1. はじめに：黄金比は「美しい比」だから現れるのか？
まずは、黄金比について考えてみましょう。なぜ数値最適化に黄金比が現れるのでしょうか？フラクタルでも幾何学でもない「評価を再利用する」という原理を考えてみましょう。
黄金比
\varphi = \frac{1+\sqrt{5}}{2} \approx 1.618
あるいは
\rho = \frac{1}{\varphi} = \frac{\sqrt{5}-1}{2} \approx 0.618
は、
- フラクタル
- 正五角形
- フィボナッチ数列
- パルテノン神殿
- 貝殻や植物の配置
といった 幾何学的・美学的文脈で語られることが多い。
しかし数値計算の世界では、黄金比は全く別の顔で現れる。
黄金比は「美しいから選ばれた」のではない。
"最小のコストで確実に情報を更新する"という要請から、
数学的に一意に決まる。
この事実は、意外と忘れられてるかもしれません。
2. 舞台設定：導関数が使えない最小化問題
考えるのは極めて素朴な問題である。
区間 $[a,b]$ 上の関数 $f(x)$ の最小値を知りたい。
ただし、
- 導関数は使えない
- 関数の形は分からない
- 評価は「値を計算する」ことしかできない
これは、現実の多くの問題に一致する：
- シミュレーション結果
- 尤度関数
- 実験データからの評価
- 外部コードの出力
3. 「二分法でいいのでは？」という自然な疑問
区間探索と聞くと、多くの人はこう思う：
「真ん中で割ればいいのでは？」
二分法（bisection）は確かに美しい。
しかし、それは「根探し」のための方法である。
最小化では、中央の値 $f(m)$ を知っても、
- 最小が左か右か
- どちらを捨ててよいか
が 論理的に決まらない。
つまり、最小化には 2点の比較が本質的に必要である。
4. 本質的な制約：評価は高価である
ここで重要な制約がある。
関数評価は高価である
- シミュレーションは数秒〜数時間
- 尤度計算は巨大データ
- 実験なら再測定は困難
つまり、「何回評価するか」こそがコスト という状況設定である。
5. 問いの再定式化：何が最適なのか？
ここで問いを正確に言い直す。
区間を確実に縮めながら
すでに計算した評価を最大限再利用し
新しい評価を最小回数に抑える方法は何か？
この問いに対する答えが 黄金分割探索である。
6. 自己相似性という要求
区間 $[a,b]$ に2点を置く：
$$ x_1 = b - \rho(b-a), \qquad x_2 = a + \rho(b-a) \tag{1}$$
この2点の値を比べることで、区間は必ず縮む。
ここで 重要な要求は次である：
次の区間でも、すでに評価した点を
そのまま内部点として使いたい
これが「自己相似性」の要求である。
7. 黄金比は“要求”から一意に決まる
A.9.4.2 自己相似条件の定式化
式(1)の設定で、仮に $f(x_1) > f(x_2)$ であった場合、新区間は
[a',b'] = [x_1,b]
となる。新区間 $[x_1,b]$ において、
- 古い点 $x_2$ が
- 新しい内部点の一つとして そのまま使える
ことを要求してみます。この条件は次の方程式を与える：
\frac{b-x_2}{b-x_1} = \rho
この式は、$|b-x_2|$ という新しい距離が、$|{b-x_1}|$という区間距離の$\rho$倍だけ縮んだ距離に等しい、と置いただけです。
これに式(1)を代入すると、$x_1$と$x_2$が消えて、$\rho$、$a$、$b$だけの式になり、
\rho^2 + \rho - 1 = 0
が現れる。その正の解はただ一つ：
\boxed{
\rho = \frac{\sqrt{5}-1}{2}
}
得られる(２次方程式の解の公式を使い、正の方だけ採用)。これが 黄金比である。
つまり、黄金比は再利用性の条件を満たす唯一の解である。
8. 何が「最適」なのか？
黄金分割探索の本質的な最適性はここにある：
- 区間は必ず縮む（安全）
- 1反復あたりの新規評価は 1回
- 評価済みの点は最大限再利用される
これは、
「最悪の場合の評価回数を最小にする」
という意味で最適である。
9. Brent 法はこの原理を“安全装置”として使う
有名な Brent 法では、
- 局所的に滑らか → 放物線補間（高速）
- 危険なら → 黄金分割探索（安全）
という切り替えが行われる。
つまり黄金分割探索は、
「何が起きても壊れない最後の砦」
として組み込まれている。
Brent 法の詳細については下記を参照ください。
10. 幾何学の黄金比と、最適化の黄金比は同一か？
見た目は同じ数だが、意味は違う。
| 文脈 | 黄金比の意味 |
|---|---|
| 幾何学 | 自己相似な形 |
| フラクタル | スケール不変性 |
| 最適化 | 情報再利用の最適性 |
しかし本質は、自己相似性が、最適性を生む、という点で共通している。
11. おわりに：黄金比は「自然が選んだ」のではない
黄金比は、
- 神秘的だから
- 美しいから
- 自然に現れるから
使われているのではない。
