หมวดหมู่: Simons Foundation

เมื่อการระบาดใหญ่เริ่มเร็วขึ้นในฤดูใบไม้ผลิปี 2020 Michelle Monje รู้สึกกังวล รายงานในช่วงแรกแสดงให้เห็นว่า SARS-CoV-2 เป็นไวรัสที่มีการอักเสบสูง กระตุ้นโมเลกุลภูมิคุ้มกันที่เรียกว่าไซโตไคน์ “นั่นไม่ใช่สิ่งที่ไวรัสทั่วไปทำ” Monje นักประสาทวิทยาจากมหาวิทยาลัยสแตนฟอร์ด ผู้ศึกษาการอักเสบของเส้นประสาทและการทำงานของสมองกล่าว เนื่องจากระดับการอักเสบนั้น “ฉันกังวลว่าแม้ในกรณีที่ไม่รุนแรง เราอาจเห็นความบกพร่องทางสติปัญญา”

ในไม่ช้าความกังวลของ Monje ก็หมดไป — ผู้ป่วยหลังโควิด-19 เริ่มส่งกระแสข้อมูลไปยังสำนักงานของนักประสาทวิทยา โดยบ่นถึงความเหนื่อยล้า ปัญหาเกี่ยวกับความจำ และความยากลำบากในการจดจ่อ ซึ่งเป็นกลุ่มอาการที่เราเชื่อมโยงกับโรคโควิด-19 เป็นเวลานาน สำหรับ Monje รูปแบบนี้ดูน่าตกใจเหมือนกับอาการเกี่ยวกับความรู้ความเข้าใจที่รายงานโดยผู้ป่วยโรคมะเร็งบางรายหลังการให้เคมีบำบัดที่เรียกว่าสมองคีโม การวิจัยโดย Monje และคนอื่น ๆ แสดงให้เห็นว่าการอักเสบของระบบประสาทเป็นตัวการสำคัญที่อยู่เบื้องหลังผลกระทบด้านความรู้ความเข้าใจของการรักษามะเร็ง และเธอสงสัยว่าสิ่งที่คล้ายกันนี้มีผลกับ COVID เป็นเวลานานหรือไม่ “ฉันรู้สึกว่ามันสำคัญที่จะเข้าใจรากฐานของโมเลกุลว่าความคล้ายคลึงกันคืออะไร” Monje กล่าว “ถ้าเกิดเรื่องเดียวกันหลายๆ อย่างขึ้น ก็คงจะดีถ้ารู้ เพราะเราทำงานมาหลายปีแล้วเพื่อหาทางเข้าไปแทรกแซง”

เนื่องจากการติดเชื้อ COVID ยังคงแพร่กระจายไปทั่วโลก จำนวนผู้ป่วยที่รายงานอาการ COVID ที่ยาวนานจึงเพิ่มสูงขึ้น การประมาณการความชุกนั้นแตกต่างกันไป ตั้งแต่ 5 ถึง 50 เปอร์เซ็นต์ เนื่องจากความแตกต่างของสายพันธุ์ ความรุนแรงของการติดเชื้อ และความไม่สอดคล้องกันในระยะเวลาที่กำหนดของ COVID แต่ด้วยจำนวนผู้ป่วยที่ติดเชื้อโควิด-19 ที่บันทึกไว้มากกว่า 600 ล้านราย แม้แต่การประมาณการที่ต่ำที่สุดก็ยังแสดงถึงจำนวนผู้คนจำนวนมาก อาการทางปัญญาเป็นองค์ประกอบทั่วไป ของ COVID ที่ยาวนาน การทบทวนอย่างเป็นระบบหนึ่งครั้งครอบคลุมผู้ป่วยเกือบ 10,000 รายประมาณการว่า ประมาณ 25 เปอร์เซ็นต์ของผู้คนประสบปัญหาด้านความรู้ความเข้าใจหลังจาก COVID แม้ว่าจะมีการติดเชื้อเล็กน้อยก็ตาม “ประเด็นด้านความรู้ความเข้าใจที่ผู้คนรายงานนั้นน่าทึ่ง และเรารู้เพียงเล็กน้อยเกี่ยวกับผลกระทบที่ยาวนาน” Natalie Tronson นักประสาทวิทยาแห่งมหาวิทยาลัยมิชิแกนกล่าว “มีช่วงพักฟื้นหรือไม่? จะดำเนินต่อไปหรือไม่? มันจะแย่ลงไหม”

การวิจัยเบื้องต้นเกี่ยวกับแบบจำลองสัตว์ของโควิด-19 เป็นเวลานาน ชี้ให้เห็นถึงปัญหาเกี่ยวกับระบบภูมิคุ้มกันของสมองและปริมาณเลือด ซึ่งทั้งสองอย่างนี้ลดลงตามอายุและโรคทางระบบประสาท นักวิทยาศาสตร์ที่กำลังศึกษาเรื่องอายุมีความกังวลเป็นพิเศษ โดยสงสัยว่าปัจจัยเสี่ยงต่างๆ เหล่านี้จะมาบรรจบกันในสมองในผู้สูงวัยที่ฟื้นตัวจากโควิดในปัจจุบันและในคนอายุน้อยกว่าในทศวรรษหน้าได้อย่างไร Sarah Lutz นักประสาทวิทยาจากมหาวิทยาลัยอิลลินอยส์ชิคาโกกล่าวว่า “เป็นเรื่องสำคัญอย่างยิ่งที่จะต้องเข้าใจว่ากระบวนการชราภาพตามธรรมชาตินั้นเร่งหรือถูกรบกวนจากการติดเชื้อได้อย่างไร โดยเฉพาะอย่างยิ่งผลที่ตามมาของภูมิคุ้มกัน “10, 20, 30 ปีจากนี้ไป การแตกสาขาที่เป็นไปได้สำหรับผู้ที่พบ COVID หรือ COVID เป็นเวลานาน เนื่องจากคนหนุ่มสาวยังไม่เป็นที่ทราบและอาจมีขนาดใหญ่มาก”

ผลกระทบของไวรัส

เรายังรู้เพียงเล็กน้อยเกี่ยวกับสิ่งที่เกิดขึ้นในสมองมนุษย์หลังโควิด-19 การศึกษาการชันสูตรพลิกศพของผู้ป่วยที่เสียชีวิตด้วยหรือจากการติดเชื้อแสดงให้เห็นหลอดเลือดที่กำลังจะตายและสัญญาณของการอักเสบของระบบ ประสาท อย่างรุนแรงและ การหยุดชะงักของอุปสรรคในเลือดและสมอง ซึ่งควบคุมว่าโมเลกุลใดเคลื่อนที่ระหว่างเลือดกับสมอง ในขณะที่ให้ความกระจ่าง การศึกษาเหล่านี้มีจำนวนน้อยและมักเบ้ไปสู่กรณีที่รุนแรง ทำให้ยากต่อการประเมินว่าการค้นพบนี้นำไปใช้ในวงกว้างเพียงใด แต่หลักฐานที่เพิ่มขึ้นแสดงให้เห็นว่าโรคทางระบบประสาทที่เกี่ยวข้องกับโควิดนั้นแพร่หลายมากขึ้น Lutz กล่าว ผู้ป่วยโรคโควิดที่มีอาการทางระบบประสาทมี ไซโตไคน์อักเสบในน้ำไขสันหลัง แม้ว่าจะมีหลักฐานการติดเชื้อเซลล์สมองค่อนข้างน้อย และการ ศึกษาภาพสมองในขนาดใหญ่ ของผู้เข้าร่วมใน UK Biobank พบว่าการทำงานของการรับรู้ของบุคคลลดลงเล็กน้อยแต่มีนัยสำคัญหลังการติดเชื้อ เช่นเดียวกับการลดขนาดสมองโดยรวมและความหนาของสสารสีเทาในบางภูมิภาค เมื่อเทียบกับกลุ่มควบคุม

การศึกษาโดยใช้ข้อมูลจาก UK Biobank พบว่าบริเวณเฉพาะของสสารสีเทาในสมองหดตัวหลังจากติดเชื้อโควิด Douaud et al Nature, 2022.

จากการเกิดขึ้นล่าสุดของ SARS-CoV-2 ยังไม่เป็นที่แน่ชัดว่าอาการทางระบบประสาทจะยังคงอยู่หรือนานแค่ไหน แต่การวิจัยก่อนหน้านี้เกี่ยวกับไวรัสอื่น ๆ แสดงให้เห็นว่า การติดเชื้ออาจมีผลในระยะยาว เปลี่ยนแปลงวิธีที่ระบบภูมิคุ้มกันของสมองตอบสนองต่อการดูหมิ่นในทศวรรษต่อมา คนจำนวนเล็กน้อยที่ได้รับไวรัส Epstein-Barr เช่น ซึ่งเป็นสาเหตุของโรคโมโนนิวคลีโอซิส จะพัฒนาโรคปลอกประสาทเสื่อมแข็งได้ในภายหลัง การศึกษาทางระบาดวิทยาในวงกว้างยิ่งขึ้นแนะนำว่ายิ่งมีความท้าทายด้านภูมิคุ้มกันมากขึ้นในวัยกลางคน เช่น ไข้หวัดใหญ่ตามฤดูกาล ความเสี่ยงต่อภาวะสมองเสื่อมในภายหลังก็ จะสูงขึ้น

หลักฐานเบื้องต้นบ่งชี้ว่าเป็นความจริงสำหรับ COVID เช่นกัน การศึกษาประชากร 3 ล้านคนในเดนมาร์ก พบว่าผู้ที่ติดเชื้อโควิดหรือไข้หวัดใหญ่มีความเสี่ยงสูงที่จะเป็นโรคอัลไซเมอร์หรือพาร์กินสัน และจากการวิเคราะห์ข้อมูลสุขภาพมากกว่า 1 ล้านรายการ ที่เผยแพร่ใน The Lancet เมื่อเดือนสิงหาคม พบว่าผู้คนมี ความเสี่ยง ที่จะเป็นโรคสมองเสื่อม ฝ้าในสมอง และปัญหาอื่นๆ มากขึ้นเป็นเวลา 2 ปีหลังโควิด-19 เมื่อเทียบกับผู้ที่มีระบบทางเดินหายใจแบบอื่น โรคภัยไข้เจ็บ

เช่นเดียวกับการวิจัยทางระบาดวิทยาจำนวนมาก การศึกษาประชากรเกี่ยวกับผลกระทบด้านความรู้ความเข้าใจในระยะยาวของการติดเชื้ออาจตีความได้ยาก แบบจำลองสัตว์เสนอวิธีการสำรวจโดยตรงมากขึ้นเกี่ยวกับรากฐานของโมเลกุลและเซลล์ของปัญหาเรื้อรังเหล่านี้ การวิจัยเกี่ยวกับไวรัสที่พัฒนาแล้วดีขึ้นกำลังเริ่มให้ภาพว่าการติดเชื้อรอบข้างสามารถกระตุ้นการเสื่อมของความรู้ความเข้าใจได้อย่างไร เซลล์ภูมิคุ้มกันจะปล่อยไซโตไคน์ที่ไหลเวียนอยู่ในเลือด คัดเลือกเซลล์ภูมิคุ้มกันไปยังบริเวณที่เกิดการบาดเจ็บหรือติดเชื้อ สัญญาณเหล่านี้ส่งผลต่อระบบหลอดเลือดในสมองและสามารถ ขัดขวางการกั้นเลือดและสมอง ทำให้เกิดการตอบสนองทางภูมิคุ้มกันในสมอง ในทางกลับกันสามารถทำให้เกิดการเปลี่ยนแปลงในพลาสติก synaptic และ neurogenesis ซึ่งทั้งหมดนี้ส่งผลต่อการทำงานขององค์ความรู้ Beth Stevens นักประสาทวิทยาจาก Boston Children’s กล่าวว่า “มีข้อมูลมากขึ้นเรื่อยๆ ที่สนับสนุนแนวคิดที่ว่าสำหรับการติดเชื้อจำนวนมาก แม้ว่าจะหายแล้วก็ตาม ก็ยังมีผลที่ตามมาในระยะยาวในสมองและระบบประสาทที่อาจอาศัยเซลล์ภูมิคุ้มกันเป็นตัวกลาง” โรงพยาบาลและผู้ตรวจสอบกับ Simons Collaboration on Plasticity and the Aging Brain

ล้างหมอก

ผลงานล่าสุดของ Monje ที่ตีพิมพ์ใน Cell ในเดือนกรกฎาคม กำลังช่วยเปิดเผย neuroimmune และกระบวนการอื่นๆ ที่อาจมาพร้อมกับ COVID ที่ยาวนาน การศึกษาได้รับคำแนะนำจากความพยายามครั้งก่อนของ Monje ในการแกะกลไกระดับโมเลกุลที่อยู่ภายใต้สมองของคีโม ซึ่งแสดงให้เห็นว่าเคมีบำบัดสามารถมีผลกระทบมากมายต่อระบบภูมิคุ้มกันของสมอง ซึ่งรวมถึงเซลล์ภูมิคุ้มกันที่เรียกว่า microglia ซึ่งสามารถเปลี่ยนแปลงวงจรประสาทได้ ในสมองที่แข็งแรง microglia ช่วยมีแนวโน้มที่จะวงจรประสาท แต่เมื่อสัมผัสได้ถึงการติดเชื้อหรือความท้าทายอื่นๆ ไมโครเกลียจะเข้าสู่สถานะปฏิกิริยาที่ออกแบบมาเพื่อหยุดการแพร่กระจายของเชื้อโรค บางครั้ง microglia ที่ทำปฏิกิริยาสามารถเบี่ยงเบนการควบคุมได้ ทำให้เกิดผลกระทบที่ปลายน้ำที่เป็นอันตราย — ทำลายการสร้างเซลล์ประสาท กระตุ้นปฏิกิริยา astrocyte และทำร้าย oligodendrocytes ซึ่งทั้งหมดนี้จำเป็นสำหรับการทำงานของวงจรประสาทที่ดี

