آیا نظریه ریسمان رازهای مغز را حل میکند؟
به گزارش تیکاگو به نقل ازگجت نیوز
ارسال شده توسط: مهدی بارجین 04 اسفند 1404 ساعت 16:04
آیا نظریه ریسمان میتواند معمای پیچیده مغز انسان را حل کند؟ مقالهای جدید نشان میدهد ابزارهای ریاضی این نظریه، به درک شبکههای عصبی کمک میکنند.
پژوهشگران با بهکارگیری این روش، توانستهاند چگونگی سیمکشی شبکههای عصبی و ساختار بهینه آنها را مدلسازی کنند. این رویکرد جدید، دیدگاهی تازه به پیچیدگی مغز و سایر شبکههای فیزیکی ارائه میدهد.
نظریه ریسمان: پلی برای درک ساختار مغز
پژوهشی جدید که در نشریه نیچر منتشر شده، نشان میدهد که ریاضیات نظریه ریسمان میتواند به توضیح نحوه سیمکشی نورونهای مغز کمک کند. این یافته که در نگاه اول تعجبآور است، راهی نو برای مطالعه شبکههای فیزیکی از جمله رگهای خونی، شاخههای درختان و حتی لانههای مورچهها نیز گشوده است.
پروفسور آلبرت-لاسلو باراباشی از دانشگاه نورثایسترن، تاکید میکند که این مطالعه رابطه مستقیم و عمیقی بین خود نظریه ریسمان و علوم اعصاب ادعا نمیکند؛ بلکه نشان میدهد چگونه میتوان از ابزارهای ریاضی توسعهیافته در نظریه ریسمان برای توصیف بهتر سازماندهی شبکههای فیزیکی استفاده کرد.
بیشتر بخوانید
بهینهسازی شبکههای زیستی با حداقل سطح
به گفته باراباشی، شبکههای فیزیکی به دلیل هزینههای ساخت، خود را بهینه میکنند و هدف این بهینهسازی، رسیدن به حداقل مساحت سطح است. مدلسازی دقیق حداقلسازی سطح در شبکههایی مانند سیستم عروقی یا نورونها، یک چالش بزرگ ریاضی است. ژیانگی منگ، نویسنده اول مقاله، متوجه شد که این محاسبه پیچیده، شباهت زیادی به مسائلی دارد که نظریهپردازان ریسمان قبلاً برای آنها ابزارهای پیچیدهای توسعه دادهاند.
به طور خاص، نظریه میدان ریسمان بسته کوواریانت که توسط بارتون زویباخ در دهه ۱۹۸۰ معرفی شد، امکان محاسبه کارآمدترین و هموارترین سطوح را فراهم میکند و برخلاف روشهای کلاسیک، ضخامت نهایی لینکها را حفظ میکند. این ویژگی برای مدلسازی واقعیت سهبعدی شبکههای زیستی مانند نورونها که باید حجم خود را برای عملکرد حفظ کنند، ضروری است.
یافتههای مدل ریسمان و واکنش دانشمندان
تیم پژوهش، رویکرد خود را با اسکنهای سهبعدی با وضوح بالا از شبکههای فیزیکی، از جمله نورونها، رگهای خونی، شاخههای درختان و مرجانها، مورد آزمایش قرار داد. در هر مورد، مدل مبتنی بر نظریه ریسمان نتایج دقیقتری نسبت به پیشبینیهای کلاسیک ارائه داد، بهویژه در شبیهسازی تعداد و چینش شاخهها. باراباشی اشاره میکند که این رفتار در همه شبکههای فیزیکی مشاهده شده و مختص مغز نیست، که گام مهمی در درک مکانیزم سیمکشی این شبکهها به شمار میرود.
مایکل ویندینگ از موسسه فرانسیس کریک، این ایده که بهینهسازی بر اساس هزینه مساحت سطح، منطقیتر از طول سیم است را «بسیار جذاب» خواند. با این حال، ویجی بالاسوبرامانیان، نظریهپرداز ریسمان و بیوفیزیکدان از دانشگاه پنسیلوانیا، به یافتهها با تردید مینگرد. او این مطالعه را یک «پیشرفت حیاتی» نمیداند و ارتباط ادعایی با نظریه ریسمان را «نامتقاعدکننده» میخواند، اما اذعان دارد که تلاش برای به کارگیری اصول فیزیکی در درک شبکههای زیستی، به پژوهشها در بیوفیزیک و علوم اعصاب غنا میبخشد.
