Spotlight #59 – Науки про життя та генеративне мистецтво — нейронні мережі, морфогенез і мінімальні поверхні

I. Нейронна мережа LIF — коли нейрони синхронізуються

Мозок містить приблизно 86 мільярдів нейронів, проте нейронауковці часто моделюють окремі клітини лише жменькою чисел. Модель «витік, інтеграція та спалах» (LIF) вловлює суттєву фізику в одному диференціальному рівнянні:

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

Тут V — мембранна напруга, V_rest — потенціал спокою (типово −65 мВ), τ_m — стала часу мембрани (5–20 мс), R — опір мембрани, а I(t) — сумарний синаптичний вхідний струм. «Витік» — це перший доданок: залишена сама на себе, мембранна напруга дрейфує назад до спокою експоненційно, наче конденсатор, що розряджається через резистор — тому що це буквально те, чим вона є.

Коли V перетинає поріг V_thresh (близько −50 мВ), нейрон генерує потенціал дії, після чого напруга скидається до V_reset і утримується там протягом короткого рефрактерного періоду τ_ref. Сам потенціал дії — гострий міліметрово-вузький сплеск — явно не моделюється; для наступних нейронів має значення лише його час.

Баланс збудження/гальмування й коливання

Мережі нейронів LIF демонструють багату колективну поведінку, яку жоден окремий нейрон не проявляє сам по собі. Ключова змінна — відношення збудливих (E) до гальмівних (I) синаптичних входів. Коли переважає збудження, мережа може увійти в некерований стан, де майже всі нейрони спалахують майже одночасно — популяційний сплеск. Гальмування запобігає цьому, скидаючи надлишковий заряд. Точка балансу породжує нерегулярну асинхронну активність, що близько нагадує кіркові записи від неспаних тварин.

Зв'язані популяції E–I природно породжують коливання гамма-діапазону (30–80 Гц) через петлю зворотного зв'язку: збудливі нейрони запускають гальмівні; гальмування пригнічує збудження; гальмування слабшає; збудження знову зростає. Цей механізм, званий пірамідально-інтернейронним гамма-ритмом (PING), лежить в основі теорій уваги, робочої пам'яті та свідомості. Симуляція дозволяє налаштовувати відношення E/I та синаптичні затримки, проводячи мережу крізь якісно різні режими.

Навіть ця мінімальна модель відтворює явища, що спостерігаються в препаратах кіркових зрізів: спонтанні коливання, переходи між станами вгору-вниз і статистику міжспайкових інтервалів. Це демонструє, що значна частина часової структури мозку виникає з геометрії мережі та синаптичних часових масштабів, а не з будь-якої складності в моделі окремого нейрона.

II. Реакція-дифузія Грея-Скотта — як самоорганізуються узори

1952 року Алан Тюрінг припустив, що смуги зебри й плями леопарда можуть виникати із взаємодії лише двох хімічних видів — активатора, що сприяє власному виробництву, та інгібітора, що поширюється швидше й пригнічує його. Модель Грея-Скотта — сучасне формулювання цієї ідеї:

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

Вид u безперервно постачається зі швидкістю F («швидкість подачі») і споживається, коли зустрічає v. Вид v утворюється цією реакцією й видаляється зі швидкістю k («швидкість знищення»). Лапласіанові доданки ∇² представляють дифузію в просторі, і критично важливо D_u > D_v: u дифундує швидше за v. Ця асиметрія — двигун утворення узорів.

Зоопарк простору параметрів

Що робить Грея-Скотта чудовим, так це сама розмаїтість узорів, доступних лише регулюванням F і k. При низьких швидкостях подачі й знищення утворюються локалізовані плями, здатні самовідтворюватися. Незначне збільшення k зсуває плями до смуг, а потім до «черв'якоподібних» узорів. Поблизу межі стійкості виникають лабіринтоподібні структури, що близько нагадують топологію поверхні мозку ссавців. Ще далі з'являються біжучі хвилі, коливальні імпульси й знаменитий «мітоз» — одна пляма, що розщеплюється на дві.

Ця розмаїтість важлива, бо системи реакції-дифузії не гіпотетичні: смуги колючок трипенної рибки, топологія коралових рифів і рельєф кінчиків пальців ссавців — усе це відповідає кількісним передбаченням, виведеним із рівнянь Тюрінга. Симуляція використовує дискретизацію скінченними різницями на 2D-сітці, а крок дифузії обробляється простою явною схемою з періодичними граничними умовами. Ви можете вручну намалювати початкові концентрації й спостерігати еволюцію системи.

III. Гіроїд TPMS — мінімальні поверхні в природі та інженерії

Мінімальна поверхня — та, де кожна точка має нульову середню кривину: поверхня викривляється однаково в двох протилежних напрямках, тож кривина скасовується. Мильні плівки утворюють мінімальні поверхні, бо поверхневий натяг мінімізує площу. Гіроїд, відкритий Аланом Шоеном 1970 року, — потрійно періодична мінімальна поверхня (TPMS) — вона заповнює весь тривимірний простір структурою, що повторюється в трьох незалежних напрямках, наче 3D-кристалічна ґратка. Її неявне рівняння:

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

Це єдине рівняння ділить простір на два взаємопроникні, але ніколи не перетинні лабіринти. Жодна з камер не є однозв'язною: ви могли б блукати будь-якою з них нескінченно, повертаючи й петляючи, ніколи не дійшовши до глухого кута й не перейшовши до іншого каналу.