เพื่อทำความเข้าใจว่าปัจจัยที่คล้ายคลึงกันมีผลกับโรคโควิด-19 ในระยะยาวหรือไม่ Monje และผู้ทำงานร่วมกันได้ศึกษาหนูที่ได้รับการออกแบบมาเพื่อขนส่งตัวรับในมนุษย์ซึ่ง SARS-CoV-2 ใช้ในการแพร่เชื้อในเซลล์ ตัวรับจะแสดงออกมาในเนื้อเยื่อของระบบทางเดินหายใจเท่านั้น ดังนั้นนักวิจัยจึงสามารถประเมินผลกระทบทางระบบประสาทของการติดเชื้อ COVID ในระบบทางเดินหายใจที่ไม่รุนแรงได้ สัตว์เหล่านี้มีอาการเล็กน้อยและไม่ลดน้ำหนัก ทำให้การติดเชื้อหายไปภายในเวลาประมาณหนึ่งสัปดาห์ แต่เจ็ดสัปดาห์ต่อมา หนูมีอาการอักเสบในสมอง รวมทั้งไมโครเกลียที่เกิดปฏิกิริยาในสมองส่วนฮิปโปแคมปัส ซึ่งเป็นบริเวณสมองที่จำเป็นสำหรับการเรียนรู้และความจำ สัตว์หลังโควิด-19 มี neurogenesis ในระดับที่ต่ำกว่าในฮิบโปแคมปัส เช่นเดียวกับ oligodendrocytes น้อยลง ซึ่งเป็นเซลล์ที่ให้แอกซอนที่มีปลอกไมอีลินของพวกมัน แอกซอนประมาณ 10 เปอร์เซ็นต์สูญเสียไมอีลินไป Monje กล่าว ซึ่งอาจส่งผลต่อการรับรู้อย่างลึกซึ้ง (การศึกษาด้วยภาพของมนุษย์ยังแนะนำว่าผู้ที่ติดเชื้อ COVID มี ความผิดปกติ ใน เรื่องสีขาว ) สัตว์เหล่านี้ยังมีระดับของไซโตไคน์ที่เรียกว่า CCL11 ที่สูงขึ้น ซึ่งจะ เพิ่มขึ้นตามอายุ “ฉันคิดว่า neuroinfIamment นี้เป็นศูนย์กลางของสิ่งที่ผิดพลาด” Monje กล่าว “การติดเชื้อทางเดินหายใจส่วนปลายแม้ไม่รุนแรงทำให้เกิดการตอบสนองของระบบประสาทที่ทำให้ homeostasis ของ myelin และ myelin กลายเป็นพลาสติกเช่นเดียวกับการสร้างเซลล์ประสาทของ hippocampal ซึ่งสามารถนำไปสู่ความบกพร่องในการทำงานขององค์ความรู้ได้”

การติดเชื้อโควิด (ขวา) ช่วยลดการสร้างเซลล์ประสาทในฮิบโปแคมปัส Fernández-Castañeda และคณะ เซลล์ 2022

เจ็ดสัปดาห์หลังการติดเชื้อโควิด (ขวา) หนูแสดงสัญญาณของการกระตุ้นไมโครเกลีย (สีขาวและสีม่วงแดง) ใน corpus callosum เมื่อเทียบกับกลุ่มควบคุม Fernández-Castañeda และคณะ เซลล์ 2022

คำถามสำคัญข้อหนึ่งคือ พฤติกรรมของ COVID เป็นเรื่องปกติของการติดเชื้อไวรัสหรือไม่ หรือทำให้เกิดปัญหาทางระบบประสาทเรื้อรังมากขึ้นหรือไม่ มีการเปรียบเทียบโดยตรงระหว่าง SARS-CoV-2 กับไวรัสอื่นๆ น้อยมาก ดังนั้นจึงยังไม่เป็นที่แน่ชัดว่าไวรัสกระตุ้นปฏิกิริยาภูมิคุ้มกันระยะยาวที่แตกต่างกันโดยพื้นฐานหรือไม่ “จากข้อมูลที่เรามีตอนนี้ เราไม่ทราบว่าเชื้อโรคจำเพาะกระตุ้นสัญญาณต่างๆ ในสมองหรือมาบรรจบกันบนเส้นทางไซโตไคน์ที่ทำให้เกิดการอักเสบทั่วไป” สตีเวนส์กล่าว “วิธีเดียวที่จะรู้คือการศึกษาเปรียบเทียบ”

การศึกษาของ Monje เริ่มต้นจากคำถามนี้โดยการเปรียบเทียบการติดเชื้อ coronavirus กับไข้หวัดใหญ่ H1N1 ซึ่งเป็นไข้หวัดใหญ่รุ่นที่ค่อนข้างไม่รุนแรงสำหรับหนู งานของเธอเผยให้เห็นความคล้ายคลึงและความแตกต่างบางอย่าง หนูหลังไข้หวัดใหญ่ยังแสดงปฏิกิริยาของ microglia และการสูญเสีย oligodendrocytes ในบริเวณ subcortical ของสมอง แต่ผลกระทบเหล่านั้นเป็นเพียงชั่วคราว อย่างไรก็ตาม ในฮิบโปแคมปัส การเกิดปฏิกิริยาของไมโครเกลียยังคงมีอยู่ เช่นเดียวกับการสูญเสียการสร้างเซลล์ประสาทและระดับ CCL11 ที่สูงขึ้น ซึ่งคล้ายกับรูปแบบในหนูทดลองโควิด

Monje สงสัยว่าสิ่งที่พวกเขาค้นพบเกี่ยวกับผลกระทบทางระบบประสาทในระยะยาวของ COVID จะเกี่ยวข้องกับความชรา ตัวอย่างเช่น Microglia สามารถมีปฏิกิริยาตอบสนองมากขึ้นตามอายุและวัยชรามากขึ้นและการเปลี่ยนแปลงทั้งสองนี้สามารถเพิ่มการอักเสบทำให้สมองมีความเสี่ยงมากขึ้น (ดูข้อมูลเพิ่มเติมได้ใน “ ในเซลล์ชราภาพ เส้นทางแห่งความหวังในการชะลอความชราของสมอง ”) Monje และผู้ทำงานร่วมกันวางแผนที่จะพิจารณาว่าอายุมีอิทธิพลต่อปฏิกิริยาของไมโครเกลียและสัญญาณการอักเสบอื่นๆ อย่างไร รวมถึงการดูหมิ่นภูมิคุ้มกันในวัยเด็กที่อาจจูงใจสัตว์ได้อย่างไร สู่ประเด็นต่อมา นักวิจัยยังจะสำรวจด้วยว่าการติดเชื้อ COVID อาจเพิ่มความเสี่ยงต่อภาวะสมองเสื่อมและ ความรู้ความเข้าใจเสื่อมถอย ได้อย่างไร โดยการประเมินว่าจะเปลี่ยนแปลงการเริ่มมีอาการของระบบประสาทและปัญหาด้านความรู้ความเข้าใจในรูปแบบเมาส์ของโรคอัลไซเมอร์ได้อย่างไร

ความชราและการติดเชื้อ

โรคปลอกประสาทเสื่อมแข็ง (Multiple sclerosis) แสดงให้เห็นตัวอย่างที่ชัดเจนว่าอายุและการติดเชื้อก่อนหน้านั้นสามารถโต้ตอบกันได้อย่างไร “วิธีที่ผู้ป่วยโรค MS อายุนั้นแตกต่างจากอายุของคนอื่น” Lutz กล่าว “มีการซ้อนทับของการอักเสบเรื้อรังที่เกิดขึ้นพร้อมกับกระบวนการปกติของวัย” ลุตซ์เคยทำงานเกี่ยวกับโรค MS มาก่อน และความคล้ายคลึงที่เห็นได้ชัดของโควิดเป็นแรงบันดาลใจให้เธอสำรวจว่าอายุส่งผลต่อผลทางระบบประสาทของโควิดอย่างไร “โดยเฉพาะอย่างยิ่ง เรารู้สึกทึ่งกับความจริงที่ว่ามีเซลล์ภูมิคุ้มกันเข้าสู่สมองของผู้ป่วยโควิด-19 ในลักษณะที่ชวนให้นึกถึงโรคประสาทอักเสบเฉียบพลัน” เธอกล่าว

การศึกษาของ Lutz มุ่งเน้นไปที่ส่วนกั้นเลือดและสมองซึ่งมีส่วนเกี่ยวข้องกับอายุและการติดเชื้อ การวิจัยก่อนหน้านี้แสดงให้เห็นว่าอุปสรรคในเลือดและสมองสามารถสลายไปตามอายุ ทำให้เซลล์ภูมิคุ้มกันเข้าสู่สมองและตั้งหลักสำหรับการอักเสบของเส้นประสาท (ดูข้อมูลเพิ่มเติมได้ในหัวข้อ “ การค้นหาเคล็ดลับว่าเลือดจะคืนความอ่อนเยาว์ให้กับสมอง อย่างไร”) การศึกษาทางพยาธิวิทยาในระยะเริ่มต้นของโควิดยัง ชี้ไปที่กำแพงกั้นเลือดและสมอง โดยสังเกตสัญญาณของการอักเสบในหลอดเลือดของสมอง

Lutz และผู้ทำงานร่วมกันพบว่าหนูที่ติดเชื้อ SARS-CoV-2 เวอร์ชันที่ดัดแปลงจากเมาส์มีผลกับอายุมาก สัตว์เล็กฟื้นตัวหลังจากผ่านไปสองสามวัน โดยแสดงความเสียหายของหลอดเลือดสมองและความจำเสื่อม อย่างไรก็ตามในหนูวัยกลางคน “ทุกอย่างแย่ลงและแตกต่างออกไป” Lutz กล่าว จากการ วิจัย ที่โพสต์บน bioRxiv ในเดือนมิถุนายน หนูที่ติดเชื้อโควิด-19 รุ่นเก่ามีการอักเสบของหลอดเลือดในสมองอย่างรุนแรงและมีสัญญาณของการถดถอยของหลอดเลือด ซึ่งเกิดขึ้นเมื่อหลอดเลือดสูญเสียเซลล์บุผนังหลอดเลือดที่เกาะติดกัน ซึ่งทำให้หลอดเลือดไม่สามารถขนส่งโมเลกุลที่เป็นประโยชน์ไปยังสมองได้

เช่นเดียวกับคนที่ติดเชื้อโควิด หนูแสดงโปรตีนในเลือดในสมองและการสูญเสียเซลล์บุผนังหลอดเลือดในสมอง ซึ่งทั้งสองอย่างนี้แย่กว่าในหนูวัยกลางคนอย่างมีนัยสำคัญมากกว่าในหนูอายุน้อย Lutz กล่าว นอกจากปัญหาด้านความจำแล้ว หนูที่มีอายุมากกว่าที่ติดเชื้อโควิดยังแสดงอาการวิตกกังวลและพฤติกรรมซ้ำๆ เช่น การดูแลตัวเองมากเกินไป Lutz คาดการณ์ว่าสัตว์วัยกลางคนมีอาการแย่ลงเพราะหลอดเลือดของพวกมันมีความยืดหยุ่นน้อยกว่า “เมื่อมีการติดเชื้อ สมองในวัยชราจะไม่ค่อยพร้อมที่จะตอบสนองและมีผลลัพธ์ที่แย่ลง” เธอกล่าว

สิ่งที่เกิดขึ้นในหนูตัวเก่ายังคงเป็นคำถามเปิดอยู่ การศึกษาของ Lutz เปรียบเทียบหนูอายุน้อยและวัยกลางคน โดยเน้นที่วัยกลางคนส่วนหนึ่งเนื่องจากการสังเกตทางคลินิกว่าผู้หญิงในวัย 30 และ 40 ปีมีแนวโน้มที่จะเป็นโรคสมองเสื่อมหลังโควิด-19 “มันยังไม่ทราบแน่ชัดว่าสิ่งเหล่านี้เปลี่ยนแปลงไปอย่างไรในยุคขั้นสูง” ลัทซ์กล่าว “เราคาดการณ์ว่าสิ่งที่เราเห็นรุนแรงขึ้นในวัยกลางคนจะยิ่งทำให้สัตว์แก่มากขึ้นไปอีก” ทีมงานของเธอหวังว่าจะได้ดูสัตว์ที่แก่กว่า และดูว่าสัตว์ที่ติดเชื้อในแต่ละช่วงอายุเป็นอย่างไรเมื่อเวลาผ่านไป

ทศวรรษต่อมา

การศึกษาของ Lutz และการศึกษาอื่นๆ เน้นว่าอายุสามารถทำให้ผลลัพธ์ของ COVID แย่ลงได้อย่างไร แต่หลังจากติดเชื้อมาหลายสิบปีล่ะ? ซึ่งแตกต่างจากเซลล์ภูมิคุ้มกันส่วนปลาย microglia สามารถมีชีวิตอยู่ได้หลายเดือนหรือหลายปี ซึ่งหมายความว่าการเปลี่ยนแปลงใดๆ ที่พวกเขาพบตั้งแต่เนิ่นๆ สามารถคงอยู่ได้เมื่อเวลาผ่านไป การวิจัยก่อนหน้านี้แสดงให้เห็นว่า microglia สามารถมีหน่วยความจำที่ยาวนานได้ ในงานวิจัย ที่ตีพิมพ์ใน Nature ในปี 2018 Jonas Neher นักประสาทวิทยาจาก German Center for Neurodegenerative Diseases ในเมืองทูบิงเงน และผู้ทำงานร่วมกันพบว่าหนูที่ได้รับการบำบัดด้วยสารที่ก่อให้เกิดการอักเสบได้แสดงการเปลี่ยนแปลงของอีพีเจเนติกในไมโครเกลียในสมองของพวกเขามากกว่าหกเดือนต่อมา เทียบเท่ากับประมาณ 20 ถึง 25 ปีมนุษย์ การเปลี่ยนแปลงของอีพีเจเนติกส์เหล่านี้เปลี่ยนแปลงทั้งการแสดงออกของยีนและพฤติกรรมของเซลล์ และในทางกลับกันก็มีอิทธิพลต่อการที่ไมโครเกลียตอบสนองต่อพยาธิสภาพที่กำลังพัฒนาในสมอง ในรูปแบบเมาส์ของโรคอัลไซเมอร์ การอักเสบในวัยกลางคนช่วยเพิ่มระดับเบต้า-อะไมลอยด์ในสมอง Neher กล่าวว่า “ปกติแล้ว microglia จะกินอะไรก็ได้ที่ไม่ควรมีอยู่ เช่น มวลรวมของ amyloid-beta “แต่การตั้งโปรแกรมใหม่ในช่วงต้นได้เปลี่ยนจาก phagocytic นี้เป็นกิจกรรมที่ทำให้เกิดการอักเสบมากขึ้น”

