History dependence in synchronization from rate asymmetry and phase weight feedback in adaptive networks

In de natuurlijke wereld, van het flitsen van vuurvliegjes tot de hartslag, vallen afzonderlijke eenheden vaak in elkaars ritme. Dit fenomeen, bekend als synchronisatie, treedt op wanneer onafhankelijke ritmes samenvallen om een verenigde, collectieve beweging te creëren. Wetenschappers bestuderen al lang hoe dit gebeurt, waarbij ze meestal uitgaan van een vaste set verbindingen tussen de eenheden, zoals een rigide steiger die een groep dansers bij elkaar houdt. Echter, veel realiteitssystemen zijn niet zo statisch. In adaptieve netwerken veranderen de verbindingen zelf op basis van hoe de eenheden zich gedragen. Als twee eenheden in harmonie bewegen, kan de link tussen hen sterker worden; als ze uit de pas lopen, kan de link verzwakken. Dit creëert een feedbackloop waarbij het gedrag van de groep de verbindingen vormt, en de verbindingen op hun beurt het gedrag vormen. De vraag die onderzoekers zich hebben gesteld is of deze veranderende web van verbindingen een systeem in staat stelt om zijn verleden te "onthouden". Als een groep oscillatoren lange tijd gesynchroniseerd is geweest en de omstandigheden vervolgens veranderen, blijft hij dan gesynchroniseerd? Of keert hij terug naar chaos? Het antwoord hangt af van de specifieke regels die bepalen hoe snel deze verbindingen groeien versus hoe snel ze vervagen.

Een nieuwe studie door Yousef Jamali aan de Tarbiat Modares University onderzoekt dit geheugeneffect in een netwerk van adaptieve oscillatoren. De onderzoekers bouwden een computermodel van een grote groep eenheden, elk met een eigen natuurlijk ritme, verbonden door een ijl web van links. De sterkte van deze links was niet vast; in plaats daarvan evolueerden ze in de loop van de tijd. Wanneer twee verbonden eenheden dicht bij het synchroon bewegen waren, werd de link tussen hen sterker. Wanneer ze ver uit elkaar lagen in hun ritme, verzwakte de link. De cruciale variabele in dit experiment was de snelheid van deze veranderingen. Het team wilde weten wat er gebeurt als de links veel sneller versterken dan ze verzwakken, versus het tegenovergestelde scenario waarbij ze veel sneller verzwakken dan ze versterken. Om een eerlijke vergelijking te garanderen, hielden ze de totale hoeveelheid "activiteit" in het systeem constant, waarbij ze simpelweg de balans verschoven tussen de snelheid van groei en de snelheid van verval.

De resultaten toonden een opvallende afhankelijkheid van de richting van deze onbalans. Wanneer het systeem zo was ingesteld dat de links veel sneller verzwakten dan ze versterkten, vertoonde het netwerk een massief geheugeneffect. De onderzoekers ontdekten dat het systeem in twee totaal verschillende staten kon bestaan, afhankelijk van zijn geschiedenis. Als de groep begon in een gedesorganiseerde, chaotische staat en de verbindingen langzaam werden versterkt, bleef het systeem gedesorganiseerd, zelfs wanneer de omstandigheden gunstig waren voor synchronisatie. Echter, als de groep begon in een gesynchroniseerde staat en de verbindingen langzaam werden verzwakt, bleef de groep gesynchroniseerd, zelfs wanneer de omstandigheden ongunstig waren geworden. Dit creëerde een brede kloof, of hysteresislus, waarin de eindtoestand van het systeem volledig werd bepaald door het pad dat het heeft afgelegd. In dit door verzwakking gedomineerde regime kon het systeem in een gesynchroniseerde staat blijven, lang nadat de externe omstandigheden die het hadden gecreëerd, waren verdwenen.

In contrast hiermee, toen de onderzoekers het scenario omdraaiden en de links veel sneller lieten versterken dan ze verzwakten, verdween dit geheugeneffect bijna volledig. Het systeem werd vergeetachtig. Of het nu begon in een gesynchroniseerde of een gedesorganiseerde staat, het kwam snel tot dezelfde uitkomst op basis van de huidige omstandigheden, waarbij het verleden werd genegeerd. Het "geschiedenisafhankelijke" interval, waarin het verleden ertoe deed, kromp tot bijna niets. Dit suggereert dat de balans tussen versterking en verval niet slechts een klein detail is, maar een fundamentele controleknop voor het geheugen in deze systemen. Als het systeem te gretig is om nieuwe verbindingen op te bouwen, vergeet het zijn geschiedenis. Als het te snel verbindingen loslaat, houdt het zijn verleden met verrassende standvastigheid vast.

