Spotlight #56 – Хаос, екологія та нейронаука

Хвиля 59 приносить три концептуально багаті симуляції, що відображають глибокі зв'язки між математикою та природним світом. Дивні атрактори показують, як прості детерміністичні рівняння породжують нескінченну складність. Агентні моделі хижацтва демонструють, як глобальні екологічні цикли виникають із суто локальних рішень. Осцилятори Курамото демонструють універсальний фазовий перехід синхронізації, який керує нейронами, клітинами серця та енергомережами однаково.

🌀

Теорія хаосу — дивні атрактори

Теорія хаосу — це вивчення систем, що надзвичайно чутливі до початкових умов: малі відмінності в початковому стані зростають експоненційно, роблячи довгострокове прогнозування неможливим. Проте ці системи не є випадковими: вони підпорядковуються точним детерміністичним рівнянням, а їхні траєкторії обмежені геометрично прекрасним об'єктом — дивним атрактором.

Ефект метелика

Едвард Лоренц відкрив детерміністичний хаос у 1963 році, працюючи зі спрощеною моделлю атмосферної конвекції. Він помітив, що повторний запуск симуляції з роздрукованих значень (округлених до 3 знаків після коми замість 6) давав абсолютно інший прогноз уже за короткий час. Три рівняння, що кодують цю поведінку:

ẋ = σ(y − x)
ẏ = x(ρ − z) − y
ż = xy − βz

При σ=10, ρ=28, β=8/3 траєкторія малює знаменитого двокрилого метелика, ніколи не повторюючись, вічно закручуючись навколо двох нестійких нерухомих точок. Найбільший показник Ляпунова становить λ≈0,905, а це означає, що близькі траєкторії розходяться в e разів кожну одиницю часу.

Фрактальна геометрія

Атрактор Лоренца має розмірність Гаусдорфа приблизно 2,06 — більше, ніж поверхня, але менше, ніж тіло. Ця дробова розмірність є геометричним відбитком хаосу: атрактор нескінченно згорнутий, але займає нульовий об'єм. Атрактор Томаса при b≈0,19 демонструє вражаючу тришарову симетричну структуру, яку найкраще досліджувати, обертаючи вигляд під різними кутами.

«Хаос: коли теперішнє визначає майбутнє, але приблизне теперішнє не визначає приблизного майбутнього.» — Едвард Лоренц

Досліджуйте в бібліотеці:

🌀 Дивні атрактори 🌿 Діаграма біфуркації 🎲 Гра в хаос 🦋 Система Лоренца
🐺

Екологія — динаміка хижак-жертва

Популяційна екологія вивчає, як види взаємодіють, конкурують і спільно еволюціонують в екосистемах. Рівняння Лотки-Вольтерри (незалежно виведені Альфредом Лоткою в 1925 році та Віто Вольтеррою в 1926 році) відображають суть динаміки хижак-жертва:

dH/dt = rH − aHL        (жертва: зростає зі швидкістю r, поїдається зі швидкістю a на одного хижака)
dL/dt = baHL − mL      (хижаки: розмножуються за рахунок жертви, гинуть зі швидкістю m)

Розв'язком є періодичні коливання: чисельність жертви досягає піку, хижаки відстають і теж досягають піку, чисельність жертви обвалюється, хижаки голодують і теж обвалюються, чисельність жертви відновлюється. Період і амплітуда залежать від початкових умов — на відміну від моделі Курамото, тут немає фіксованого атрактора.

Чому важливі агентні моделі

Версія з диференціальними рівняннями передбачає нескінченні, ідеально перемішані популяції. Реальні екосистеми скінченні та просторові. Симуляція «вовк-вівця» показує, що просторова структура створює рефугіуми — ділянки, де жертва виживає під час хвиль хижаків — що може стабілізувати те, що інакше було б розбіжними коливаннями або каскадами вимирання. Стохастичний демографічний шум (індивідуальні випадкові смерті й народження) також породжує якісно іншу поведінку, ніж гладкі звичайні диференціальні рівняння.

Спробуйте цей експеримент

  1. Почніть із параметрів за замовчуванням і спостерігайте 2-3 цикли популяції.
  2. Збільшіть Приріст їжі вовків до 70. Спостерігайте, як вовки домінують, а вівці вимирають.
  3. Скористайтеся кнопкою Більше овець, щоб скинути стан до початкових умов з перевагою овець, і порівняйте перехідні процеси.
  4. Зменшіть Відростання трави до 1. Чи здатна екосистема підтримувати себе?

Досліджуйте в бібліотеці:

🐺 Хижацтво вовк-вівця 🐦 Зграя Boids 🪸 Кораловий риф 🦠 Колонія бактерій
🔄

Нейронаука — синхронізація та фазові переходи

Мозок сповнений осцилюючих нейронів: гамма-коливання (40 Гц) лежать в основі уваги та свідомості, тета-ритми (4–8 Гц) пов'язані з пам'яттю та навігацією, альфа-хвилі (8–12 Гц) відображають кіркову синхронність у стані спокою. Як популяція нейронів із різними власними частотами переходить до колективного коливання? Модель Курамото дає математичну відповідь: фазовий перехід.

Від окремих осциляторів до колективного ритму

У симуляції кожен осцилятор представляє нейрон (або нейронну популяцію) із власною природною частотою розрядів ωᵢ. Доданок зв'язку (K/N)Σsin(φⱼ−φᵢ) діє подібно до синаптичного збудження: нейрони намагаються розряджатися синфазно зі своїми сусідами. Нижче K_c мережа асинхронна — кожен нейрон розряджається у власному темпі, і середнє популяції взаємно скасовується. Вище K_c виникає макроскопічне коливання, якого немає в програмі жодного окремого нейрона.

Біологічні прояви

Модель Курамото показує, що колективна поведінка — ритм, синхронність, когерентність — може виникати з безладу через фазовий перехід без жодного центрального координатора.

Досліджуйте в бібліотеці:

🔄 Синхронізація Курамото 🧠 Мозкові хвилі ❤️ Серцевий потенціал дії 🕐 Циркадний ритм

Що об'єднує ці три теми

Ці три симуляції поєднує глибша структурна спорідненість. Усі три залучають системи, що є:

Ця універсальність — один із найбільших дарунків фізики біології: ті самі інструменти, що описують атмосферну турбулентність, також проливають світло на нейронні обчислення та колапс екосистем.

← Spotlight #55 — Імовірність, хімія та алгоритми Усі статті →