Исследователи предложили «Memory Engine» — физическую модель, где система самоорганизуется с помощью внутренней «памяти»
В новом исследовании, опубликованном в журнале Physical Review E, представлена модель, в которой частицы самостоятельно выстраивают упорядоченные паттерны движения, оставляя следы на поверхности, работающие как «память» системы.
Исследовательская группа опубликовала важную научную работу в журнале Physical Review E под названием «Memory engine: Self-organized coherence from internal feedback». В ней представлена концепция «Memory Engine» — физической модели, объясняющей, как хаотичные системы могут самостоятельно упорядочиваться изнутри без внешнего управления.
В основе модели лежит концепция «памяти», возникающая в результате взаимодействия частиц с окружающей средой. Исследователи смоделировали ситуацию, в которой броуновская частица движется по вязкоупругой поверхности. Эта поверхность выступает не просто как пустое пространство, а фиксирует траекторию движения частицы в виде «поля памяти».
Механизм работает как простая, но мощная цепь обратной связи: когда частица движется, она оставляет след или изменяет свойства поверхности в этой области. Затем этот «записанный» след влияет на будущие движения самой частицы. Этот процесс описывается фреймворком Coupled Memory Graph Process (CMGP), в котором система не «забывает» свое прошлое (немарковский процесс).
Компьютерное моделирование показало удивительный результат: система переходит от случайной диффузии к упорядоченным циклическим паттернам, известным как «burst-trap cycles» — чередование быстрых рывков и кратковременных остановок. Ключевым фактором, управляющим этим переходом, является жесткость поверхности, выступающей в роли запоминающего устройства.
Эта модель может стать ключом к пониманию того, как сложные системы — от биологических клеток до сетей ИИ — способны создавать структуру и «учиться» на собственной истории без вмешательства извне.