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

物理学と生物学の広大な風景の中には、秩序と混沌の間の絶え間ない闘いが存在します。メトロノームで満たされた部屋、あるいはコオロギの森、さらには人間の脳内で発火する数十億のニューロンを想像してみてください。これらの各ユニットは、それぞれ独自の自然なリズムを持ち、独自のペースで時を刻んでいます。これらのユニットが互いに連結されると、時に足並みを揃え、強力で統一されたビートを作り出すことがあります。同期（シンクロニゼーション）として知られるこの現象は、ホタルが一斉に光ったり、心臓の細胞が共に鼓動したりすることを説明できるため、数十年にわたって研究されてきました。しかし、その反対の状態も同様に一般的であり、同様に重要です。それが非同期状態です。この条件下では、ユニットは同じ太鼓の音に合わせて行進することはありません。それらは独立して動き、単一の大きな信号ではなく、複雑で変動する背景ノイズを作り出します。健康な脳のような多くの生物学的システムにおいて、この完全な同期の欠如は、実はデフォルトであり、適切な機能のために必要な状態なのです。これらの独立したユニットが具体的にどのように振る舞うのか、そして無秩序なネットワークの影響を受けているときの個々のリズムがどのようなものかを知ることは、科学者にとって長年の難問であり続けてきました。

ベルリンとパリを拠点とする研究チームは、有名な数学的モデルである蔵本モデルに焦点を当てることで、この謎を解くための重要な一歩を踏み出しました。このモデルは、結合された振動子がどのように相互作用するかを記述するための標準的なツールですが、伝統的にはすべてが同期する瞬間を研究するために使われてきました。研究者たちは、そのコインの裏側、つまりシステムが無秩序である非同期状態を見ようとしました。現実の世界では、ネットワークが完璧であることは稀です。ユニット間の接続強度はさまざまであり、ユニット自体の自然なリズムも決して全く同じではありません。研究者たちは、これら2種類の無秩序（ユニット間の接続のばらつきと、自然な速度のばらつき）が、システム全体が同期していないときに、個々のユニットの振る舞いにどのように影響するかを問い直しました。彼らは、システム全体としては混沌としているように見えても、個々のユニットの振る舞いは、新しい簡略化された手法によって記述できる予測可能なパターンに従っていることを発見しました。

この問題に取り組むため、研究者たちは、巨大で複雑なネットワークを一つの代表的なユニットへと実質的に縮小させる手法を開発しました。1万個の個別の振動子の動きを同時に追跡することは、計算コストが高く分析も困難であるため、彼らは「平均場」アプローチを作成しました。この手法は、ネットワーク全体が単一の振動子に与える影響を、一種の背景ノイズとして扱います。彼らは、このノイズが単純にランダムなのではなく、振動子自身の振る舞いに依存する独自の構造と統計を持っていることに気づきました。これを解決するために、彼らは反復プロセスを用いました。まず、背景ノイズがどのようなものかという仮説から始め、そのノイズによって駆動される単一の振動子の運動をシミュレーションし、その結果としてのリズムを測定しました。そして、そのシミュレーションの結果を用いてノイズの仮説を更新し、このサイクルを何度も繰り返しました。最終的に、仮説と結果が完全に一致し、システムがどのように振る舞うかについての自己整合的な姿が明らかになりました。これにより、個々のユニットおよびネットワーク全体の両方について、エネルギーがどの周波数にどれだけあるかを示す地図であるパワースペクトルを算出することができました。

研究者たちは、数千の振動子の方程式を同時に解くフルネットワークの直接的なコンピュータ・シミュレーションに対して、この手法をテストしました。その結果は驚くほど一貫していました。振動子間の接続がランダムで無秩序なネットワークを調べたところ、個々のリズムは非常に広がり、鋭さが失われることがわかりました。完璧に秩序だったネットワークでは、振動子は非常に特定の周波数でハミングするかもしれません。しかし、接続が乱雑な場合、その単一の周波数は拡散し、より広い活動範囲を生み出します。この研究は、この広がりが接続の無秩序によって直接引き起こされていることを示しました。さらに驚くべきことに、大規模なネットワークにおいては、システムが非同期状態にある限り、接続の平均的な強さはほとんど重要ではないことを見出しました。接続がわずかに正であっても、わずかに負であっても、ノイズと個々のリズムの全体的なパターンは同じでした。これは、大規模で無秩序なシステムにおいては、接続の平均的な詳細よりも、接続自体の激しい変動性の方が重要であることを示唆しています。

しかし、ネットワークが小さい場合には話が変わります。研究者がわずか8つの振動子からなる小さなネットワークにこの手法を適用したところ、接続の平均的な強さが重要であることがわかりました。このような小さなシステムでは、接続強度の特定の値がリズムの形状を大きく変え、大規模なネットワークには存在しない明確なピークを作り出すことができました。これは、大規模なシステムと小規模なシステムの間にある決定的な違いを浮き彫りにしています。大勢の群衆の中では、接続の個々の癖はかき消されますが、小さなグループでは、あらゆる接続が意味を持つのです。研究者たちはまた、自然な速度のみが変化する古典的なバージョンのモデル、および接続自体がランダムであるより複雑なバージョンの両方に対して、彼らの手法が機能することを確認しました。彼らは、巨大なネットワークを毎回シミュレーションする必要なく、システムの振る舞いを正確に予測できることを実証しました。

この研究の意義は、抽象的な数学を超えて広がっています。無秩序なネットワークの非同期状態を正確に記述できる能力は、ニューロンが常に複雑で非同期な形で発火している脳のような、現実世界のシステムを理解するために不可欠です。それはまた、安定しているが過度に硬直していない状態を維持することが不可欠な、電力網のような技術的システムにも適用されます。複雑で高次元の問題を、単純で自己整合的な方程式に還元できることを示すことで、研究者たちは科学者に強力な新しいツールを提供しました。彼らは、一見すると無秩序な状態の中にさえ、理解可能で予測可能な深い根底にある秩序が存在することを示しました。この研究は、同期に関するすべての謎を解明したと主張するものではありませんが、非同期状態の地形図を描き出し、無秩序がいかにして群衆の中の個人のリズムを形作るかを明らかにすることに成功したのです。