Stabilität und Anpassung im Gleichgewicht: Ein neuer Ansatz zum Verständnis komplexer Systeme 

Fragen wir in einer fremden Stadt nach dem Weg, speichert unser Arbeitsgedächtnis vorübergehend Informationen wie Abzweigungen oder Gebäude, denen wir in einer bestimmten Reihenfolge folgen müssen. Sobald das Ziel erreicht ist, vergessen wir diese Details wieder. Um diese Aufgabe zu erfüllen, stabilisieren neuronale Netzwerke in unserem Gehirn die Aktivität vorübergehend. So können wir uns an die notwendigen Informationen erinnern und dennoch schnell innerhalb der Sequenz wechseln.

Natürliche Dynamiken und Kipppunkte – die Herausforderung Vorhersage

Eine ähnliche Dynamik beobachten wir in der Ökologie, etwa bei gemischten Populationen von Mikroorganismen. Häufig dominiert über lange Zeit eine bestimmte Art und schafft so ein stabiles Gleichgewicht. Plötzlich – scheinbar ohne ersichtlichen Grund – gewinnt jedoch eine andere Art die Oberhand, was zum Rückgang der zuvor dominierenden Art führt. Solche Übergänge können sogar zum vollständigen Aussterben von Arten und zum Verlust biologischer Vielfalt führen. Um vorherzusagen, ob und wann ein solcher Kipppunkt eintritt, wird der Zeitraum vor der Veränderung analysiert: Bestand tatsächlich ein stabiler Zustand, oder handelte es sich lediglich um eine lange Übergangsphase? Dies herauszufinden ist nicht einfach, aber entscheidend, um Daten richtig zu interpretieren. Nur so lässt sich erkennen, ob ein wichtiges Ökosystem wie ein auf den ersten Blick gesund erscheinendes Korallenriff Gefahr läuft, in einen kranken, von Algen dominierten Zustand zu kippen.

Traditionelle Dynamikmodelle auf dem Prüfstand

Klassischerweise werden dynamische Zustände komplexer Systeme als Gleichgewichte beschrieben – stabile Zustände, zu denen das System nach kleinen Störungen zurückkehrt [2]. Dieses Konzept erklärt aber nicht hinreichend, wie es zu vorübergehender Stabilität oder schnellen Übergängen kommt. Unsere Forschenden haben daher ein neues mathematisches Konzept entwickelt: sogenannte ghost channels und ghost cycles ermöglichen es Systemen, vorübergehende Stabilität zu wahren, bevor sie schnell in neue Zustände übergehen [3]. Gemeinsam mit Kollegen und Kolleginnen der Universität Leicester und des Londoner King's College hat unser Team gezeigt, wie diese "Geisterobjekte" Stabilität und Veränderung miteinander in Einklang bringen. Sie entstehen in kritischen Phasen, wenn ein System an der Grenze zwischen zwei oder mehr verschiedenen Zuständen balanciert [4]. Eine solche Organisation ermöglicht es Systemen, qualitativ unterschiedliche Zustände zu nutzen und so zwischen gegensätzlichen Eigenschaften auszugleichen [5].Dieses neue Konzept erfasst die Eigenschaften von langen Übergängen in realen, verrauschten Systemen besser als bisherige. Akhilesh Nandan, einer der Autoren, erklärt: „Wenn wir das Konzept stabiler Gleichgewichte durch instabile Geisterobjekte ersetzen, spiegeln unsere Modelle wirklich das wider, was die Daten vieler natürlicher Systeme tatsächlich zeigen. Der Schlüssel zu unserem Erfolg war zunächst das Verständnis und die mathematische Charakterisierung dieser abstrakten Objekte.“

Anwendungen in der Natur und darüber hinaus

Eine spannende Implikation dieser Studie ist, dass Geisterobjekte eine Vielzahl von Prozessen in biologischen und natürlichen Systemen erklären können – vorausgesetzt, man weiß, worauf man achten muss. „Wir haben ghost-basierte Strukturen in Modellen identifiziert, die etwa bei zellulären Entscheidungsprozessen während der Entwicklung eine Rolle spielen, aber auch in Modellen von Kippkaskaden in Klimasystemen.. Letztere werden verwendet, um zu erforschen, wie das Kippen beispielsweise der Atlantischen Meridionalen Umwälzströmung (AMOC) die Dynamik anderer Klima-Subsysteme beeinflussen könnte.“ so Daniel Koch, Erstautor der Veröffentlichung. Die neuen Erkenntnisse eröffnen viele Perspektiven für die zukünftige Forschung – vom besseren theoretischen Verständnis der Verschlüsselung von Geruch oder Geschmack in neuronalen Netzwerken bis hin zu genaueren Vorhersagen von Veränderungen in Ökosystemen oder dem Klima.„Was uns besonders begeistert, ist das Potenzial dieses leistungsstarken theoretischen Rahmens für die biologische und künstliche Intelligenzforschung“, sagt Aneta Koseska, Leiterin der Lise-Meitner-Gruppe Zelluläre Komputationen und Lernen. „Wir haben bereits begonnen zu untersuchen, wie Geisterobjekte das Lernen in natürlichen und künstlichen neuronalen Netzwerken unterstützen können, und wie sie dazu beitragen können, die Herausforderungen des sogenannten katastrophalen Vergessens zu überwinden.“ Der neue Ansatz bietet ein vielversprechendes Fundament, um lange Übergangsphasen besser zu verstehen. Er zeigt die Grenzen bisheriger mathematischer Modelle auf und macht deutlich, wo deren Erweiterung notwendig ist, um offene Fragen zur Dynamik lebender, natürlicher und künstlicher Systeme zu beantworten.

Von natürlichen Systemen zu einzelnen Zellen

Aneta Koseska und ihr Team interessieren sich nicht nur für die Entwicklung komplexer natürlicher Systeme. Sie erforschen auch, ob und wie selbst einzelne Zellen in der Lage sind, von ihrer Umgebung zu lernen, sich an neue Bedingungen anzupassen und sogar zukünftige Ereignisse vorherzusagen. „Wir sind überzeugt, dass Zellen keine passiven Einheiten sind, die vorgefertigte Programme ausführen“, erklärt Koseska. „Sie besitzen ein eigenes Gedächtnis [5], verarbeiten aktiv Informationen und bilden Modelle ihrer Umgebung, um situationsabhängige Entscheidungen zu treffen – ähnlich wie beim Lernen.“ Um die faszinierenden Fähigkeiten dieser winzigen Einheiten des Lebens weiter zu erforschen, wurde das Team kürzlich mit einem renommierten ERC Synergy Grant in Höhe von 11,2 Millionen Euro ausgezeichnet. Gemeinsam mit Partnern der Universität Bonn, der Pompeu Fabra Universität in Barcelona und der Harvard Medical School in Boston wollen sie herausfinden, wie einzelne Zellen von ihrer komplexen und variablen Umwelt lernen – und wie sie ihre Reaktionen selbst steuern.

Literaturhinweise