Tronson และผู้ทำงานร่วมกันใช้แบบจำลองที่คล้ายคลึงกันเพื่อศึกษาผลกระทบด้านความรู้ความเข้าใจในระยะยาวของการอักเสบในหนู ทีมงานของเธอพบว่าในช่วงวัยกลางคน สองเดือนหลังจากการท้าทายภูมิคุ้มกัน สัตว์เริ่มแสดง ความจำเสื่อม พวกเขายังแสดงให้เห็น การเปลี่ยนแปลงในการแสดงออกของยีนที่ เกี่ยวข้องกับการปั้น synaptic และการทำงานของ neuroimmune ในฮิบโป

เมื่อ Tronson เริ่มได้ยินรายงานเกี่ยวกับ COVID ที่ยาวนาน โดยเฉพาะอย่างยิ่งความบกพร่องทางความจำ เธอเริ่มปรับโปรโตคอลของพวกเขาให้ใกล้เคียงกับรูปแบบการอักเสบที่ตามมาของ COVID มากขึ้น “นี่ไม่ใช่โควิด ไม่ใช่การติดเชื้อไวรัส” Tronson กล่าว “นั่นเป็นข้อได้เปรียบเพราะเราสามารถเริ่มแยกผลกระทบของไวรัสและผลการอักเสบของไวรัสได้” Tronson และผู้ทำงานร่วมกันกำลังมองหาผลกระทบของความท้าทายทางภูมิคุ้มกันในสมองหลายเดือนต่อมาโดยการประเมินการเปลี่ยนแปลงในการแสดงออกของยีนและโปรตีน การทำงานของซินแนปติก การทำงานของภูมิคุ้มกันบกพร่อง และความจำในช่วงหลายเดือน

Tronson, Lutz, Monje และคนอื่นๆ หวังว่าความพยายามของพวกเขาในการแยกผลการอักเสบของระบบประสาทในระยะยาวของ COVID จะสร้างแรงบันดาลใจในการป้องกันและรักษามัน การอักเสบที่ลุกลามทำให้เกิดการอักเสบเป็นแนวทางหนึ่งที่เป็นไปได้ในการซ่อมแซม “ในระดับพื้นฐาน เป็นไปได้ที่จะระงับการตอบสนองของภูมิคุ้มกันที่เพิ่มขึ้น” Neher กล่าว “การส่งสัญญาณของโมเลกุลที่ทำให้ระบบภูมิคุ้มกันอ่อนแอลงอาจทำให้เกิดการเปลี่ยนแปลงที่ป้องกันไม่ให้เซลล์ภูมิคุ้มกันทำปฏิกิริยามากเกินไป” งานของ Monje เกี่ยวกับสมองของคีโมได้แสดงให้เห็นว่าการช่วยเหลือ microglia โดยการทำลายหรือรีเซ็ตรูปแบบที่เป็นอันตรายของเซลล์ช่วยฟื้นฟูการทำงานของเซลล์และองค์ความรู้

Lutz และผู้ทำงานร่วมกันได้ระบุเป้าหมายที่เป็นไปได้อีกประการหนึ่ง นั่นคือเส้นทาง WNT/β-catenin ซึ่งมีบทบาทในการเพิ่มจำนวนเซลล์และกระบวนการอื่นๆ “เราและคนอื่น ๆ ได้แสดงให้เห็นว่าถ้าคุณเพิ่มสัญญาณ WNT / β-catenin ในเซลล์บุผนังหลอดเลือดสมองก็สามารถช่วยเหลือหรือปรับปรุงการอักเสบและโรคหลอดเลือดในสมองได้” Lutz กล่าว “ถ้าคุณปิดกั้นเส้นทางนี้ พยาธิวิทยาจะแย่กว่ามาก” ในการศึกษาโควิด ทีมของ Lutz พบว่าหนูอายุน้อยดูเหมือนจะกระตุ้นเส้นทางนี้เพื่อตอบสนองต่อการติดเชื้อ แต่หนูวัยกลางคนไม่ได้ทำเช่นนั้น นักวิจัยยังไม่ทราบว่ารูปแบบที่คล้ายกันนี้เกิดขึ้นในผู้ป่วยโควิดหรือไม่

แม้ว่านักวิจัยจะมีความก้าวหน้าอย่างมากในช่วงสองปีครึ่งที่ผ่านมา แต่ก็ยังมีคำถามที่สำคัญอีกมากมาย ยังไม่เป็นที่แน่ชัดว่าอัตราการติดเชื้อไวรัสโควิด-19 แตกต่างกับไวรัสสายพันธุ์ต่างๆ นานแค่ไหน หรือการฉีดวัคซีนป้องกันปัญหาเรื้อรังหรือความเสี่ยงต่อโรคในอนาคตได้ในระดับใด ประมาณการ ว่าการฉีดวัคซีนช่วยลดความเสี่ยงของการเกิดโรคโควิด-19 ได้ยาวนานมากน้อยเพียงใด และไม่สูงอย่างที่หลายคนคาดไว้

ยังไม่ชัดเจนว่าเหตุใดมีเพียงบางคนเท่านั้นที่อ่อนแอต่อโรคโควิด-19 ในระยะยาว และมีเพียงกลุ่มย่อยเท่านั้นที่อาจได้รับผลกระทบในระยะยาวหรือไม่ “อะไรทำให้คนบางกลุ่มเปราะบางมากขึ้น?” สตีเวนส์กล่าว “มีกรอบเวลาแห่งเวลาในการพัฒนาหรือในสมองที่แก่ชราหรือไม่ เช่นเดียวกับ Epstein-Barr และ MS อาจกลายเป็นว่ามีผู้ป่วย COVID เพียงไม่กี่เปอร์เซ็นต์เท่านั้นที่เสี่ยงต่อการเสื่อมความรู้ความเข้าใจในระยะยาว “ผมไม่คิดว่าทุกคนที่ติดเชื้อโควิดจะจบลงด้วยโรคอัลไซเมอร์” ทรอนสันกล่าว “อะไรส่งเสริมความยืดหยุ่นและปัจจัยเสี่ยงที่อาจเกิดขึ้นคืออะไร”

ด้วยอากาศที่สูงมาก จึงเป็นเรื่องยากที่จะรู้ว่าความเสี่ยงที่อาจเกิดขึ้นเหล่านี้ควรส่งผลต่อความพยายามด้านสาธารณสุขอย่างไร “เราอยู่ในสถานการณ์ที่ยากลำบาก” สตีเวนส์กล่าว “หลายคนไม่จริงจังกับโควิด แต่โควิดจะไม่หายไปนาน เราต้องคิดถึงผลกระทบเรื้อรังที่อาจส่งผลเสียต่ออนาคตของผู้คน”

ไส้เดือนฝอยไม่ชอบให้ใครจับ การสะกิดจะส่งตัวหนอนที่เลื้อยไปข้างหลัง ให้ห่างจากการสะกิดที่น่ารำคาญ นอกเสียจากว่านั่นคือหนอนอยู่ในระหว่างการหมุนเมื่อมันถูกแหย่ แอนดรูว์ ไลเฟอร์ นักประสาทวิทยาจากมหาวิทยาลัยพรินซ์ตัน และผู้วิจัยกล่าวว่า “อย่างไรก็ตาม การเลี้ยวกลับทำให้หนอนเปลี่ยนแปลงวิธีที่มันตอบสนองต่อสิ่งเร้าสำคัญนี้ แต่เราไม่รู้ว่าการคำนวณนี้มีผลอย่างไรในสมอง” Simons Collaboration เกี่ยวกับ Global Brain

แม้จะมีการทำแผนที่คอนเนกโตมที่สมบูรณ์ซึ่งทำแผนที่เซลล์ประสาทและไซแนปส์ทุกเซลล์ในสมอง ซีน อร์ฮับดิติส เอเลแกนส์ ไลเฟอร์และผู้ทำงานร่วมกันยังคงพยายามทำความเข้าใจว่าระบบสัมผัสและการหมุนของหนอนมีปฏิสัมพันธ์กันอย่างไร “เมื่อคุณเริ่มติดตามว่าวงจรเหล่านี้มาบรรจบกันที่ใด คุณจะจบลงด้วยการเชื่อมต่อทางกายวิภาคที่หนาแน่น และยังไม่ชัดเจนว่าเส้นทางใดมีความเกี่ยวข้องมากที่สุด หรือสัญญาณเคลื่อนที่ผ่านพวกมันอย่างไร” Leifer กล่าว

เมื่อเวลาผ่านไป ทีมงานพบว่าตัวเองถึงขีดจำกัดที่ใกล้เคียงกันสำหรับแต่ละวงจรที่พวกเขาสำรวจ “ในที่สุดเราก็ตระหนักว่าทุกคนในสนามประสบปัญหาเดียวกันนี้: Connectome แสดงกลไกวงจรสมมุติ แต่การสังเกตว่าข้อมูลไหลผ่านเครือข่ายอย่างไรตรงไปตรงมาน้อยกว่ามาก” Leifer กล่าว “ในที่สุดเราก็คิดว่า: ทำไมเราไม่ลองวัดการเชื่อมต่อการทำงานทั้งหมดผ่านสมองและจัดหาทรัพยากรที่สามารถใช้ได้ในลักษณะเดียวกับการใช้คอนเนกโทมเชิงโครงสร้าง”

นำโดย postdoc Francesco Randi ทีมงานได้เปิดตัวความพยายามอย่างมากในการกระตุ้นเซลล์ประสาท 302 เซลล์ในสมอง C. elegans ในขณะเดียวกันก็ถ่ายภาพการตอบสนองของเซลล์ประสาทอื่น ๆ ทั้งหมด Atlas การเชื่อมต่อการทำงาน ที่เป็นผลลัพธ์ ซึ่งโพสต์บน arXiv ในเดือนสิงหาคม อธิบายการเชื่อมต่อที่ใช้งานได้ผ่านคู่เซลล์ประสาทมากกว่า 10,000 คู่ ซึ่งหลายคู่ถูกตรวจพบเป็นครั้งแรก

หนึ่งในการเชื่อมต่อที่ไม่เคยเห็นมาก่อนเหล่านี้เกิดขึ้นระหว่างเซลล์ประสาทจากวงจรการหมุนและการสัมผัส ปรากฎว่าเซลล์ประสาทหนึ่งยับยั้งอีกเซลล์หนึ่งแม้ว่าจะไม่มีไซแนปส์โดยตรงระหว่างพวกมัน ในทางกลับกัน การยับยั้งนี้เป็นผลมาจากการเชื่อมต่อทางอ้อมหรือที่ ‘มีประสิทธิผล’ ซึ่งมองไม่เห็นบนแผนที่กายวิภาค “ก่อนการทดลองนี้ เราไม่รู้ด้วยซ้ำว่ามีความเชื่อมโยงอยู่ และตอนนี้ก็ทำให้เราเข้าใจเรื่องการประสานงานการเคลื่อนไหว” Leifer กล่าว “ตอนนี้เรารู้สึกตื่นเต้นที่จะได้เห็นสิ่งที่สามารถอธิบายการคำนวณวงจรอื่นๆ ผ่านการเชื่อมต่อเชิงฟังก์ชันได้”

การทดลองเหล่านี้เป็นส่วนหนึ่งของความพยายามที่เพิ่มขึ้นในการศึกษาวงจรประสาทผ่านการบูรณาการมาตรการการเชื่อมต่อโครงสร้างและการทำงาน คำว่า ‘การเชื่อมต่อที่ใช้งานได้’ มักใช้ในการสร้างภาพประสาทของมนุษย์เพื่ออธิบายความสัมพันธ์ในกิจกรรมทั่วพื้นที่สมอง แต่เครื่องมือสร้างภาพที่ทันสมัยช่วยให้นักวิจัยสามารถทำการวัดที่คล้ายคลึงกันในสิ่งมีชีวิตแบบจำลองที่ความละเอียดเซลล์เดียว ในการศึกษาตามคำจำกัดความดั้งเดิมนี้ กิจกรรมของเซลล์ประสาทที่สัมพันธ์กันบ่งชี้ถึงปฏิสัมพันธ์เชิงหน้าที่ และวิธีการทางสถิติสามารถช่วยประเมินว่าเซลล์ประสาทใดมีผลกระทบต่อเซลล์ประสาทใด ในแนวทางที่ใหม่กว่า การศึกษาอย่างเช่น ความก้าวหน้าของ Leifer ในด้านออพโตเจเนติกส์เพื่อสำรวจทิศทางของการเชื่อมต่อของเซลล์ประสาทโดยตรงมากขึ้น โดยการกระตุ้นเซลล์แต่ละเซลล์และการถ่ายภาพว่าเซลล์อื่นตอบสนองอย่างไร การศึกษาเหล่านี้จะวัดสิ่งที่เรียกว่า ‘การเชื่อมต่อเชิงสาเหตุ’ ระหว่างเซลล์ประสาทมากขึ้น กลุ่มอื่น ๆ กำลังเริ่มรวมชุดข้อมูลกายวิภาคและกิจกรรมขนาดใหญ่ใหม่เหล่านี้เพื่อทดสอบสมมติฐานเฉพาะเกี่ยวกับพื้นที่สมองและพฤติกรรม แม้ว่างานจะยังอยู่ในช่วงเริ่มต้น แต่การค้นพบนี้เน้นย้ำถึงคุณสมบัติของเครือข่ายที่สำคัญในสมองของหนอน บิน และสมองของเมาส์ และแสดงให้เห็นถึงความสัมพันธ์ที่ซับซ้อนระหว่างโครงสร้างวงจรและการทำงาน