「情報を無駄にしない」「最悪の場合でも破綻しない」
という要求から、数学的に導かれる数
である。
黄金比は単なる装飾的な数ではなく、思考の最適性が生んだ数 としても見えてくるでしょう。
黄金比や最適化から宇宙へ
さて、黄金比の話は一例で、ここからが本当に伝えたいことになります。
自己相似形はなぜ宇宙や自然に“自発的に”現れるのか
黄金比やフラクタル、自己相似形は、人間が意図的に設計したものだけではない。
それらは、
- 宇宙の大規模構造
- 銀河の分布
- 雲や海岸線
- 植物の枝分かれ
- 血管や肺の構造
といった 自然現象の中に、驚くほど頻繁に現れる。
ではなぜ、自然はわざわざ「同じ形を繰り返す」のだろうか。
自己相似は「デザイン(設計)」ではなく「結果」である
自然は「自己相似な形を作ろう」としているわけではない。
ある条件のもとで系が自由に振る舞った結果として、必然的に現れる、
と考えることができるでしょう。
スケールを決めない系では、スケール不変な形が残りやすい
多くの自然現象には、次の特徴がある。
- 明確な長さスケールがない
- 境界条件がゆるい
- 局所ルールだけで成長する
このような系では、
「どの大きさが特別か」を決める理由が存在しない。
その結果、小さくしても、大きくしても
同じ統計的構造が繰り返される
つまり スケール不変性（scale invariance） が現れる。
自己相似形やフラクタルは、このスケール不変性の「幾何学的痕跡」とも言えるでしょう。
宇宙の大規模構造も「成長の履歴」でできている
宇宙の銀河分布は、一様でもランダムでもない。
- 小さな密度揺らぎが
- 重力によって増幅され
- さらに大きな構造を作る
この過程は、
「同じ物理法則を、異なるスケールで何度も適用する」
という反復過程である。
その結果、
- 銀河 → 銀河団 → 超銀河団
- フィラメント状のネットワーク
といった 階層的・自己相似的な構造が現れる、
と考えても良いでしょう。
宇宙はフラクタルを「設計」したのではない。
単純な法則を、長い時間、繰り返し適用したという、捉え方もできるでしょう。
(補足)専門家向け。非線形な時間発展など厳密に知りたい方は、ゼルドビッチ近似 や、
樽家先生の講義ノート「宇宙論特論 講義ノート 暗黒物質優勢宇宙における構造形成1」などを参照ください。
生物の形も「最適化の副産物」である
植物の枝分かれや葉の配置、血管や肺胞の構造も同様である。
これらはしばしば、
- 表面積を最大化したい
- 輸送効率を上げたい
- エネルギーコストを下げたい
といった 最適化問題の解として理解できる。
そして最適化問題では、
局所ルール × 再利用 × 自己相似
が自然に現れる。
これは、先ほど見た「黄金分割探索で評価点を再利用する」
という話とよく似ている。
自然は「情報を無駄にしない」
実は、最適化の話と自然現象は繋がっている。
- 数値最適化 → 評価結果を無駄にしない構造が黄金比を生む
- 自然界 → 成長や相互作用の履歴を無駄にしない構造が自己相似を生む
どちらも本質は同じである。
過去に得た情報（状態）を最大限に再利用する
その結果として、
- 自己相似
- フラクタル
- 黄金比
が「見えてくる」。
黄金比・フラクタルは“目的”ではない
黄金比やフラクタルは、
- 神秘的な目的でも
- 自然の意志でも
- 美的設計でもない
それらは、
制約の中で自由に振る舞った系が、
もっとも無駄の少ない形に落ち着いた痕跡
である。
簡単にまとめると、
- 自己相似形は「作られる」のではなく最適化の結果として「残る」もの
- スケールを決めない系では、スケール不変な構造が生き残りやすい
- 最適化・成長・情報再利用は、同じ数学的精神を共有している
- 黄金比は、その精神が生んだ最も単純な数の一つである
自然はアナログコンピューター？
ここからが第２の本題で、最先端の Coherent Ising Machine まで話を繋げてみます！
宇宙や自然は「アナログコンピューター」である
― 理解する対象から、活用する計算資源へ ―
ここまで見てきた自己相似形、フラクタル、黄金比の話には、
もう一つ、あまり語られないが重要な視点がある。
それは、
宇宙や自然そのものを「計算している存在」と見なす視点
である。
自然は「方程式を解いている」
物理法則は、しばしば微分方程式として書かれる。
- 重力 → ポアソン方程式
- 電磁場 → マクスウェル方程式
- 流体 → ナビエ–ストークス方程式
- 拡散 → 熱方程式
しかし現実の宇宙は、
これらの方程式を「紙の上で解いてから」振る舞っているわけではない。
宇宙は、存在するだけでそれらの方程式を“解いている”
と見ることができる。この意味で、
自然は巨大なアナログコンピューターである
という自然の捉え方もできるでしょう。
デジタル計算とアナログ計算の決定的な違い
現代の計算機は、ほぼ完全にデジタルである。
- 離散化
- 時間刻み
- 丸め誤差
- 安定性条件
これに対し、自然は：
- 連続量をそのまま扱い
- 無限に近い並列性を持ち
- 境界条件を“物理的に”満たす
つまり自然は、
「連続量の問題を、連続量のまま解く計算機」