Чому біологія повторно відкрила гіроїд

Гіроїд з'являється в живих системах, коли еволюція обирає максимальну площу поверхні в мінімальному об'ємі. Крилові луски метелика Parides sesostris (переливчасто-зелена морфіда) містять структуру гіроїда на нанометровому масштабі. Ця наноструктура утворює фотонний кристал: її періодичність порівнянна з довжинами хвиль видимого світла, тож вона вибірково відбиває зелене світло через конструктивну інтерференцію, а не пігментацію. Колір не вицвітає, бо виникає з геометрії, а не хімії.

Клітинні мембрани можуть самоорганізовуватись у гіроїдні фази — ліпідні бішари спонтанно набувають цієї геометрії за певних умов температури та гідратації, а вважається, що внутрішня мітохондріальна мембрана наближається до топології мінімальної поверхні у своїх кристах. У матеріалознавстві каркаси аерогелю та імплантати заміни кісток нині друкують із гіроїдними ґратками: структура забезпечує виняткове співвідношення жорсткості до ваги (близьке до теоретичних меж для заданої щільності), водночас дозволяючи рідинам і клітинам просочуватися крізь обидва канали. Інженери, що проєктують теплообмінники та електроди, також обирають гіроїд, бо обидва його лабіринти можуть нести незалежні потоки з максимальним поверхневим контактом.

IV. Генеративне місто — фрактальна структура міського росту

Алгоритм за генеративним містом — це процес рекурсивного поділу: почніть з області, прокладіть дорогу вздовж її найдовшої осі, розділіть її на дві ділянки, рекурсивно повторіть для кожної ділянки, зупиніться, коли ділянки досягнуть мінімального розміру. Результат — ієрархічне дерево доріг — магістралі на вершині, місцеві вулиці на листках — що відображає, як реальні міста ростуть через поступовий поділ незабудованої землі.

Міста демонструють фрактальну структуру на кількох масштабах: вулична мережа має фрактальну розмірність зазвичай між 1.6 і 1.9, тобто вона заповнює простір більше, ніж проста крива, але менше, ніж площина. Площі кварталів підпорядковуються степеневому розподілу, з кількома дуже великими кварталами й багатьма маленькими. Висоти будівель у центральному діловому районі також підпорядковуються степеневому закону — закону Ципфа, застосованому до висоти, а не населення міста. Ця статистика не закладена спеціально; вона виникає з взаємодії економічних стимулів, законів поділу ділянок і топографічних обмежень.

L-системи та зростання на основі граматики

Більш формальний підхід до процедурної генерації міст використовує L-системи — паралельні граматики переписування, введені Аристідом Ліндермайєром 1968 року для моделювання росту рослин. Продукційне правило на кшталт F → F[+F]F[-F]F замінює кожен сегмент дороги розгалуженим піддеревом. Застосоване повторно, це генерує вуличні мережі з реалістичними кутами розгалуження, глухими кутами й тупиками. Та сама граматика, з іншими кутами розгалуження й довжинами сегментів, генерує крони дерев, річкові дельти, бронхіальні дерева легень і канали блискавки — усі структури, сформовані тим самим базовим принципом оптимізації: ефективне покриття простору розгалуженою транспортною мережею.

V. Обчислювальна фотографія — дифузія похибки й людський зір

Коли потрібно представити зображення з неперервним тоном, використовуючи лише чорні або білі пікселі, наївний підхід — округлення кожного пікселя до найближчого значення — дає плоскі, постеризовані ділянки з різкими контурними артефактами. Дизеринг дифузією похибки, введений Флойдом і Стейнбергом 1976 року, усуває це, поширюючи похибку квантування на сусідні пікселі. Для кожного пікселя, скановане зліва направо, зверху вниз, алгоритм обчислює похибку між початковим і квантованим значенням і розподіляє її серед чотирьох сусідів з певними вагами:

Розподілити похибку e з пікселя (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

Узор ваг не довільний: вони обрані для ізотропного розподілу похибки (приблизно рівномірно в усіх напрямках) під час сканування в растровому порядку. Результат — узор напівтонів, у якому щільність чорних крапок відповідає локальній яскравості — темні ділянки мають щільні крапки, яскраві ділянки мають розріджені крапки. При перегляді зі звичайної відстані читання людська зорова система просторово інтегрує крапки й сприймає плавні тони. Око діє як фільтр низьких частот.

Чому штрихування виглядає природно

Штрихування пером і тушшю досягає тієї самої просторової інтеграції круглими крапками однакового розміру, розміщеними з різною щільністю. Алгоритм зваженого штрихування Вороного (Адріан Секорд, 2002) формалізує це: розмістіть зерна-точки випадково, обчисліть діаграму Вороного, перемістіть кожне зерно до зваженого центроїда його комірки Вороного (де вага — яскравість зображення) і повторіть через релаксацію Ллойда. Збіжність дає розташування крапок, чия локальна щільність відображає тон зображення, з максимально рівномірним розподілом — без потворного скупчення чи розривів. Перцептивна якість чудова, бо отримані позиції крапок нагадують розподіл фоторецепторів сітківки в людській ямці ока.