คำสัญญาของหนอน

C. elegans มักคิดว่าเป็นระบบในอุดมคติสำหรับการทำความเข้าใจว่าโครงสร้างก่อให้เกิดการทำงานอย่างไร ในปีพ.ศ. 2529 คอนเนกโทมของมันกลายเป็นครั้งแรกที่มีการทำแผนที่อย่างสมบูรณ์ ซึ่งเป็นความสำเร็จครั้งยิ่งใหญ่ที่แจ้งการค้นพบนับไม่ถ้วนเกี่ยวกับพฤติกรรมของหนอนตั้งแต่ความรู้สึกและการเคลื่อนไหวไปจนถึงการให้อาหารและการสืบพันธุ์ อย่างไรก็ตาม แผนภาพการเดินสายไฟด้วยตัวมันเองนั้นไม่เพียงพอที่จะให้ความกระจ่างถึงพฤติกรรมที่ซับซ้อนมากขึ้นของสัตว์ ซึ่งมักจะอาศัยโครงข่ายประสาทที่สลับซับซ้อนมากขึ้น ในที่นี้ เครื่องมือการทำงานแบบกว้างๆ จะมอบชั้นข้อมูลใหม่ที่สามารถเปิดเผยด้านที่ซ่อนไว้ก่อนหน้านี้ของวงจรประสาทได้ “ในที่สุดเทคโนโลยีก็ทำตามคำสัญญาของหนอน” Leifer กล่าว “เราทำกายวิภาคศาสตร์มาหลายสิบปีแล้ว แต่ตอนนี้เราเท่านั้นที่สามารถทำการวัดเชิงหน้าที่ในระดับสมองและความละเอียดระดับเซลล์”

แผนที่การตอบสนองการเปิดใช้งานของห้องปฏิบัติการ Leifer แสดงการเชื่อมต่อระหว่างเซลล์ประสาท C. elegans ลูกศรสีแดงแสดงถึงการเชื่อมต่อที่กระตุ้น ในขณะที่ลูกศรสีน้ำเงินแสดงถึงการเชื่อมต่อที่ยับยั้ง ความกว้างของลูกศรแต่ละอันสะท้อนแอมพลิจูดเฉลี่ยของการตอบสนองของเซลล์ประสาทดาวน์สตรีม ซึ่งเป็นการวัดความแรงของการเชื่อมต่อ ตำแหน่งของเซลล์ประสาทสะท้อนถึงการจัดเรียงทางกายวิภาคที่แท้จริง ดัดแปลงมาจาก Randi et al. 2022, arXiv.

‘แผนที่ก่อกวน’ ที่สร้างโดย Leifer และผู้ทำงานร่วมกันแสดงถึงความก้าวหน้าทางเทคนิคที่สำคัญซึ่งอาศัยเทคนิคใหม่หลายอย่าง ในการสร้างแผนที่ นักวิจัยต้องกระตุ้นเซลล์ประสาทแต่ละเซลล์ที่อยู่ลึกลงไปในสมอง C. elegans ในขณะเดียวกันก็สร้างภาพส่วนอื่นๆ ทั้งหมดด้วยความเร็วสูง สิ่งนี้จำเป็นต้องมีการตั้งค่าออปติคัลที่ซับซ้อนซึ่งจับคู่การกระตุ้นด้วยโฟตอนสองโฟตอนกับกล้องจุลทรรศน์คอนโฟคอลดิสก์หมุนโฟตอนเดียว นอกจากนี้ยังต้องการโปรตีนออปโตเจเนติกที่แปลกใหม่ซึ่งสามารถกระตุ้นด้วยแสงสีม่วง แต่จะไม่ตอบสนองต่อแสงสีน้ำเงินที่ใช้ในการสร้างภาพการตอบสนองของแคลเซียมของเซลล์ประสาทอื่น ๆ “เราใช้เวลาค่อนข้างนานในการมองหาโปรตีนที่เข้ากันได้ดี” Leifer กล่าว ในที่สุด พวกเขาได้ทำการทดลองทั้งหมดเหล่านี้ใน หนอนสายพันธุ์ใหม่ที่มีหลายสี ซึ่งติดฉลากเซลล์ประสาทแต่ละเซลล์ด้วยสีที่แตกต่างกันด้วยแสงฟลูออเรสเซนต์ ดังนั้นเซลล์จึงสามารถระบุได้ง่ายขึ้นเมื่อกิจกรรมการทำงานของพวกมันถูกลงทะเบียนกับคอนเนกโทมโครงสร้าง

หนึ่งในการค้นพบที่โดดเด่นที่สุดที่เกิดขึ้นจากการทดลองเหล่านี้คือรูปแบบของการเชื่อมต่อเชิงหน้าที่ที่ไม่สามารถตรวจพบได้ในแผนที่กายวิภาค: การสื่อสารนอกระบบ ถุงน้ำหนาแน่นที่มีนิวโรเปปไทด์ โมโนเอมีน หรือสารสื่อประสาทอื่นๆ ถูกปล่อยออกมาจากส่วนต่าง ๆ ของเซลล์ประสาทที่อยู่นอกไซแนปส์ จากนั้นพวกมันจะกระจายผ่านช่องว่างนอกเซลล์ไปยังตัวรับในเซลล์โดยรอบ แม้ว่าสัญญาณเหล่านี้จะได้รับการสังเกตก่อนหน้านี้ แต่ก็ไม่คาดว่าจะมีบทบาทสำคัญในการเปลี่ยนแปลงของระบบประสาท ผลการวิจัยใหม่ระบุว่า จริงๆ แล้วพวกมันค่อนข้างแพร่หลายทั่วทั้งสมองของหนอน และมีส่วนอย่างมากต่อการทำงานของเซลล์ประสาทในระยะสั้น ซึ่งส่งผลต่อพฤติกรรมในวงกว้างกว่าที่เคยคิดไว้

การส่งสัญญาณ ‘ไร้สาย’ ดังกล่าวเป็นเพียงวิธีหนึ่งที่การเชื่อมต่อที่ใช้งานได้แตกต่างจากสิ่งที่ระบบประสาททำนายไว้ Leifer กล่าว “แต่เรากำลังเรียนรู้ว่าคุณลักษณะใดที่ทำให้โครงสร้างและฟังก์ชันมีความคล้ายคลึงหรือแตกต่างกันมากขึ้น” ตัวอย่างเช่น ในเครือข่ายย่อยของเซลล์ประสาทในคอหอยของหนอนที่มีสัญญาณภายนอกน้อยกว่า นักวิจัยเห็นข้อตกลงที่ดีขึ้นระหว่างโครงสร้างวงจรและหน้าที่

การศึกษาหนอนตัวที่สองนำโดยผู้ตรวจสอบ SCGB มานูเอล ซิมเมอร์ นักประสาทวิทยาแห่งมหาวิทยาลัยเวียนนา ได้ใช้แนวทางแบบคลาสสิกมากขึ้นในการอธิบายการเชื่อมต่อเชิงหน้าที่ใน C. elegans ที่นี่ นักวิจัยได้ถ่ายภาพกิจกรรมที่เกิดขึ้นเองในสมองของหนอน จากนั้นจึงวัดความสัมพันธ์ระหว่างเซลล์ประสาทแต่ละคู่ จากนั้นพวกเขามองหาว่าคอนเนกโทมเชิงโครงสร้างสามารถ ทำนายรูปแบบการเชื่อมต่อที่ใช้งาน ได้หรือไม่

ผลการวิจัยซึ่งตีพิมพ์ในวารสาร Current Biology เมื่อเดือนกรกฎาคม พ.ศ. 2565 เผยให้เห็นถึงความคลาดเคลื่อนที่น่าประหลาดใจ ไซแนปส์ทางเคมีไม่ใช่ตัวบ่งชี้ที่ดีโดยเฉพาะเกี่ยวกับการเชื่อมต่อที่ใช้งานได้ในเวิร์ม ซึ่งหมายความว่าเซลล์ประสาทที่เชื่อมต่อโดยตรงสองเซลล์จะไม่ทำงานอย่างต่อเนื่องในเวลาเดียวกัน การปรากฏตัวของไซแนปส์ทางไฟฟ้าซึ่งไอออนไหลระหว่างเซลล์ประสาทผ่านทางแยกช่องว่างนั้นเป็นตัวทำนายที่ดีกว่า แต่ไม่มากนัก การคำนึงถึงความแข็งแกร่งของซินแนปติกไม่ได้ช่วยพลังการทำนายของการเชื่อมต่อทางกายวิภาค “สำหรับเซลล์ประสาทคู่หนึ่ง มันสำคัญแค่ว่าพวกมันเชื่อมต่อหรือไม่ จำนวนไซแนปส์ระหว่างทั้งสองไม่ได้สร้างความแตกต่าง” ซิมเมอร์กล่าว

อันที่จริง การเชื่อมต่อเชิงหน้าที่ของคู่เซลล์ประสาทแต่ละคู่นั้นส่วนใหญ่คาดการณ์โดยคุณสมบัติของวงจรที่ไม่ใช่ในเครื่อง เช่น พวกมันมีอินพุตร่วมกันหรือไม่ “เซลล์ประสาทสองเซลล์ที่อยู่ฝั่งตรงข้ามของสมองที่ไม่มีการเชื่อมต่อทางกายวิภาค แต่ได้รับอินพุตที่คล้ายกันมักจะแสดงกิจกรรมที่สัมพันธ์กันมากกว่าเซลล์ที่เชื่อมต่อโดยตรงซึ่งกันและกัน” ซิมเมอร์กล่าว

การศึกษาทั้งสองเน้นถึงความสำคัญของการรวมข้อมูลเชิงโครงสร้างและเชิงหน้าที่เข้าด้วยกัน และนำเสนอแนวทางเสริมในการวัดการเชื่อมต่อเชิงหน้าที่ กิจกรรมที่เกิดขึ้นเองตามธรรมชาติอาจสะท้อนให้เห็นอย่างใกล้ชิดว่าเซลล์ประสาทมีพฤติกรรมอย่างไร ในขณะที่การกระตุ้นเซลล์ประสาททุกส่วนอย่างเป็นระบบทำให้แน่ใจได้ว่าไม่มีส่วนใดของวงจรไปโดยไม่ได้สำรวจ

ฟังก์ชั่นในการบิน

เมื่อเปรียบเทียบกับสมองของหนอนแล้ว สมองของแมลงวันผลไม้ซึ่งมีเซลล์ประสาทประมาณ 100,000 เซลล์ ช่วยให้นักวิจัยมีเว็บเชื่อมโยงที่ซับซ้อนมากขึ้นและมีเนื้อหาเกี่ยวกับพฤติกรรมที่สมบูรณ์ยิ่งขึ้นในการสำรวจ ต้องขอบคุณความก้าวหน้าล่าสุดของ fly connectomics ทำให้สามารถตรวจสอบได้ทั้งในระดับที่กว้างขึ้นและความละเอียดที่ละเอียดยิ่งขึ้น Mala Murthy นักประสาทวิทยาที่ Princeton และผู้ตรวจสอบ SCGB เป็นส่วนหนึ่งของชุมชนวิทยาศาสตร์ที่พัฒนาการเชื่อมโยงระหว่างสมองทั้งหมดอย่างรวดเร็ว โปรเจ็กต์ล่าสุดของเธอ ซึ่งเป็นความร่วมมือกับ Sebastian Seung ที่ชื่อ FlyWire ช่วยให้นักประสาทวิทยาสามารถระดมสมองและเร่งกระบวนการพิสูจน์อักษรการสร้างใหม่ ซึ่งเป็นขั้นตอนสุดท้ายในการทำให้คอนเนกโตมสมบูรณ์ (ดูข้อมูลเพิ่มเติมได้ใน “ The Connected Connectome ”) Murthy และเพื่อนร่วมงานกำลังใช้ประโยชน์จากการสร้างใหม่ที่ครอบคลุมเหล่านี้เพื่อสำรวจพลวัตของระบบประสาทในทันทีโดยเน้นที่โครงสร้างของวงจรประสาทสัมผัสทำให้เกิดการเลือกคุณสมบัติของเซลล์ประสาทได้อย่างไร

ห้องทดลอง Murthy ใช้ FlyWire เพื่อทำแผนที่การเชื่อมต่อทางกายวิภาคระหว่างเซลล์ประสาทมากกว่า 500 เซลล์ทั่วทั้งซีกโลกของสมองแมลงวัน แผนภาพการเดินสายที่เกิดขึ้นสามารถทำนายคุณสมบัติการตอบสนองการได้ยินของเซลล์ประสาทได้ แอนิเมชั่นโดย Amy Sterling นำเสนอเซลล์ประสาทหูที่แมปใน FlyWire และเผยแพร่โดย Baker et al., Current Biology 2022

หนึ่งในความพยายามดังกล่าวซึ่งตีพิมพ์ในเดือนกรกฎาคม พ.ศ. 2565 ใน Current Biology มุ่งเน้นไปที่ วงจรการได้ยินของแมลงวันตัวเมีย หน้าที่หลักของวงจรนี้คือช่วยประสานการตอบสนองที่เหมาะสมกับเพลงการเกี้ยวพาราสีของผู้ชาย ซึ่งสลับกันระหว่างสองโหมดหลัก – ไซน์และพัลส์ งานก่อนหน้านี้แนะนำว่าวงจรการได้ยินอาจได้รับการออกแบบเพื่อแยกสัญญาณไซน์และพัลส์ออกเป็นสองสตรีมการประมวลผลที่แยกจากกัน