Om te begrijpen waar dit geheugen daadwerkelijk werd opgeslagen, voerden de onderzoekers een slim experiment uit. Ze namen de gesynchroniseerde staat van het netwerk, die bestaat uit twee delen: het ritme van elke individuele eenheid en de sterkte van de verbindingen tussen hen. Vervolgens mixten en matchten ze deze onderdelen. Ze namen de ritmes van een gesynchroniseerde groep en koppelden die aan de verbindingssterktes van een gedesorganiseerde groep, en vice versa. Ze ontdekten dat noch de ritmes alleen, noch de verbindingssterktes alleen voldoende waren om de gesynchroniseerde staat te recreëren. Het systeem bleef alleen gesynchroniseerd wanneer zowel de ritmes als de verbindingssterktes uit een gesynchroniseerde geschiedenis werden genomen en samen werden gehouden. Dit onthulde dat het geheugen niet in de individuele onderdelen wordt opgeslagen, maar in de specifieke relatie tussen hen. Het is de precieze uitlijning van sterke verbindingen met de juiste ritmische partners die de gesynchroniseerde staat in stand houdt.

De studie bekeek ook hoe lang dit geheugen duurt. Door het systeem gedurende een zeer lange tijd in een specifieke staat te houden — veel langer dan de tijd die de verbindingen nodig hebben om te veranderen — observeerden de onderzoekers dat de twee verschillende geschiedenissen onderscheidbaar bleven. Het systeem dat gesynchroniseerd begon, bleef gesynchroniseerd, terwijl het systeem dat gedesorganiseerd begon, gedesorganiseerd bleef, zelfs na duizenden tijdseenheden. Hoewel de gedesorganiseerde staat een zeer trage drift naar synchronisatie vertoonde, bleef de scheiding tussen de twee staten duidelijk en robuust. Dit geeft aan dat het systeem zijn verleden niet slechts tijdelijk onthoudt; het nestelt zich in persistente regimes die stabiel zijn over lange perioden.

De bevindingen bieden een helder beeld van hoe lokale regels globaal geheugen kunnen creëren. Het systeem werkt via een positieve feedbackloop: wanneer eenheden synchroniseren, versterken hun verbindingen, wat het makkelijker maakt voor hen om gesynchroniseerd te blijven. De onderzoekers toonden aan dat de snelheid van deze loop afhangt van de ratio tussen versterking en verzwakking. Wanneer verzwakking snel is, kan het systeem gemakkelijk uiteenvallen als het gedesorganiseerd begint, maar zodra het samen is, is het moeilijk te verbreken omdat de verbindingen snel vervagen als ze niet constant worden versterkt door synchronisatie. Dit creëert een breed bereik aan omstandigheden waarbij het lot van het systeem wordt bepaald door zijn geschiedenis. Wanneer versterking snel is, bouwt het systeem verbindingen zo snel op dat zelfs een gedesorganiseerde groep gesynchroniseerd kan raken, waardoor het onderscheid tussen verschillende startpunten wordt uitgewist.

Dit onderzoek benadrukt dat geheugen in complexe netwerken een relationele eigenschap is. Het is niet genoeg om enkel sterke verbindingen of gesynchroniseerde ritmes in isolatie te hebben; de twee moeten op een specifieke manier georganiseerd zijn. De studie suggereert dat in elk adaptief systeem, van biologische neurale netwerken tot technische elektriciteitsnetten, de balans tussen hoe snel zaken groeien en hoe snel ze vervagen bepaalt of een systeem een verslag van zijn verleden kan bewaren. Als het verval van verbindingen snel is in verhouding tot de groei, wordt het systeem een bewaker van zijn geschiedenis, in staat om onderscheidende staten te handhaven die anders onmogelijk zouden zijn. Als groei domineert, wordt het systeem vloeibaar en vergeetachtig, reagerend op slechts het onmiddellijke heden. Het werk biedt een fundamenteel inzicht in hoe de eenvoudige regels van adaptatie de complexe, geheugenrijke gedragingen van de natuurlijke wereld vormgeven.