RW Space

Согласно печально известному мифу, группы леммингов иногда сбегают со скал навстречу своей коллективной гибели.

Представьте, что вы один из этих грызунов: в солнечный день вы присоединяетесь к своим товарищам в радостном восхождении на вершину горы. гора под ясным небом, бредущая по траве, грязи и камням, радующаяся быть среди друзей, пока внезапно вы не окунетесь в свежий воздух, и все не станет черным.

Край скалы — это то, что ученые называют » критическая точка»: место, где поведение системы (например, группы леммингов) внезапно переходит из одного типа состояния (благополучное движение) в совершенно другой тип состояния (резкое падение), часто с катастрофическими результатами.

Лемминги на самом деле не бросаются в атаку со скал, но многие реальные системы действительно переживают критические моменты и внезапные катастрофы, такие как крахи фондового рынка, сбои в электросетях и переломные моменты в климатических системах и экосистемах.

Критические точки не всегда являются буквальными точками в пространстве или времени. Это могут быть значения некоторых параметров системы, таких как доверие инвесторов, температура окружающей среды или спрос на электроэнергию, которые отмечают переход к нестабильности.

Можем ли мы определить, когда система близка к обрыву, и, возможно, начать действовать? чтобы остановить его выход за пределы? Что мы можем измерить о рынке акций или экосистеме, чтобы помочь нам предсказать, насколько он далек от такой критической точки?

Мы разработали новый метод, позволяющий сделать именно это в реальных системах. Наша работа опубликована на этой неделе в журнале Physical Review X.

Как узнать, что вы находитесь близко к обрыву?

Предыдущая работа показала, что системы имеют тенденцию «замедляться» и становятся более изменчивыми вблизи критических точек. Например, для рынка акций это будет означать, что цены на акции меняются менее быстро и демонстрируют большую разницу между недельными максимумами и минимумами.

Но эти индикаторы не работают, когда системы «шумны», то есть мы не могут очень точно измерить то, что они делают. Многие реальные системы очень шумные.

Есть ли индикаторы, работающие для реальных систем? Чтобы выяснить это, мы перепробовали более 7000 различных методов в надежде найти один, достаточно мощный, чтобы работать хорошо, даже когда в нашей системе много шума.

Мы нашли несколько иголок в стоге сена: несколько методов, которые на удивление хорошо справились с этой очень сложной проблемой. На основе этих методов мы сформулировали новый простой рецепт прогнозирования критических точек.

Мы дали ему подходящее имя: RAD. (Эта корявая аббревиатура имеет очень занудное происхождение: аббревиатура «Rescaled AutoDensity».)

Использует ли мозг критические точки во благо?

Мы проверили наш новый метод на невероятно сложных записях. мозговой активности мышей. Чтобы быть более конкретным, мы изучили активность в областях мозга мыши, ответственных за интерпретацию того, что видит мышь.

Когда нейрон срабатывает, соседние нейроны могут уловить его сигнал и передать его дальше, или они могут пусть оно угаснет. Когда сигнал усиливается соседями, он оказывает большее воздействие, но слишком сильное усиление может перейти критическую точку в неконтролируемую обратную связь, что может вызвать припадок.

Наш метод RAD показал, что активность мозга в некоторых областях имеет более сильные признаки близости к критической точке, чем другие. В частности, области с простейшими функциями (такими как размер и ориентация объектов на изображении) работают дальше от критической точки, чем области с более сложными функциями.

Это предполагает, что мозг, возможно, эволюционировал, чтобы использовать критические точки. чтобы поддержать его выдающиеся вычислительные способности.

Имеет смысл, что находясь очень далеко от критической точки (подумайте о безопасных леммингах, вдали от скалы), нейронная активность будет очень стабильной. Стабильность будет способствовать эффективной и надежной обработке основных визуальных функций.

Но наши результаты также показывают, что есть преимущество в том, чтобы сидеть в непосредственной близости от скалы – на краю критической точки. Области мозга в этом состоянии могут иметь более длительную «память» для поддержки более сложных вычислений, например тех, которые необходимы для понимания общего значения изображения.

Лучшее руководство по преодолению препятствий

Это Идея систем, находящихся вблизи или вдали от критической точки, встречается во многих важных приложениях, от финансов до медицины. Наша работа предлагает лучший способ понять такие системы и определить, когда они могут проявлять внезапные (и часто катастрофические) изменения.

Это можно использовать для открытия всех видов будущих прорывов – от предупреждения людей с эпилепсией до предстоящие изъятия, чтобы помочь предсказать надвигающийся финансовый крах. -lightbox-basic» alt=»Разговор» width=»1″ height=»1″ style=»border: none ; box-shadow: none ;margin: 0 ; max-height: 1px ! важно; максимальная ширина: 1px ; минимальная высота: 1px ; минимальная ширина: 1px ; непрозрачность: 0 ; контур: нет ; Referrerpolicy=»no-referrer-when-downgrade» loading=»lazy»>

Бен Фулчер, старший преподаватель, факультет физики Сиднейского университета, и Брендан Харрис, аспирант кафедры нейрофизики, университет из Сиднея

Эта статья переиздана из The Conversation под лицензией Creative Commons. Прочтите оригинал статьи.