เพื่อทดสอบสมมติฐานนี้ postdoc Christa Baker ได้พิจารณาก่อนว่าเซลล์ประสาทหูแต่ละเซลล์ชอบเพลงไซน์หรือชีพจร จากนั้นจึงเปรียบเทียบผลลัพธ์กับการเชื่อมต่อทางกายวิภาคของเซลล์ประสาทในแผนภาพ FlyWire แม้ว่าเซลล์ประสาทบางเซลล์จะชอบเพลงไซน์หรือเพลงพัลส์อย่างชัดเจน ทีมงานก็ต้องแปลกใจที่พบว่าเซลล์ประสาทจำนวนมากชอบแบบผสมหรือปานกลาง และแทนที่จะถูกแยกออกเป็นวิถีไซน์และพัลส์ที่ชัดเจน เซลล์ประสาทที่ต่างกันทั้งหมดเหล่านี้ แท้จริงแล้วเชื่อมโยงถึงกันอย่างแน่นหนาโดยไม่มีโครงสร้างแบบลำดับชั้นที่ชัดเจนในหมู่พวกมัน นักวิจัยยังไม่ทราบแน่ชัดว่าทำไมวงจรถึงได้รับการออกแบบในลักษณะนี้ แต่แบบจำลองของพวกเขาแนะนำว่าการเชื่อมต่อระหว่างกันนี้ช่วยสร้างการปรับแต่งของประชากรที่มีความชอบผสม นอกจากนี้ การเกิดซ้ำภายในวงจรอาจช่วยให้คุณลักษณะกระบวนการบินของเพศหญิงของเพลงการเกี้ยวพาราสีในระยะเวลานานขึ้น หรือรวมข้อมูลกับสัญญาณประสาทสัมผัสอื่นๆ

“เป็นที่ชัดเจนว่าระบบการได้ยินของแมลงวันไม่ได้เป็นเพียงวงจรประสาทสัมผัสแบบป้อนกลับที่เรียบง่าย แต่กลับประกอบด้วยการเชื่อมต่อที่เกิดขึ้นอีกจำนวนมาก รวมถึงการเชื่อมต่อระหว่างส่วนต่างๆ ของสมองด้วย” Murthy กล่าว “ฉันคิดว่าสิ่งนี้สร้างความประหลาดใจให้กับผู้คน เพราะจนถึงตอนนี้ เราได้ศึกษาวิถีทางประสาทสัมผัสเหล่านี้ภายในเฟรมเวิร์ก feedforward แต่สมองของแมลงวันเป็นมากกว่าระบบควบคุมป้อนกลับแบบหลายประสาทสัมผัส และข้อมูลโครงสร้างและการทำงานใหม่ทำให้ชัดเจนจริงๆ ”

การเชื่อมต่อเชิงหน้าที่ได้รับการวัดด้วยวิธีการก่อกวนในทันที แม้ว่าจะไม่ได้วัดที่ระดับทั้งสมองเหมือนในการศึกษาหนอนของ Leifer ในบทความปี 2018 ที่ตีพิมพ์ใน eLife ห้องทดลองของ Vivek Jayaraman ที่ Janelia Research Campus ใช้การกระตุ้นออปโตเจเนติกและการสร้างภาพแคลเซียมพร้อมกันเพื่อทดสอบการเชื่อมต่อระหว่างเซลล์ 70 คู่ในสมองของแมลงวัน เมื่อเปรียบเทียบมาตรการเชื่อมต่อเชิงสาเหตุเหล่านี้กับการเชื่อมต่อทางกายวิภาค Jayarman, Romain Franconville และผู้ทำงานร่วมกันพบว่า การเชื่อมต่อที่ใช้งานได้นั้นดูเบาบางกว่าที่คาดการณ์ไว้มาก กล่าวคือ การเปิดใช้งานเซลล์ประสาทสร้างการตอบสนองในเซลล์ประสาทปลายน้ำที่น้อยกว่าที่คาดไว้ตามคอนเนกโตม

อย่างไรก็ตาม Jayaraman ตั้งข้อสังเกตว่าโปรโตคอล optogenetic ของพวกเขาได้รับการออกแบบมาเพื่อให้การกระตุ้นน้อยที่สุดโดยมีเป้าหมายเพื่อเปิดใช้งานการเชื่อมต่อ synaptic โดยตรงเท่านั้น ซึ่งหมายความว่าอาจตรวจไม่พบการเชื่อมต่อการทำงานเพิ่มเติมที่ไซแนปส์ที่อ่อนแอกว่าหรือการเชื่อมต่อที่ต้องการการทำงานร่วมกันของเซลล์ประสาทพรีไซแนปติกหลายเซลล์ในเงื่อนไขการทดลองเหล่านี้

ถึงกระนั้น ชยรามันกล่าวว่า “เป็นที่ชัดเจนว่ากายวิภาคศาสตร์เป็นเพียงโครงสำหรับการคำนวณ จากนั้นจึงวางวงจรการทำงานไว้บนนั้น” วิศวกรจากการฝึกอบรม Jayaraman มักอาศัยแบบจำลองการคำนวณเพื่อสำรวจไดนามิกของโครงข่ายประสาทเทียมดังกล่าว “เราพยายามเชื่อมโยงโครงสร้างกับการทำงานผ่านทฤษฎีมาช้านาน และตอนนี้เราสามารถทดสอบแนวคิดเหล่านี้ได้โดยตรงผ่านการเชื่อมต่อเชิงฟังก์ชัน”

ยังไม่ชัดเจนว่าบทเรียนเฉพาะที่เรียนรู้จากหนอนหรือแมลงวันจะแปลไปสู่สิ่งมีชีวิตอื่นได้อย่างไร แต่การค้นพบในช่วงแรกเหล่านี้ชี้ให้เห็นว่าแต่ละสปีชีส์อาจใช้กลไกที่แตกต่างกันในการปรับความสามารถในการประมวลผลของวงจรประสาทให้เหมาะสม “การจับคู่ระหว่างโครงสร้างและการทำงานจะแตกต่างกันไปตามสายพันธุ์ต่างๆ” Murthy กล่าว “การเชื่อมต่อแบบ Extrasynaptic อาจช่วยให้สมองของ C. elegans สร้างรายการการสื่อสารที่ใหญ่ขึ้นโดยมีเซลล์ประสาทจำนวนน้อยลง แต่ยิ่งระบบประสาทมีขนาดใหญ่ขึ้นเท่าใด คุณก็จะสามารถเชื่อมโยงความจำเพาะกับเซลล์ได้มากขึ้นเท่านั้น” Murthy และ Jayaraman แนะนำว่านี่คือโครงสร้างแบบวงจร แทนที่จะเป็นภูมิประเทศ ที่มีแนวโน้มว่าจะพบเห็นได้ทั่วไปในสัตว์ไม่มีกระดูกสันหลังและสัตว์มีกระดูกสันหลัง แผนที่และกลไกทางกายภาพอาจแตกต่างกัน แต่ผลการทำงานและการคำนวณของเครือข่ายอาจคล้ายคลึงกัน “คำถามคือ การเชื่อมต่อที่ซับซ้อนก่อให้เกิดสัญญาณและพฤติกรรมของประชากรได้อย่างไร” เมอร์ธีกล่าว “เราเพิ่งจะขีดข่วนพื้นผิวของสิ่งนั้นในตอนนี้ แต่นี่คือความสนุกที่เราจะได้รับในอีกไม่กี่ปีข้างหน้า”

การทำแผนที่สมองของหนู

โมเดลสัตว์ไม่มีกระดูกสันหลังที่มีสมองขนาดเล็กและวงจรกระจัดกระจายได้ปูทางไปสู่โครงสร้างเกี่ยวโยงกัน แต่เมื่อพูดถึงการวัดการเชื่อมต่อที่ใช้งานได้ ห้องแล็บเมาส์ก็มีความก้าวหน้าอย่างมากเช่นกัน ในการศึกษาใหม่จากห้องทดลองของ Karel Svoboda นักวิจัยของ SCGB ที่ Janelia Research Campus, Arseny Finkelstein ซึ่งปัจจุบันอยู่ที่มหาวิทยาลัย Tel Aviv สร้างขึ้นจากความก้าวหน้าทางเทคนิคล่าสุดเพื่อวัดการเชื่อมต่อเชิงสาเหตุในเยื่อหุ้มสมองสั่งการของเมาส์ ด้วยการกระตุ้นและการถ่ายภาพของเซลล์ประสาทด้วยความเร็วสูง Finkelstein สามารถทำแผนที่การเชื่อมต่อระหว่างเซลล์ประสาทครึ่งล้านคู่ภายในช่วงเวลา 30 นาที ซึ่งเพิ่มขึ้นเป็นสิบเท่าจากการศึกษาเมาส์ครั้งก่อน

ในการทดลองของห้องปฏิบัติการ Svoboda เซลล์ประสาทสั่งการแต่ละเซลล์ถูกกระตุ้นด้วยแสง (สีชมพู) ทางแสง (สีชมพู) ในขณะที่การตอบสนองของเซลล์ประสาทกระตุ้นอื่นๆ (สีเขียว) ถูกวัดด้วยการถ่ายภาพแคลเซียมสองโฟตอน เซลล์ที่แสดงการตอบสนองต่อกิจกรรมที่มีนัยสำคัญ (สีแดง) ถือว่าเชื่อมต่อตามหน้าที่กับเซลล์ที่ถูกกระตุ้น Arseny Finkelstein

การใช้กลยุทธ์นี้ Finkelstein ได้สำรวจโครงสร้างการทำงานของเยื่อหุ้มสมองสั่งการที่ไม่ได้รับการฝึกฝน “สิ่งที่เรารู้เกี่ยวกับเยื่อหุ้มสมองสั่งการส่วนใหญ่มาจากสัตว์ที่ได้รับการฝึกฝนอย่างเชี่ยวชาญในงานเฉพาะ” เขากล่าว “แต่วงจรเหล่านี้มีลักษณะอย่างไรก่อนที่จะเกิดการเรียนรู้” เพื่อตอบคำถามนี้ Finkelstein ได้เน้นไปที่ anterior lateral motor cortex (ALM) ซึ่งเป็นพื้นที่ที่เกี่ยวข้องกับการประสานงานการเคลื่อนไหวเลียของเมาส์ ครั้งแรกที่เขาให้หนูไร้เดียงสาทำการเลียอย่างง่าย ๆ เพื่อกำหนดทิศทางการเลียที่เซลล์ประสาทชอบ จากนั้นเขาก็กระตุ้นเซลล์ประสาทแต่ละเซลล์ในขณะที่วัดว่าเซลล์อื่นตอบสนองอย่างไร

ผลลัพธ์ที่นำเสนอในการประชุม Cosyne ในลิสบอนในเดือนมีนาคมเผยให้เห็นองค์กรที่ใช้งานได้ในระดับสูงใน ALM เซลล์ประสาทที่ปรับแต่งในทำนองเดียวกันดูเหมือนจะจัดกลุ่มในคอลัมน์ขนาดเล็กของเยื่อหุ้มสมองที่พวกมันกระตุ้นซึ่งกันและกัน แต่ยับยั้งเซลล์ประสาทที่ปรับแต่งต่างกันนอกคอลัมน์ รูปแบบนี้มีให้เห็นในบริเวณประสาทสัมผัสปฐมภูมิของไพรเมตและในระดับหนึ่งในสมองของแมลงวันเช่นกัน แต่ก็ไม่เป็นที่ยอมรับในเยื่อหุ้มสมองส่วนหน้าที่มีลำดับสูงกว่าเหล่านี้

การค้นพบที่สำคัญอีกประการหนึ่งคือการมีอยู่ของเซลล์ประสาทในศูนย์กลาง เซลล์ที่มีการเชื่อมต่อขาออกที่หนาแน่น การเลือกสรรคุณลักษณะที่อ่อนแอกว่า และรูปแบบการยิงที่เชื่อถือได้มากขึ้น นักวิจัยยังไม่ทราบแน่ชัดว่าเซลล์ประสาทเหล่านี้กำลังทำอะไร แต่พวกเขาคาดการณ์ว่าเซลล์จะถูกวางไว้ทั่วทั้งวงจรเพื่อช่วยจัดกิจกรรมทั่วทั้งสมอง “เราคิดว่าแทนที่จะแสดงลักษณะเฉพาะของแผนการเคลื่อนไหว เซลล์ประสาทในศูนย์กลางเหล่านี้อาจทำงานเพื่อเริ่มต้นลำดับของมอเตอร์และควบคุมการเปลี่ยนแปลงของเยื่อหุ้มสมองในวงกว้าง” Svoboda กล่าว

การศึกษา C. elegans ของ Zimmer ยังระบุเซลล์ประสาทส่วนกลาง โดยเน้นถึงรูปแบบวงจรที่อาจได้รับการอนุรักษ์ไว้สำหรับการประสานงานรูปแบบกิจกรรมทั่วทั้งสมอง ในเวิร์ม การแบ่งปันการเชื่อมต่อกับหนึ่งในเซลล์ประสาทศูนย์กลางเหล่านี้เป็นตัวทำนายที่สำคัญของการเชื่อมต่อการทำงานระหว่างเซลล์ประสาท อันที่จริง การยับยั้งเซลล์ประสาทบางส่วนในฮับเหล่านี้ก็เพียงพอแล้วที่จะทำลายความสัมพันธ์ของสมองในหนอน เนื่องจากการศึกษาด้านการเชื่อมต่อเชิงฟังก์ชันยังคงเปิดเผยคุณสมบัติของเครือข่ายในแต่ละระบบแบบจำลอง นักวิทยาศาสตร์จึงสนใจที่จะดูว่าลวดลายของวงจรอื่นๆ ใดบ้างที่ได้รับการอนุรักษ์ไว้ในแต่ละสายพันธุ์หรือเฉพาะในแต่ละสายพันธุ์

