Self-consistent autocorrelation of a disordered Kuramoto model in the asynchronous state

Nel vasto panorama della fisica e della biologia, esiste una lotta costante tra ordine e caos. Immaginate una stanza piena di metronomi, o una foresta di grilli, o persino i miliardi di neuroni che si attivano in un cervello umano. Ognuna di queste unità ha il proprio ritmo naturale, ticchettando al proprio passo. Quando queste unità vengono collegate tra loro, possono talvolta sincronizzarsi, creando un battito potente e unificato. Questo fenomeno, noto come sincronizzazione, è studiato da decenni perché spiega come le lucciole emettano lampi all'unisono o come le cellule del cuore battano insieme. Tuttavia, lo stato opposto è altrettanto comune e altrettanto importante: lo stato asincrono. In questa condizione, le unità non marciano allo stesso ritmo; si muovono indipendentemente, creando un complesso e fluttuante rumore di fondo piuttosto che un singolo segnale forte. In molti sistemi biologici, come il cervello sano, questa mancanza di perfetta sincronizzazione è in realtà lo stato predefinito e necessario per un corretto funzionamento. Comprendere esattamente come queste unità indipendenti si comportano, e quali siano i loro ritmi individuali quando sono influenzate da una rete disordinata e caotica, è rimasto per anni un difficile enigma per gli scienziati.

Un team di ricercatori con sede a Berlino e Parigi ha fatto ora un passo significativo verso la risoluzione di questo enigma concentrandosi su un famoso modello matematico chiamato modello di Kuramoto. Questo modello è uno strumento standard utilizzato per descrivere come interagiscono gli oscillatori accoppiati, ma è stato tradizionalmente usato per studiare i momenti in cui tutto si sincronizza. I ricercatori volevano osservare l'altra faccia della medaglia: lo stato asincrono, in cui il sistema è disordinato. Nel mondo reale, le reti sono raramente perfette. Le connessioni tra le unità variano in forza e i ritmi naturali delle unità stesse non sono mai esattamente uguali. I ricercatori si sono chiesti come questi due tipi di disordine — le variazioni nella forza delle connessioni tra le unità e le varazioni nelle loro velocità naturali — influenzino il comportamento individuale delle unità quando l'intero sistema non è sincronizzato. Hanno scoperto che, sebbene il sistema nel suo complesso possa sembrare caotico, il comportamento di ogni singola unità segue un modello prevedibile che può essere descritto da un nuovo metodo semplificato.

Per affrontare questo problema, i ricercatori hanno sviluppato una tecnica che riduce efficacemente una rete massiccia e complessa a una singola unità rappresentativa. Invece di cercare di tracciare i movimenti di diecimila oscillatori contemporaneamente, il che sarebbe computazionalmente costoso e difficile da analizzare, hanno creato un approccio a "campo medio". Questo metodo tratta l'influenza dell'intera rete su un singolo oscillatore come una sorta di rumore di fondo. Si sono resi conto che questo rumore non è casuale in modo semplice; possiede una propria struttura e statistica che dipendono dal comportamento degli oscillatori stessi. Per risolvere questo, hanno utilizzato un processo iterativo. Sono partiti da un'ipotesi su quale fosse l'aspetto di questo rumore di fondo, hanno simulato il movimento di un singolo oscillatore guidato da quel rumore e poi hanno misurato il ritmo risultante. Hanno utilizzato i risultati di quella simulazione per aggiornare la loro ipotesi sul rumore e hanno ripetuto questo ciclo più e più volte. Alla fine, l'ipotesi e il risultato coincidevano perfettamente, rivelando un quadro autoconsistente di come il sistema si comporta. Ciò ha permesso loro di calcolare lo spettro di potenza, che è essenzialmente una mappa che mostra quanta energia gli oscillatori hanno a diverse frequenze, sia per le singole unità che per l'intera rete.

I ricercatori hanno testato questo metodo contro simulazioni informatiche dirette dell'intera rete, che consistevano nel risolvere le equazioni di migliaia di oscillatori simultaneamente. I risultati sono stati sorprendentemente coerenti. Quando hanno esaminato reti in cui le connessioni tra gli oscillatori erano casuali e disordinate, hanno scoperto che i ritmi individuali diventavano molto più ampi e meno netti. In una rete perfettamente ordinata, un oscillatore potrebbe ronzare a una frequenza molto specifica. Ma quando le connesszioni sono disordinate, quella singola frequenza si diffonde, creando un intervallo di attività più ampio. Lo studio ha dimostrato che questo allargamento è causato direttamente dal disordine nelle connessioni. Ancora più sorprendente, hanno scoperto che per le reti di grandi dimensioni, la specifica forza media delle connessioni contava molto poco, finché il sistema rimaneva nello stato asincrono. Che le connessioni fossero leggermente positive o leggermente negative, il modello complessivo del rumore e dei ritmi individuali rimaneva lo stesso. Ciò suggerisce che nei grandi sistemi disordinati, i dettagli della connessione media sono meno importanti della pura variabilità delle connessioni stesse.

Tuttavia, la storia cambia quando la rete è piccola. Quando i ricercatori hanno applicato il loro metodo a una rete minuscola di soli otto oscillatori, hanno scoperto che la forza media delle connessioni contava effettivamente. In questi sistemi piccoli, il valore specifico della forza di connessione poteva alterare significativamente la forma dei ritmi, creando picchi distinti che non erano presenti nelle reti più grandi. Ciò evidenzia una differenza cruciale tra sistemi piccoli e grandi: in una grande folla, le peculiarità individuali delle connessioni si annullano, ma in un piccolo gruppo, ogni connessione conta. I ricercatori hanno anche confermato che il loro metodo funziona per la versione classica del modello in cui variano solo le velocità naturali, così come per la versione più complessa in cui le connessioni stesse sono casuali. Hanno dimostrato che il loro approccio poteva prevedere accuratamente il comportamento del sistema senza la necessità di simulare l'intera massa della rete ogni volta.

Le implicazioni di questo lavoro vanno oltre la matematica astratta. La capacità di descrivere accuratamente lo stato asincrono di una rete disordinata è vitale per comprendere sistemi del mondo reale come il cervello, dove i neuroni si attivano costantemente in modo complesso e non sincronizzato. Si applica anche a sistemi tecnici come le reti elettriche, dove mantenere uno stato stabile ma non eccessivamente rigido è essenziale. Dimostrando che un problema complesso e ad alta dimensionalità può essere ridotto a un'equazione semplice e autoconsistente, i ricercatori hanno fornito un nuovo strumento potente agli scienziati. Hanno dimostrato che, anche in uno stato di apparente disordine, esiste un profondo ordine sottostante che può essere compreso e previsto. Lo studio non pretende di aver risolto ogni mistero della sincronizzazione, ma ha mappato con successo il terreno dello stato asincrono, rivelando come il disordine plasmi il ritmo del singolo all'interno della folla.