である。これは、デジタル計算とは本質的に異なる。
自己相似・フラクタルは「計算の痕跡」
この視点に立つと、自己相似形やフラクタルは次のように見える。
- 同じ局所ルールが
- 異なるスケールで
- 繰り返し適用された結果
これはまさに、
反復計算の途中経過が、そのまま形として残ったもの
である。
数値最適化で黄金比が現れたのと同じように、
自然界でも「情報や状態を再利用する計算過程」が、
自己相似という形で可視化されている。
自然を「理解する」アナログコンピューター観
この立場では、自然は次のように捉えられる。
- 宇宙は初期条件を入力として
- 物理法則を計算規則として
- 現在の構造を出力する
巨大なアナログ計算機である。この視点は、
- 宇宙論における構造形成
- 臨界現象とスケール不変性
- 自己組織化現象
を 統一的に理解する枠組みを夢想させてくれます。
さらに一歩進む視点：自然を「使う」アナログコンピューター
しかし、ここで話は終わらない。近年、より積極的な立場が現れている。
自然を「理解する」だけでなく、
計算資源として「使おう」とする立場
である。
具体例：自然計算・物理計算
この発想はすでに工学に入り込んでいる。
- 光の干渉で最適化を行う 光計算
- 超伝導回路でエネルギー最小化を行う 量子アニーリング
- カオス系を使った リザバーコンピューティング
- イジング模型を物理的に実装する アナログ最適化回路 (Coherent Ising Machine など)
ここでは、特に紹介しておきたいのは、Coherent Ising Machine (CIM) です。CIM は量子ビットを用いないが、量子起源ノイズを含む光学的アナログダイナミクスによってイジング最適化を行う“非量子的アニーリングマシン”です。詳細は下記の記事などを参照ください。
これらはすべて、
「自然に任せれば、最小化や探索は勝手に起こる」
という事実を利用している。
なぜ「アナログ」が再評価されているのか
理由は明確である。
- 問題が巨大化した
- 次元が高くなった
- デジタル計算の限界が見え始めた
一方、自然は：
- 超並列
- 低消費エネルギー
- ノイズ込みで安定
という特徴を持つ。
自己相似やフラクタルが
「ノイズや揺らぎ込みで成立する」構造も含むことも、
この点と関係している。
黄金比の話と、ここで再びつながる
最初に見た黄金分割探索の話を思い出そう。
- 評価を再利用する
- 無駄な計算をしない
- 最悪でも壊れない
これは、
自然が長い時間をかけて獲得してきた“計算の作法”
と驚くほどよく似ている。
柱状節理 ― 自然が「勝手に解いた」最適化問題
最後に、身近な例を一つだけ紹介してみます。
The Giant's Causeway is an area of interlocking basalt columns, the result of an ancient volcanic eruption, located in County Antrim on the northeast coast of Northern Ireland in United Kingdom. (wikimedia:File:Giant's Causeway 2006 08.jpg)
柱状節理とは何か？
柱状節理（columnar jointing） とは、溶岩（主に玄武岩）が冷却・収縮する過程で、
- ほぼ正六角形の柱が
- 面内にびっしり敷き詰められ
- 垂直方向に伸びる
という、極めて規則的な構造が自然に形成される現象である。
有名な例としては、
- アイルランドの Giant’s Causeway (上の写真)
- 米国の Devils Postpile
- 日本各地の玄武岩露頭
などがある。
なぜ六角形になるのか
柱状節理の本質は次の一点にある。
冷却による収縮応力を、
面内で最も均等に分配できる割れ方が六角形だった
つまりこれは、
- 原子が六角形を“好んだ”わけでも
- 自然が“美を追求した”わけでもない
力学的制約のもとで、エネルギー（ひずみ）を最小化した結果である。
アナログコンピューターとのアナロジー
この現象を 計算の視点で見ると、
- 入力：温度勾配・冷却条件・物性値
- 制約：連続体力学・収縮
- 目的：ひずみエネルギーの最小化
そして結果として、
最適な割れパターンが、岩石そのものによって“計算された”
と解釈できる。これはまさに、
自然がアナログコンピューターとして最適化問題を解いた例
である。まとめるなら、
柱状節理は、地球が長い時間をかけて実行した“エネルギー最小化アルゴリズムの出力”
である。
最後に
黄金比、フラクタル、アナログ最適化回路、Coherent Ising Machine、柱状節理など、一見すると全く異なるものでも、
- 黄金比は、美しさの象徴ではなく無駄のなさの象徴である。
- 自己相似形は、神秘ではなく計算の痕跡である。
- 宇宙や自然は、何億年もかけて動く計算機でもある。
最後まで読んだ方には、数値最適化アルゴリズムという無機質な存在が、宇宙や生命や植物の多様性と同じように愛着を持つべき対象に感じてくるはずです！
関連記事