หนึ่งในคำถามเปิดที่ใหญ่ที่สุดและท้าทายที่สุดในการตอบคือความคงที่ของการเชื่อมต่อเหล่านี้ในแต่ละสิ่งมีชีวิตในแต่ละบุคคลและช่วงเวลา นักวิจัยแมลงวันและหนอนจะเป็นคนแรกที่จะกล่าวถึงเรื่องนี้ เนื่องจากวิธีการสร้างภาพ การสร้างใหม่ และการพิสูจน์อักษรคอนเนกโตมมีความคล่องตัวมากขึ้น ยกตัวอย่างเช่น Murthy สนใจที่จะเปรียบเทียบโครงสร้างและหน้าที่ของแมลงวันแต่ละตัว “ความสัมพันธ์แบบเหมารวมของสมองแมลงวันเป็นประโยชน์อย่างมากสำหรับนักประสาทวิทยา แต่อาจยังมีแหล่งความแปรปรวนที่น่าสนใจบางอย่างที่น่าตื่นเต้นที่จะเข้าใจและเกี่ยวข้องกับการทำงาน”

สมองที่ใหญ่และซับซ้อนของสัตว์มีกระดูกสันหลังมีแนวโน้มที่จะแปรผันมากขึ้น “ระบบของสัตว์เลี้ยงลูกด้วยนมมีความเชี่ยวชาญในการเรียนรู้และความยืดหยุ่น ดังนั้นเราจึงคาดหวังว่าจะได้เห็นความแปรปรวนมากขึ้นในการเชื่อมต่อเชิงโครงสร้างและการใช้งาน รวมทั้งลวดลายของวงจรที่ออกแบบมาเพื่อรองรับความยืดหยุ่นดังกล่าว” Svoboda กล่าวซึ่งเพิ่งย้ายจาก Janelia เป็น สถาบัน Allen ในซีแอตเทิล ซึ่งตอนนี้เขากำลังศึกษาการเชื่อมต่อทั้งสมอง เขาประเมินว่าเราอยู่ห่างจากการเชื่อมต่อเมาส์เต็มรูปแบบอย่างน้อยหนึ่งทศวรรษแม้ว่านักวิจัยด้านเมาส์บางคนกำลังเริ่มรวบรวมการสร้างปริมาตรสมองที่เล็กลงหลังจากที่ได้รับการถ่ายภาพตามหน้าที่แล้ว

ในที่สุดนักวิจัยก็หวังว่าจะถามว่าการเชื่อมต่อที่ใช้งานได้เปลี่ยนแปลงไปจากสปีชีส์หนึ่งไปอีกสปีชีส์หรือจากบุคคลสู่บุคคลอย่างไร แต่ในการเรียนรู้และสถานะของสมอง นั่นเป็นเหตุผลที่ Finkelstein เลือกที่จะใช้มาตรการเชื่อมต่อการทำงานของเขาในหนูที่ไร้เดียงสาและไม่ได้รับการฝึกฝน “การมีภาพรวมของการเชื่อมต่อการทำงาน ‘พื้นฐาน’ นี้จะทำให้วันหนึ่งฉันถามคำถามเกี่ยวกับวิธีการแก้ไขวงจรได้” เขากล่าว “แต่ยังมีคำถามมากมายที่จะตอบระหว่างทาง”

นักฟิสิกส์ได้สาธิตวิธีการใหม่ในการคาดการณ์ว่าสารประกอบโลหะมีแนวโน้มที่จะโฮสต์สถานะทอพอโลยีที่เกิดขึ้นจากปฏิกิริยาของอิเล็กตรอนที่รุนแรงหรือไม่

นักวิจัยจากมหาวิทยาลัยไรซ์, ศูนย์ฟิสิกส์ควอนตัมคอมพิวเตอร์ (CCQ) ของสถาบัน Flatiron ในนิวยอร์กซิตี้, มหาวิทยาลัย Stony Brook, มหาวิทยาลัยเทคโนโลยีเวียนนาของออสเตรีย (TU Wien), ห้องปฏิบัติการแห่งชาติลอสอาลามอส, ศูนย์ฟิสิกส์นานาชาติ Donostia ของสเปน และสถาบัน Max Planck ของเยอรมนี สำหรับ Chemical Physics of Solids นำเสนอหลักการออกแบบใหม่ ในการศึกษาที่ตีพิมพ์ออนไลน์ในวันที่ 15 กันยายนใน Nature Physics

“ตั้งแต่เราพัฒนาทฤษฎีของทอพอโลยีเคมีควอนตัม จึงเป็นเป้าหมายที่มีมาช้านานในการนำรูปแบบนิยมมาใช้กับวัสดุที่มีความสัมพันธ์กันอย่างแน่นหนา” เจนนิเฟอร์ คาโน ผู้ร่วมวิจัยด้านการศึกษาซึ่งเป็นผู้ร่วมวิจัยของ CCQ และผู้ช่วยศาสตราจารย์ที่ Stony Brook กล่าว มหาวิทยาลัย. “งานของเราคือก้าวแรกในทิศทางนั้น”

ทีมงานประกอบด้วยนักวิทยาศาสตร์ที่ค้นพบ กึ่งโลหะทอพอโลยีที่มีความสัมพันธ์อย่างยิ่งเป็นครั้งแรก ในปี 2560 ระบบดังกล่าวและอื่น ๆ ที่หลักการออกแบบใหม่พยายามที่จะระบุนั้นเป็นที่ต้องการอย่างกว้างขวางโดยอุตสาหกรรมคอมพิวเตอร์ควอนตัมเนื่องจากสถานะทอพอโลยีมีคุณสมบัติที่ไม่เปลี่ยนรูปซึ่งไม่สามารถลบหรือสูญหายไปจากการถอดรหัสควอนตัม

“ภูมิทัศน์ของสสารทอพอโลยีที่มีความสัมพันธ์อย่างมากมีทั้งขนาดใหญ่และส่วนใหญ่ไม่ได้รับการตรวจสอบ” ผู้เขียนร่วมการศึกษา Qimiao Si, Harry C. ของ Rice และ Olga K. Wiess ศาสตราจารย์ด้านฟิสิกส์และดาราศาสตร์กล่าว “เราคาดว่างานนี้จะช่วยแนะนำการสำรวจ”

ในปี 2560 กลุ่มวิจัยของ Si ที่ Rice ได้ทำการศึกษาแบบจำลองและพบว่ามีสถานะของสสารที่น่าประหลาดใจซึ่งมีทั้งลักษณะทางทอพอโลยีและตัวอย่างที่เป็นแก่นสารของฟิสิกส์ที่มีสหสัมพันธ์สูงที่เรียกว่าเอ ฟเฟกต์ Kondo ซึ่งเป็นปฏิสัมพันธ์ระหว่างโมเมนต์แม่เหล็กของอิเล็กตรอนที่มีความสัมพันธ์จำกัด อะตอมในโลหะและสปินรวมของอิเล็กตรอนการนำไฟฟ้าผ่านหลายพันล้านตัว ในขณะเดียวกัน ทีมทดลองที่นำโดย Silke Paschen ของ TU Wien ได้แนะนำวัสดุใหม่และรายงานว่าวัสดุดังกล่าวมีคุณสมบัติเช่นเดียวกับวัสดุในสารละลายทางทฤษฎี ทั้งสองทีมตั้งชื่อสถานะของสสารที่มีความสัมพันธ์กันอย่างแน่นหนาว่า Weyl-Kondo semimetal Si กล่าวว่าสมมาตรของผลึกมีบทบาทสำคัญในการศึกษา แต่การวิเคราะห์ยังคงอยู่ที่ระดับการพิสูจน์หลักการ

Si นักฟิสิกส์เชิงทฤษฎีที่ใช้เวลามากกว่าสองทศวรรษในการศึกษาวัสดุที่มีความสัมพันธ์อย่างแน่นหนา เช่น เฟอร์มิออนหนักและตัวนำยิ่งยวดแหกคอก กล่าวว่า “งานของเราในปี 2560 มุ่งเน้นไปที่อะตอมไฮโดรเจนประเภทหนึ่งที่มีความสมมาตรของผลึก” “แต่มันเป็นจุดเริ่มต้นของการออกแบบโทโพโลยีโลหะที่มีความสัมพันธ์ใหม่”

วัสดุควอนตัมที่มีความสัมพันธ์กันอย่างมากคือวัสดุที่ปฏิกิริยาของอิเล็กตรอนหลายพันล้านต่อหลายพันล้านอิเล็กตรอนก่อให้เกิดพฤติกรรมร่วมกัน เช่น ความเป็นตัวนำยิ่งยวดแหกคอก หรืออิเล็กตรอนที่มีพฤติกรรมราวกับว่าพวกมันมีมวลมากกว่า 1,000 เท่าของมวลปกติ แม้ว่านักฟิสิกส์จะศึกษา วัสดุทอพอโลยี มาหลายทศวรรษแล้ว แต่เพิ่งเริ่มตรวจสอบโลหะทอพอโลยีที่มีปฏิสัมพันธ์ที่มีความสัมพันธ์กันอย่างแน่นแฟ้น

“การออกแบบวัสดุโดยทั่วไปนั้นยากมาก และการออกแบบวัสดุที่มีความสัมพันธ์อย่างแน่นหนานั้นก็ยังยากกว่า” Si สมาชิกของ Rice Quantum Initiative และผู้อำนวยการ ศูนย์ข้าวสำหรับวัสดุควอนตัม (RCQM) กล่าว

Si และ Cano เป็นผู้นำกลุ่มนักทฤษฎีที่พัฒนากรอบการทำงานสำหรับการระบุวัสดุที่มีแนวโน้มว่าจะเป็นไปได้โดยการอ้างอิงข้อมูลโยงในฐานข้อมูลของวัสดุที่รู้จักพร้อมผลลัพธ์ของการคำนวณเชิงทฤษฎีตามโครงสร้างผลึกที่เหมือนจริง โดยใช้วิธีนี้ กลุ่มระบุโครงสร้างผลึกและองค์ประกอบองค์ประกอบของวัสดุสามชนิดที่มีแนวโน้มว่าจะเป็นโฮสต์สำหรับสถานะทอพอโลยีที่เกิดจากผลกระทบของคอนโด

Si กล่าวว่ากรอบทฤษฎีการทำนายเกิดขึ้นจากการตระหนักว่าเขาและ Cano ได้หลังจากการอภิปรายอย่างกะทันหันซึ่งจัดขึ้นระหว่างคณะทำงานของตนที่ Aspen Center for Physics ในปี 2018

“สิ่งที่เราตั้งสมมติฐานก็คือการกระตุ้นที่มีความสัมพันธ์อย่างมากยังคงอยู่ภายใต้ข้อกำหนดสมมาตร” เขากล่าว “ด้วยเหตุนั้น ฉันสามารถพูดได้มากเกี่ยวกับโทโพโลยีของระบบโดยไม่ต้องอาศัยการคำนวณเบื้องต้นที่มักจะจำเป็น แต่เป็นสิ่งที่ท้าทายอย่างยิ่งสำหรับการศึกษาวัสดุที่มีความสัมพันธ์อย่างยิ่งยวด”

เพื่อทดสอบสมมติฐาน Cano และนักทฤษฎีที่ Rice ได้ทำการศึกษาแบบจำลองสำหรับความสมมาตรของผลึกที่สมจริง ระหว่างการระบาดใหญ่ ทีมทฤษฎีในเท็กซัสและนิวยอร์กได้สนทนาเสมือนจริงกับกลุ่มทดลองของ Paschen ที่ TU Wien การทำงานร่วมกันได้พัฒนาหลักการออกแบบสำหรับวัสดุทอพอโลยี-กึ่งโลหะที่มีความสัมพันธ์กันโดยมีความสมมาตรเดียวกันกับที่ใช้ในแบบจำลองที่ศึกษา ประโยชน์ของหลักการออกแบบแสดงให้เห็นโดยทีมงานของ Paschen ซึ่งทำหนึ่งในสามสารประกอบที่ระบุ ทดสอบและตรวจสอบว่าโฮสต์คุณสมบัติที่คาดการณ์ไว้

“สิ่งบ่งชี้ทั้งหมดคือเราพบวิธีที่มีประสิทธิภาพในการระบุวัสดุที่มีคุณสมบัติที่เราต้องการ” Si กล่าว

ผู้ร่วมวิจัย ได้แก่ Lei Chen, Chandan Setty และ Haoyu Hu of Rice; Sarah Grefe จากห้องปฏิบัติการแห่งชาติ Los Alamos; Lukas Fischer, Xinlin Yan, Gaku Eguchi และ Andrey Prokofiev จาก TU Wien; และ Maia Vergniory ของ Max Planck Institute for Chemical Physics of Solids ในเมืองเดรสเดน ประเทศเยอรมนี และ Donostia International Physics Center ในเมือง Donostia-San Sebastian ประเทศสเปน

Jason Kaye เป็นนักวิทยาศาสตร์ด้านการวิจัยร่วมที่ Flatiron Institute

นักฟิสิกส์ใช้เวลานานในการทำความเข้าใจกลไกของโลกที่เราอาศัยอยู่ ตั้งแต่การเคลื่อนตัวของแม่น้ำไปจนถึงการก่อตัวของดาราจักร หลายปีที่ผ่านมา พวกเขาได้คิดค้นแบบจำลองที่ประสบความสำเร็จอย่างสูงมากมายที่สามารถอธิบายพฤติกรรมของระบบเหล่านี้และระบบอื่นๆ ทว่าการเข้าใจการเคลื่อนที่ของอนุภาคเล็กๆ ในจักรวาล ทั้งอิเล็กตรอน โฟตอน และอื่นๆ นั้นมักจะยังเข้าใจยาก โลกควอนตัมขนาดเล็กที่มีพฤติกรรมแปลกประหลาดและไม่แน่ใจ ทำให้การสร้างแบบจำลองเป็นไปไม่ได้ เพื่อให้เข้าใจถึงขอบเขตควอนตัม นักฟิสิกส์จำเป็นต้องมีกลยุทธ์ใหม่

