Spotlight #59 – Nauki przyrodnicze i sztuka generatywna — sieci neuronowe, morfogeneza i powierzchnie minimalne

I. Sieć neuronowa LIF — kiedy neurony się synchronizują

Mózg zawiera około 86 miliardów neuronów, jednak neuronaukowcy często modelują pojedyncze komórki za pomocą zaledwie kilku liczb. Model Leaky Integrate-and-Fire (LIF, „przeciekająca integracja i wyzwalanie”) ujmuje istotną fizykę w jednym równaniu różniczkowym:

dV/dt = -(V - V_rest) / τ_m  +  R · I(t)

Tutaj V to napięcie błonowe, V_rest to potencjał spoczynkowy (zwykle −65 mV), τ_m to stała czasowa błony (5–20 ms), R to opór błony, a I(t) to całkowity synaptyczny prąd wejściowy. „Przeciekająca” część to pierwszy człon: pozostawione samo sobie napięcie błonowe dryfuje z powrotem do spoczynku wykładniczo, jak kondensator rozładowujący się przez rezystor — ponieważ dosłownie tym właśnie jest.

Gdy V przekracza próg V_thresh (około −50 mV), neuron generuje potencjał czynnościowy, po czym napięcie zostaje zresetowane do V_reset i utrzymywane tam przez krótki okres refrakcji τ_ref. Sam potencjał czynnościowy — ostry, milisekundowy impuls — nie jest modelowany wprost; dla kolejnych neuronów liczy się jedynie moment jego wystąpienia.

Równowaga pobudzenie/hamowanie i oscylacje

Sieci neuronów LIF wykazują bogate zachowanie zbiorowe, którego nie wykazuje żaden pojedynczy neuron z osobna. Kluczową zmienną jest stosunek wejść synaptycznych pobudzających (E) do hamujących (I). Gdy dominuje pobudzenie, sieć może wpaść w stan niekontrolowany, w którym niemal wszystkie neurony wyzwalają się niemal jednocześnie — wybuch populacyjny. Hamowanie temu zapobiega, odprowadzając nadmiar ładunku. Punkt równowagi generuje nieregularną, asynchroniczną aktywność, bardzo przypominającą zapisy korowe z mózgów przytomnych zwierząt.

Sprzężone populacje E–I w naturalny sposób generują oscylacje w paśmie gamma (30–80 Hz) poprzez pętlę sprzężenia zwrotnego: neurony pobudzające pobudzają neurony hamujące; hamowanie tłumi pobudzenie; hamowanie słabnie; pobudzenie znów rośnie. Ten mechanizm, nazywany gammą piramidalno-interneuronalną (PING), leży u podstaw teorii uwagi, pamięci roboczej i świadomości. Symulacja pozwala dostrajać stosunek E/I oraz opóźnienia synaptyczne, przeprowadzając sieć przez jakościowo różne reżimy.

Nawet ten minimalny model odtwarza zjawiska obserwowane w preparatach skrawków kory mózgowej: spontaniczne oscylacje, przejścia między stanami góra–dół oraz statystykę odstępów międzyimpulsowych. Pokazuje to, że znaczna część czasowej struktury mózgu wynika z geometrii sieci i skal czasowych synaps, a nie z jakiejkolwiek złożoności samego modelu pojedynczego neuronu.

II. Reakcja-dyfuzja Graya-Scotta — jak samoorganizują się wzorce

W 1952 roku Alan Turing zaproponował, że pasy zebry i cętki lamparta mogą powstawać z interakcji zaledwie dwóch substancji chemicznych — aktywatora, który wspiera własną produkcję, oraz inhibitora, który rozprzestrzenia się szybciej i go tłumi. Model Graya-Scotta jest współczesnym sformułowaniem tej idei:

∂u/∂t = D_u · ∇²u  -  u·v²  +  F·(1 - u)
∂v/∂t = D_v · ∇²v  +  u·v²  -  (F + k)·v

Substancja u jest stale dostarczana z szybkością F („szybkość podawania”) i zużywana, gdy spotyka v. Substancja v powstaje w tej reakcji i jest usuwana z szybkością k („szybkość usuwania”). Człony laplasjanowe ∇² reprezentują dyfuzję w przestrzeni, przy czym kluczowe jest, że D_u > D_v: u dyfunduje szybciej niż v. Ta asymetria jest silnikiem powstawania wzorców.

