나온다.
불안정성과 다르다. 선형 불안정계도 오차를 지수로 키우지만 결국 발산하거나 새로운 상태로 정착한다. 카오스는 끌개 위에 갇힌 채로 영원히 오차를 키우고 접는다 — 늘이기(stretching)와 접기(folding)의 반복이 유계성과 지수 성장을 동시에 성립시킨다.
카오스가 있으면 수치해석이 무의미하다, 아니다. 개별 궤적은 못 믿어도 끌개의 통계량(평균, 분산, 차원, 스펙트럼)은 훨씬 강건하다. 기후 시뮬레이션이 날씨 예보와 다른 종류의 주장을 하는 이유가 이것이다. 검증 및 확인의 대상도 궤적 일치가 아니라 통계량 일치가 된다.

9. 어디서 또 만나는가[편집]

분자 시뮬레이션. 분자동역학 궤적의 최대 리아푸노프 지수는 피코초 단위로, 나노초만 지나도 초기 궤적 정보는 전부 사라진다. 그럼에도 MD가 쓸모 있는 것은 우리가 궤적이 아니라 앙상블 평균을 원하기 때문이다.
N체 문제. 태양계의 리아푸노프 시간은 500만~1000만 년 규모로 추정된다. 10억 년 뒤 지구 궤도의 개별 위상은 예측 불가지만, 궤도 안정성 여부는 통계적으로 논할 수 있다.
비선형 구조·유체 해석 일반. 난류 직접수치모사, 좌굴 후 거동, 접촉·마찰이 있는 다물체 해석은 모두 초기조건과 이산화 세부에 민감하다. 리포트에 “메시를 바꿨더니 결과가 달라졌다”고 적기 전에, 그것이 수렴 문제인지 민감의존성인지부터 구분해야 한다.
로지스틱 사상. 미지수 하나짜리 로지스틱 사상에서도 $r=4$ 에서 $\lambda = \ln 2$ 로 나비 효과가 그대로 나온다. 나비 효과에 복잡한 계가 필요하지 않다는 가장 짧은 반례다.

10. 관련 문서[편집]

로렌츠는 값을 입력하고 커피를 마시러 갔다 왔다고 회고한다. 인류 과학사에서 가장 수익률 높은 커피 브레이크. 참고로 이 사고가 “버그”가 아니라 “발견”이 된 것은 로렌츠가 프린터 고장이나 입력 실수로 넘기지 않고 왜 갈라지는지를 끝까지 팠기 때문이다. 대부분의 사람은 이 지점에서 그냥 다시 돌린다. ↩
로렌츠, The Essence of Chaos (1993)의 부록에 이 경위가 적혀 있다. 학회 제목을 안 보내면 좌장이 대신 지어준다는 교훈은 아직도 유효하니, 초록 마감을 지키자. ↩
시간 순서를 보면 이 설명은 성립하기 어렵다. 나비 제목은 1972년이고 로렌츠 끌개 그림은 그전부터 돌아다녔지만, 제목을 붙인 사람이 끌개 모양을 염두에 뒀다는 근거는 없다. 다만 “나비 모양 끌개”와 “브라질 나비”의 우연한 일치가 이 밈의 생존력을 크게 높인 것은 분명하다. ↩
대중 설명은 물론이고 논문 서론에서도 이 둘이 자주 섞인다. 로그 공식만 인용하면 “정밀도만 올리면 언젠가 한 달 예보도 된다”는 잘못된 낙관이 나오고, 2주 한계만 인용하면 “관측 개선은 소용없다”는 잘못된 비관이 나온다. 둘 다 틀렸다. ↩
여기서 “완전히 같은 산술”이 함정이다. 같은 소스코드라도 컴파일러 최적화 옵션, FMA 사용 여부, MPI 분할 개수에 따라 부동소수점 덧셈 순서가 바뀌고, 그 마지막 비트 차이가 나비 역할을 한다. 기후 모형이 비트 재현성(bit reproducibility)을 별도 요구사항으로 관리하는 이유다. 부동소수점 연산 문서 참고. ↩