นั่นคือจุดที่ Jason Kaye ก้าวเข้ามา Kaye นักคณิตศาสตร์ประยุกต์ที่ Flatiron Institute ทำงานร่วมกับนักฟิสิกส์เพื่อช่วยแก้ปัญหาเฉพาะด้านควอนตัมที่ยากด้วยความช่วยเหลือของคณิตศาสตร์ประยุกต์และการคำนวณทางวิทยาศาสตร์ ด้วยการแปลขอบเขตควอนตัมเป็นภาษาของคณิตศาสตร์ Kaye สามารถใช้อัลกอริธึมที่ซับซ้อนเพื่อทำความเข้าใจระบบที่ไม่สามารถจำลองได้

Kaye เป็นสมาชิกร่วมของ Center for Computational Mathematics (CCM) ของ Flatiron Institute และ Center for Computational Quantum Physics (CCQ) ก่อนที่จะร่วมงานกับ Flatiron Institute เคย์ได้รับปริญญาเอกด้านคณิตศาสตร์จากมหาวิทยาลัยนิวยอร์ก ปริญญาโทด้านคณิตศาสตร์จากมหาวิทยาลัยเคมบริดจ์ และปริญญาตรีสาขาคณิตศาสตร์ประยุกต์จากมหาวิทยาลัยบราวน์

 

คณิตศาสตร์ประยุกต์มีประโยชน์สำหรับฟิสิกส์ควอนตัมได้อย่างไร

คณิตศาสตร์ประยุกต์ส่วนใหญ่มุ่งเน้นไปที่การเปิดใช้งานการจำลองปรากฏการณ์ในฟิสิกส์คลาสสิก ตั้งแต่แม่เหล็กไฟฟ้าไปจนถึงพลศาสตร์ของไหล และประสบความสำเร็จอย่างมากในการผลักดันสนามเหล่านี้ไปข้างหน้า นักคณิตศาสตร์ประยุกต์ได้พัฒนาเครื่องมือและเทคนิคที่หลากหลาย ซึ่งช่วยให้พวกเขาสามารถลดความซับซ้อนของระบบที่ซับซ้อนโดย ‘การตัดมุม’ โดยไม่สูญเสียข้อมูลที่จำเป็น เราสามารถทำได้โดยมองหาโครงสร้างที่ซ่อนอยู่ในสมการที่อธิบายระบบเหล่านี้ และทำการประมาณอย่างระมัดระวังและควบคุมโดยอิงจากโครงสร้างเหล่านี้

เทคนิคหลายอย่างที่พัฒนาขึ้นในชุมชนคณิตศาสตร์ประยุกต์ในบริบทของฟิสิกส์คลาสสิกนั้นยังไม่ได้เข้าสู่ชุมชนฟิสิกส์ควอนตัม มีอุปสรรคทางภาษาที่สำคัญระหว่างนักคณิตศาสตร์ประยุกต์กับนักฟิสิกส์ควอนตัม ฉันกำลังทำงานเพื่อแปลระหว่างพวกเขา เพื่อให้บทเรียนที่เราได้เรียนรู้ในช่วงสองสามทศวรรษที่ผ่านมาสามารถนำไปใช้กับปัญหาควอนตัมได้

คุณสามารถสร้างแบบจำลองระบบควอนตัมแบบใดได้บ้าง

นักฟิสิกส์ควอนตัมต้องการทำความเข้าใจและจำลองระบบขนาดเล็ก เช่น อิเล็กตรอนในคอลเลกชั่นของอะตอมที่ประกอบด้วยโมเลกุลและวัสดุ ปฏิกิริยาระหว่างอิเล็กตรอนจะบอกคุณเกี่ยวกับปรากฏการณ์ขนาดเล็ก เช่น พันธะเคมี และคุณสมบัติขนาดใหญ่ เช่น การนำไฟฟ้าของวัสดุ

นักฟิสิกส์พยายามจำลองโครงสร้างเหล่านี้ แต่มันยากมาก แม้แต่กับระบบธรรมดาๆ ในภาพฟิสิกส์คลาสสิกของอนุภาค – ภาพเก่า – ทุกอนุภาคถูกอธิบายโดยพื้นฐานด้วยตัวเลขหกตัว: พิกัดในอวกาศ x , y และ z และความเร็วในสามทิศทางนี้ ด้วยตัวเลขเพียงหกตัวต่ออนุภาค คุณสามารถอธิบายอนุภาคคลาสสิกที่มีปฏิสัมพันธ์จำนวนมากได้ ภาพควอนตัมฟิสิกส์ซึ่งจำเป็นสำหรับการจำลองพฤติกรรมของอนุภาคทางกายภาพขนาดเล็กจริงเช่นอิเล็กตรอนอย่างถูกต้องนั้นซับซ้อนกว่ามาก ในภาพควอนตัม อนุภาคไม่มีตำแหน่งหรือความเร็วที่กำหนดไว้อย่างชัดเจน ดังนั้นเราจึงมีสมการที่อธิบายความน่าจะเป็นของอนุภาคที่มีตำแหน่งที่แน่นอน หรือความเร็ว หรือคุณสมบัติอื่นๆ ที่สังเกตได้ทางกายภาพ ไม่มากก็น้อย เมื่อคุณดูระบบที่มีอนุภาคหลายตัว คุณต้องพิจารณาความน่าจะเป็นของตำแหน่งหรือความเร็วของอนุภาคที่เป็นไปได้ทั้งหมด ซึ่งหมายความว่าปริมาณข้อมูลที่คุณต้องการติดตามจะเพิ่มขึ้นแบบทวีคูณด้วยจำนวนอนุภาค

แนวคิดเรื่องพลังงานในตัวเองอธิบายว่าอนุภาคที่ฝังอยู่ในระบบควอนตัมมีอิทธิพลต่อการเคลื่อนที่ของตัวเองอย่างไรในเวลาต่อมา: อนุภาค “ดัน” ไปที่ระบบที่ใหญ่กว่าในเวลา t’ และเป็นผลให้ระบบดันกลับเข้าไปที่ ในเวลาต่อมา ต. พล็อตนี้แสดงพลังงานในตัวเองของอิเล็กตรอนสำหรับแบบจำลองอย่างง่ายของโครงตาข่ายอะตอมในสนามไฟฟ้า การใช้วิธีการที่เรียกว่า “การบีบอัดแบบลำดับชั้นต่ำนอกแนวทแยง” พลังงานในตัวเองสามารถแบ่งออกเป็นบล็อกสี่เหลี่ยม และข้อมูลในแต่ละบล็อกถูกบีบอัด (คล้ายกับอัลกอริธึมการบีบอัดภาพ เช่น JPEG) จุดสีดำสอดคล้องกับจำนวนบิตของข้อมูลที่จำเป็นในการแสดงบล็อกต่อความแม่นยำที่กำหนด เมื่อขนาดของบล็อกโตขึ้น จำนวนบิตจะเพิ่มขึ้นอย่างช้าๆ เท่านั้น ซึ่งบ่งชี้ว่าปฏิสัมพันธ์ระหว่างช่วงเวลาที่ห่างไกลในช่วงเวลานั้นสามารถบีบอัดได้สูง ในสถานการณ์นี้ พลังงานในตัวเองทั้งหมดสามารถบันทึกได้ในกรอบเวลาที่ใหญ่มากโดยใช้ข้อมูลเพียงไม่กี่บิต ซึ่งเป็นเส้นทางสู่การจำลองฟิสิกส์ควอนตัมเป็นเวลานาน อ้างอิง: J. Kaye, D. Golež, SciPost Phys .10 (2021) 91.

ดังนั้นเราจึงต้องหาวิธีการประมาณและการทำให้เข้าใจง่ายขึ้น นักฟิสิกส์เป็นผู้เชี่ยวชาญในการประมาณค่าบางประเภท และนักคณิตศาสตร์ประยุกต์เสนอมุมมองที่ต่างออกไป ซึ่งในบางกรณีก็ช่วยให้คุณไปได้ไกลยิ่งขึ้นไปอีก สิ่งนี้นำไปสู่กลยุทธ์ใหม่ในการบีบอัดจำนวนบิตที่จำเป็นในการอธิบายระบบควอนตัม โดยการระบุและกำจัดข้อมูลที่ซ้ำซ้อนอย่างเป็นระบบ หรือโดยการอธิบายส่วนประกอบของสมการอย่างมีประสิทธิภาพ

เราได้รวบรวมกลเม็ดจำนวนมากที่พัฒนาขึ้นในบริบทของฟิสิกส์คลาสสิก และปรากฎว่าเทคนิคเหล่านี้หลายอย่างก็มีประโยชน์ในโลกควอนตัมเช่นกัน

ผมขอยกตัวอย่างที่เป็นรูปธรรม เป็นที่ทราบกันดีว่าการฉายแสงเลเซอร์บนวัสดุบางชนิดสามารถทำให้เกิดการเปลี่ยนเฟสได้ เช่น การเปลี่ยนผ่านระหว่างโลหะและฉนวน ซึ่งอาจเป็นเส้นทางสู่การควบคุมคุณสมบัติของวัสดุและอาจนำไปสู่การใช้งานทางเทคโนโลยีที่หลากหลาย เราสามารถเข้าใจปรากฏการณ์นี้ได้โดยใช้การจำลองระดับอะตอม เพื่อหลีกเลี่ยงการจ่ายค่าใช้จ่ายจำนวนมากในการจำลองอะตอมจำนวนมากในวัสดุในคราวเดียว นักฟิสิกส์ได้ออกแบบวิธีการที่ชาญฉลาดในการซูมเข้าในอะตอมเดียวหรือระบบย่อยขนาดเล็กในรายละเอียดทั้งหมด และทำให้การประมาณค่าที่เหลือง่ายขึ้น

อย่างไรก็ตาม ราคาที่คุณจ่ายสำหรับการประมาณนี้คือสิ่งที่เราเรียกว่าการพึ่งพาหน่วยความจำแบบเต็ม ในการเคลื่อนอะตอมไปข้างหน้าในเวลาหนึ่งขั้น คุณต้องดูประวัติการเคลื่อนที่ของอะตอมทั้งหมด ซึ่งมีค่าใช้จ่ายในการคำนวณสูง นี่เป็นปัญหาที่นักคณิตศาสตร์ประยุกต์คุ้นเคย เราสามารถบีบอัดประวัติโดยสังเกตว่ามันก่อให้เกิดการเคลื่อนไหวในเวลาปัจจุบันได้ง่ายขึ้นเมื่อคุณย้อนกลับไป ดังนั้น ด้วยการรวมวิธีการประมาณเหล่านี้จากฟิสิกส์กับวิธีบีบอัดจากคณิตศาสตร์ประยุกต์ เราสามารถจำลองระบบประเภทนี้สำหรับช่วงเวลาที่ยาวนานกว่าวิธีก่อนหน้ามาก

คุณทำงานร่วมกับนักฟิสิกส์ควอนตัมอย่างไร?

เมื่อฉันเริ่มงานนี้ในบัณฑิตวิทยาลัย ฉันรู้สึกว่ามีอุปสรรคทางภาษาที่ขัดขวางนักคณิตศาสตร์ประยุกต์หลายคนไม่ให้ทำงานเกี่ยวกับปัญหาที่น่าสนใจในฟิสิกส์ควอนตัม ฉันเริ่มคุยกับคนในสาขาฟิสิกส์ให้ได้มากที่สุด โดยใช้เวลาหาวิธีแปลปัญหาฟิสิกส์ควอนตัมเป็นคำศัพท์ที่คุ้นเคยมากขึ้นในวิชาคณิตศาสตร์ประยุกต์ ผ่านกระบวนการนี้ ฉันเห็นว่าเครื่องมือและแนวคิดที่มีอยู่มากมายอาจมีประโยชน์ แต่ไม่ได้นำไปใช้

วันนี้ฉันทำหน้าที่เป็นที่ปรึกษาที่เชื่อมโยง CCM และ CCQ ฉันได้พูดคุยกับนักฟิสิกส์อย่างต่อเนื่อง และเรายังคงหาโอกาสในการถ่ายทอดความรู้ต่อไป เรายังพบปัญหาใหม่ๆ ที่น่าสนใจสำหรับนักคณิตศาสตร์ประยุกต์ ซึ่งไม่เคยเขียนในภาษาของพวกเขามาก่อน

ในอนาคต เราจะต้องเผชิญกับระบบที่ซับซ้อนมากขึ้นเรื่อยๆ ซึ่งต้องจัดการกับสเกลเลขชี้กำลังของฟิสิกส์ควอนตัม เราจะมาดูกันว่าแนวคิดทางคณิตศาสตร์ที่ประยุกต์ใช้ได้ไกลแค่ไหนในการสร้างรอยบุ๋มในอุปสรรคแบบเอ็กซ์โปเนนเชียล หรือเผยให้เห็นว่าปัญหาบางอย่างที่ดูเหมือนยากแบบทวีคูณมีโครงสร้างที่ซ่อนอยู่หรือความสามารถในการบีบอัดได้ จะมีโอกาสมากมายสำหรับการทำงานร่วมกันในอนาคต และฉันคาดว่าการแลกเปลี่ยนระหว่างสาขาเหล่านี้จะยังคงเติบโตต่อไป