Zoo przestrzeni parametrów

To, co czyni model Graya-Scotta niezwykłym, to sama różnorodność wzorców dostępnych przy regulacji wyłącznie F i k. Przy niskich szybkościach podawania i usuwania powstają zlokalizowane plamki, zdolne do samoreplikacji. Niewielkie zwiększenie k przesuwa plamki w stronę pasków, a następnie wzorców „robaczkowych”. W pobliżu granicy stabilności pojawiają się labiryntowe struktury, mocno przypominające topologię powierzchni mózgu ssaków. Jeszcze dalej pojawiają się fale biegnące, oscylujące impulsy oraz słynna „mitoza” — pojedyncza plamka dzieląca się na dwie.

Ta różnorodność ma znaczenie, ponieważ układy reakcji-dyfuzji nie są hipotetyczne: pasy ciernika trójkolczastego, topologia raf koralowych i bruzdy na opuszkach palców ssaków — wszystkie odpowiadają ilościowym przewidywaniom wynikającym z równań Turinga. Symulacja wykorzystuje dyskretyzację różnicami skończonymi na siatce 2D, przy czym krok dyfuzji jest obsługiwany przez prosty schemat jawny z okresowymi warunkami brzegowymi. Możesz ręcznie namalować początkowe stężenia i obserwować, jak układ ewoluuje.

III. Gyroid TPMS — powierzchnie minimalne w przyrodzie i inżynierii

Powierzchnia minimalna to taka, w której każdy punkt ma zerową krzywiznę średnią: powierzchnia zakrzywia się jednakowo w dwóch przeciwnych kierunkach, więc krzywizny się znoszą. Błony mydlane tworzą powierzchnie minimalne, ponieważ napięcie powierzchniowe minimalizuje pole powierzchni. Gyroid, odkryty przez Alana Schoena w 1970 roku, jest potrójnie okresową powierzchnią minimalną (TPMS) — wypełnia całą trójwymiarową przestrzeń strukturą powtarzającą się w trzech niezależnych kierunkach, niczym trójwymiarowa sieć krystaliczna. Jego niejawne równanie brzmi:

sin(x)·cos(y)  +  sin(y)·cos(z)  +  sin(z)·cos(x)  =  0

To pojedyncze równanie dzieli przestrzeń na dwa wzajemnie przenikające się, lecz nigdy się nieprzecinające labirynty. Żadna z komór nie jest jednospójna: można by wędrować dowolną z nich w nieskończoność, skręcając i wijąc się, nigdy nie docierając do ślepego zaułka ani nie przechodząc do drugiego kanału.

Dlaczego biologia na nowo odkryła gyroid

Gyroid pojawia się w żywych układach zawsze, gdy ewolucja premiuje maksymalną powierzchnię przy minimalnej objętości. Łuski skrzydeł motyla Parides sesostris (mieniącego się na zielono) zawierają strukturę gyroidu w skali nanometrowej. Ta nanostruktura tworzy kryształ fotoniczny: jej okresowość jest porównywalna z długościami fal światła widzialnego, więc selektywnie odbija zielone światło dzięki interferencji konstruktywnej, a nie pigmentacji. Kolor nie blaknie, ponieważ wynika z geometrii, a nie z chemii.

Błony komórkowe mogą samoorganizować się w fazy gyroidalne — dwuwarstwy lipidowe spontanicznie przyjmują tę geometrię w określonych warunkach temperatury i uwodnienia, a wewnętrzna błona mitochondrialna, jak się przypuszcza, zbliża się do topologii powierzchni minimalnej w swoich grzebieniach (kristach). W inżynierii materiałowej rusztowania aerożelowe i implanty zastępujące kości drukuje się dziś z użyciem sieci gyroidalnych: struktura zapewnia wyjątkowy stosunek sztywności do masy (bliski teoretycznym granicom dla danej gęstości), umożliwiając jednocześnie przepływ płynów i komórek przez oba kanały. Inżynierowie projektujący wymienniki ciepła i elektrody również sięgają po gyroid, ponieważ oba jego labirynty mogą prowadzić niezależne strumienie przepływu przy maksymalnym kontakcie międzyfazowym.

IV. Generative City — struktura fraktalna w rozroście miast

Algorytm stojący za generatywnym miastem to proces rekurencyjnego podziału: zacznij od obszaru, poprowadź drogę wzdłuż jego najdłuższej osi, podziel go na dwie działki, zastosuj rekurencję do każdej działki, zatrzymaj się, gdy działki osiągną minimalny rozmiar. Wynikiem jest hierarchiczne drzewo dróg — arterie na górze, lokalne uliczki na liściach — które odzwierciedla, jak prawdziwe miasta rosną poprzez stopniowy podział niezagospodarowanej ziemi.

Miasta wykazują strukturę fraktalną w wielu skalach: sieć ulic ma zwykle wymiar fraktalny między 1,6 a 1,9, co oznacza, że wypełnia przestrzeń bardziej niż zwykła krzywa, ale mniej niż płaszczyzna. Powierzchnie kwartałów podlegają rozkładowi potęgowemu, z kilkoma bardzo dużymi kwartałami i wieloma małymi. Wysokości budynków w centralnej dzielnicy biznesowej również podlegają prawu potęgowemu — prawu Zipfa zastosowanemu do wysokości zamiast do populacji miasta. Te statystyki nie są zaprojektowane odgórnie; wyłaniają się z interakcji bodźców ekonomicznych, prawa podziału działek i ograniczeń topograficznych.

L-systemy i wzrost oparty na gramatyce

Bardziej formalne podejście do proceduralnego generowania miast wykorzystuje L-systemy — równoległe gramatyki przepisujące, wprowadzone przez Aristida Lindenmayera w 1968 roku do modelowania wzrostu roślin. Reguła produkcji, taka jak F → F[+F]F[-F]F, zastępuje każdy odcinek drogi rozgałęzionym poddrzewem. Zastosowana wielokrotnie generuje sieci ulic o realistycznych kątach rozgałęzień, ślepych zaułkach i uliczkach bez przejazdu. Ta sama gramatyka, z innymi kątami rozgałęzień i długościami odcinków, generuje korony drzew, delty rzeczne, drzewa oskrzelowe płuc i kanały wyładowań błyskawic — wszystko struktury ukształtowane przez tę samą podstawową zasadę optymalizacji: efektywne pokrycie przestrzeni przez rozgałęzioną sieć transportową.

V. Fotografia obliczeniowa — dyfuzja błędu i ludzkie widzenie

Gdy trzeba przedstawić obraz o ciągłej tonalności za pomocą wyłącznie czarnych lub białych pikseli, naiwne podejście — zaokrąglenie każdego piksela do najbliższej wartości — daje płaskie, spostrzegane obszary z ostrymi artefaktami konturowymi. Dithering dyfuzją błędu, wprowadzony przez Floyda i Steinberga w 1976 roku, eliminuje ten problem, rozprzestrzeniając błąd kwantyzacji na sąsiednie piksele. Dla każdego piksela skanowanego od lewej do prawej, od góry do dołu, algorytm oblicza błąd między wartością pierwotną a skwantowaną i rozdziela go między czterech sąsiadów z określonymi wagami:

Rozdziel błąd e z piksela (x, y):
  pixel(x+1, y  ) += e × 7/16
  pixel(x-1, y+1) += e × 3/16
  pixel(x,   y+1) += e × 5/16
  pixel(x+1, y+1) += e × 1/16

Wzorzec wag nie jest przypadkowy: dobrano go tak, by rozprzestrzeniać błąd izotropowo (mniej więcej równomiernie we wszystkich kierunkach) podczas skanowania w porządku rastrowym. Wynikiem jest wzorzec półtonowy, w którym gęstość czarnych kropek odpowiada lokalnej jasności — ciemne obszary mają gęste kropki, jasne obszary mają rzadkie kropki. Oglądany z typowej odległości czytania ludzki układ wzrokowy przestrzennie integruje kropki i postrzega gładkie tony. Oko działa jak filtr dolnoprzepustowy.

Dlaczego punktowanie wygląda naturalnie

Punktowanie piórem i tuszem osiąga tę samą integrację przestrzenną za pomocą okrągłych kropek o jednolitym rozmiarze, rozmieszczonych z różną gęstością. Algorytm ważonego punktowania Voronoia (Adrian Secord, 2002) formalizuje to podejście: umieść punkty zalążkowe losowo, oblicz diagram Voronoia, przesuń każdy zalążek do ważonego centroidu jego komórki Voronoia (gdzie wagą jest jasność obrazu) i powtarzaj proces poprzez relaksację Lloyda. Zbieżność daje rozmieszczenie kropek, którego lokalna gęstość odzwierciedla ton obrazu, przy maksymalnie równomiernym rozstawie — bez brzydkich zlepień czy luk. Jakość percepcyjna jest doskonała, ponieważ powstałe pozycje kropek przypominają rozkład fotoreceptorów siatkówki w ludzkim dołku środkowym.