Ran Yan เป็นผู้อำนวยการบริหารของพิพิธภัณฑ์ Lewis Latimer House

ตั้งอยู่ใน Flushing รัฐควีนส์ เป็นพิพิธภัณฑ์บ้านไม้สไตล์ควีนแอนน์ที่อุทิศให้กับการอนุรักษ์ประวัติศาสตร์ของ Lewis Howard Latimer นักประดิษฐ์ชาวแอฟริกันอเมริกัน ผู้บุกเบิกด้านไฟฟ้าและศิลปิน สร้างขึ้นในศตวรรษที่ 19 อาคารนี้เคยเป็นบ้านของครอบครัว Latimer ก่อนที่จะถูกเปลี่ยนเป็นพิพิธภัณฑ์ในปี 1989 ปัจจุบันผู้เยี่ยมชมพิพิธภัณฑ์สามารถสัมผัสกับนิทรรศการถาวรหรือหมุนเวียนของพิพิธภัณฑ์ หรือใช้ประโยชน์จากโปรแกรมสาธารณะที่เน้น STEAM ที่เชื่อมโยง ศิลปะและวิทยาศาสตร์ กิจกรรมประจำสัปดาห์เชื้อเชิญให้นักเรียนและผู้ปกครองมาเรียนรู้เกี่ยวกับบุคคลที่แม้จะประสบความสำเร็จมากมาย แต่ส่วนใหญ่ก็ยังถูกทิ้งให้อยู่ในหนังสือประวัติศาสตร์

แม้ว่าลาติเมอร์จะมาจากจุดเริ่มต้นที่ต่ำต้อย แต่ลาติเมอร์ “ยังคงทำงานให้กับนักประดิษฐ์ที่ยิ่งใหญ่ที่สุดในยุคนั้น รวมถึงโธมัส เอดิสัน อเล็กซานเดอร์ เบลล์ และไฮแรม แม็กซิม” Ran Yan ผู้อำนวยการบริหารของพิพิธภัณฑ์ Lewis Latimer House กล่าว “ภารกิจของเราคือบอกเล่าเรื่องราวของเขา เพื่อให้ทุกคนได้เรียนรู้เกี่ยวกับประวัติศาสตร์ที่สำคัญนี้ โดยเฉพาะอย่างยิ่งเพราะคนอย่าง Lewis Latimer และการมีส่วนร่วมในด้านวิทยาศาสตร์และเทคโนโลยีตลอดประวัติศาสตร์อเมริกามักถูกมองข้าม”

Yan อยู่กับพิพิธภัณฑ์ Lewis Latimer House มาเกือบแปดปีแล้ว ในบทบาทของเธอ เธอยังคงเผยแพร่เรื่องราวของ Lewis Latimer ต่อไปยังชุมชนโดยรวม Science Sandbox พูดคุยกับเธอเมื่อเร็วๆ นี้เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับสิ่งที่นำเธอไปสู่งานของ Lewis Latimer และสิ่งที่เธอทำในช่วงเวลาที่เธอเป็นผู้อำนวยการบริหารของพิพิธภัณฑ์

ด้านล่างนี้เป็นบันทึกการสนทนาของเรา ทรานสคริปต์ได้รับการแก้ไขเพื่อความชัดเจน

ขอบคุณ Ran ที่เป็นคนแรกในชุด Science Sandbox Spotlight ของเรา! คุณเริ่มเล่าเกี่ยวกับบ้าน Lewis Latimer ให้เราฟังได้ไหม

ขอบคุณที่เชิญฉัน! พิพิธภัณฑ์บ้าน Lewis Latimer เป็นบ้านเก่าแก่ของ Lewis Latimer นักประดิษฐ์ผิวดำ เขาอาศัยอยู่ในบ้านตั้งแต่ปี 1903 ถึง 1928 และน่าจะเป็นบ้านหลังเดียวที่ Latimer เป็นเจ้าของ Lewis Latimer เป็นนักประดิษฐ์ที่เรียนรู้ด้วยตนเอง นักมนุษยนิยม และผู้เชี่ยวชาญด้านสิทธิบัตร พ่อแม่ของเขาซึ่งเป็นผู้แสวงหาเสรีภาพมีพื้นเพมาจากเวอร์จิเนียและเป็นอิสระ ตั้งรกรากอยู่ในบอสตัน ที่ซึ่งพวกเขาเลี้ยงดูครอบครัว แม้จะไม่มีการศึกษาอย่างเป็นทางการ แต่ Latimer วัยเยาว์ก็สอนตัวเองร่างในขณะที่ทำงานเป็นเด็กออฟฟิศในสำนักงานกฎหมายสิทธิบัตร ในที่สุดก็ได้เป็นหัวหน้าช่างเขียนแบบในบริษัท หลังจากนั้นเขาย้ายไปนิวยอร์กซิตี้เมื่อเขาเข้าร่วมทีมของโธมัสเอดิสัน

พิพิธภัณฑ์บ้าน Lewis Latimer เป็นบ้านไม้สไตล์ควีนแอนน์ในเมือง Flushing รัฐควีนส์

และอะไรที่ทำให้ Lewis Latimer House ไม่เหมือนใคร?

เรามีความโดดเด่นเป็นอันดับแรกเนื่องจากประวัติศาสตร์ที่แท้จริงได้รวมอยู่ในโครงสร้างทางกายภาพของบ้านที่มีสถานที่สำคัญ เป็นบ้านเก่าแก่ที่ให้ความรู้สึกใกล้ชิดกับอวัยวะภายในแก่ผู้คนในพื้นที่ที่ Latimer อาศัยอยู่ พิพิธภัณฑ์เป็นเครื่องมือสำคัญในการสอนประวัติศาสตร์ที่เกี่ยวข้องกับเทคโนโลยี วิทยาศาสตร์ และศิลปะ — เพราะ Latimer ก็หลงใหลในศิลปะเช่นกัน ฉันคิดว่าเรื่องราวของเขามีความพิเศษตรงที่มีหลายมิติมาก เขาเป็นผู้สนับสนุนในช่วงต้นของการเชื่อมต่อระหว่างวิทยาศาสตร์และศิลปะ เขายังพูดเรื่องนี้ในระหว่างการกล่าวสุนทรพจน์ที่ British Scientific Society เรายังเป็นพื้นที่ที่มีชุมชนเป็นศูนย์กลางอีกด้วย เรามีรากฐานมาจากชุมชน Flushing-Queens และประชากรในนิวยอร์กซิตี้ที่มีความหลากหลายอย่างไม่น่าเชื่อ ดังนั้นเราจึงภูมิใจที่ได้มีส่วนร่วมและหยั่งรากลึกในองค์ประกอบในท้องถิ่นของเรา

ฉันชอบสิ่งที่คุณพูดเกี่ยวกับประวัติศาสตร์ที่สามารถสัมผัสได้ภายในพื้นที่ทางกายภาพ คุณเข้ามามีส่วนร่วมกับพิพิธภัณฑ์ได้อย่างไร?

ฉันมาประเทศนี้ในฐานะผู้อพยพหลังจากสำเร็จการศึกษาระดับวิทยาลัย ฉันลงทะเบียนเรียนหลักสูตรปริญญาโทด้านการอนุรักษ์ประวัติศาสตร์ ซึ่งฉันเริ่มสนใจองค์กรไม่แสวงหากำไร โดยเฉพาะพิพิธภัณฑ์และสถาบันทางวัฒนธรรม หลังจากสำเร็จการศึกษาระดับปริญญาโท ฉันเป็นหนึ่งใน 20 คนหรือมากกว่านั้นที่ได้รับทุนเพื่อทำงานในโครงการนำร่องที่ Lewis Latimer House ณ จุดนั้น บ้าน Lewis Latimer ไม่ได้เปิดดำเนินการเป็นประจำ เนื่องจากการลงทุนต่ำในอดีต จึงไม่มีงบประมาณหรือพนักงานมืออาชีพ ในฐานะเพื่อนร่วมงาน ภารกิจของเราคือฟื้นฟูพื้นที่ และคิดใหม่ว่าจะมีส่วนร่วมกับชุมชนในท้องถิ่นของเราในบ้านประวัติศาสตร์อย่างไร เมื่อสิ้นสุดการคบหาสมาคม ฉันอยู่ที่พิพิธภัณฑ์ในฐานะพนักงานและเริ่มสร้างทีม ฉันรู้สึกเชื่อมโยงกับเรื่องราวของลาติเมอร์จริงๆ แม้ว่าฉันจะไม่ใช่ชาวแอฟริกันอเมริกัน แต่ฉันเป็นผู้อพยพ และสามารถเชื่อมโยงกับส่วนต่างๆ ในชีวิตของเขาได้

พิพิธภัณฑ์บ้านเป็นที่จัดแสดงนิทรรศการมากมายเกี่ยวกับชีวิตของลาติเมอร์

คุณช่วยพูดมากกว่านี้ได้ไหม

ฉันโตมาในประเทศจีน และสนใจด้านวิทยาศาสตร์และศิลปะมาโดยตลอด เช่น คณิตศาสตร์ การวาดภาพ ดนตรี ฯลฯ แต่ฉันไม่เคยรู้เลยว่าจะมีโอกาสรวมความหลงใหลเหล่านี้เข้ากับอาชีพการงาน ฉันคิดว่า Latimer เป็นแรงบันดาลใจจริงๆ เมื่อเขาเห็นว่าวิชา STEAM ( S cience T echnology E ngineering A rt และ M athematics) สามารถรวมเข้าด้วยกันได้

คุณยังได้สัมผัสถึงการมีส่วนร่วมของชุมชนในการทำงาน ใครประกอบเป็นชุมชนของพิพิธภัณฑ์? คุณพยายามเข้าถึงผู้ชมกลุ่มใด

เรามีผู้ชมที่มี BIPOC เป็นศูนย์กลาง ผู้เข้าร่วมโครงการการศึกษาของเราประมาณ 40 เปอร์เซ็นต์เป็นชาวแอฟริกันอเมริกันหรือคนผิวดำ ประมาณ 17 เปอร์เซ็นต์เป็นคนเอเชียและอีก 17 เปอร์เซ็นต์เป็นชาวลาติน ในย่าน Queens ของ Flushing ซึ่งเป็นที่ตั้งของพิพิธภัณฑ์ ผู้พักอาศัยเกือบครึ่งหนึ่งเป็นผู้อพยพชาวจีนรุ่นแรกหรือรุ่นที่สอง

อะไรเป็นแรงบันดาลใจให้คุณทำงานที่คุณทำ

ฉันมักจะเรียนรู้จากผู้เข้าชมพิพิธภัณฑ์ พวกเขานำภูมิหลังและความรู้และความเชื่อมโยงมากมาย มันเติมเต็มจริงๆ และสมาชิกในคณะกรรมการของเรา รวมทั้งผู้สืบทอดของ Lewis Latimer ต่างก็ทุ่มเทให้กับพิพิธภัณฑ์และการจัดโปรแกรมอย่างเหลือเชื่อ เรามีชุมชนมากมายที่สนับสนุน ความสนใจ และความมุ่งมั่นในการบอกเล่าประวัติศาสตร์นี้ และสำหรับเรื่องราวของ Latimer ซึ่งเป็นแรงบันดาลใจที่ยิ่งใหญ่สำหรับฉัน

มีกิจกรรมหรือโปรแกรมเฉพาะในพิพิธภัณฑ์ที่คุณตื่นเต้นเป็นพิเศษหรือไม่?

บางครั้งอาจเป็นเรื่องง่ายๆ อย่างการเปิดพิพิธภัณฑ์ให้กับชุมชนที่เราให้บริการ ให้การสนับสนุนพวกเขาในการพัฒนาสิ่งที่พวกเขาต้องการเห็น และวิธีที่พวกเขาต้องการใช้พื้นที่ พวกเขาออกแบบกิจกรรมที่ตอบสนองความต้องการของตนเอง จึงมาจากสถานที่จริง นั่นเป็นกิจกรรมพิเศษจริงๆ

กิจกรรมของชุมชนมักเกิดขึ้นที่พิพิธภัณฑ์ Lewis Latimer House และใช้ประโยชน์จากพื้นที่ที่สวยงาม

มีช่วงเวลาหรือช่วงเวลาใดที่คุณรู้สึกภาคภูมิใจเป็นพิเศษกับสิ่งที่คุณได้ช่วยสร้างไว้หรือไม่?

เมื่อฉันเริ่มทำงานที่พิพิธภัณฑ์ ฉันไม่มีทีม ฉันอยู่คนเดียว ดังนั้นฉันจึงภูมิใจในการสร้างทีม ซึ่งรวมถึงพนักงานเล็กๆ แต่ทุ่มเท และคณะกรรมการที่มีความหลากหลาย — ในประสบการณ์และภูมิหลัง — และรักษาระดับความหลงใหลในระดับสูง เป็นทีมที่เป็นตัวแทนของคนที่เรารับใช้อย่างไม่น่าเชื่อและรวบรวมประวัติศาสตร์ที่เรากำลังบอกเล่า

คุณมีคำแนะนำสำหรับผู้ที่สนใจงานหมั้นวิทยาศาสตร์หรือไม่? เคล็ดลับในการประสบความสำเร็จในประเภทงานที่คุณทำคืออะไร?

ฉันคิดว่ามันมีประโยชน์ อย่างน้อยสำหรับฉัน ที่จะตระหนักถึงความสนใจและความหลงใหลของตนเอง และค้นหาจุดเชื่อมโยงระหว่างความสนใจเหล่านั้นกับความต้องการของชุมชน

ฉันพบว่าการท้าทายตัวเองในสิ่งที่ฉันไม่ได้คิดตามสัญชาตญาณหรือที่ฉันยังไม่ได้ค้นพบความสนใจ แต่ที่พิพิธภัณฑ์ ฉันกำลังทำสิ่งที่ไม่เคยทำมาก่อน และฉันกำลังพยายามค้นหาความสำเร็จในสิ่งนั้น

Megan Bedell เป็นนักดาราศาสตร์ฟิสิกส์ในกลุ่ม Planet Formation ที่ Center for Computational Astrophysics ของ Flatiron Institute

20 ปีที่แล้ว มีการค้นพบดาวเคราะห์เพียงไม่กี่ดวงที่โคจรรอบดาวดวงอื่น ทุกวันนี้ นักวิทยาศาสตร์ได้ค้นพบดาวเคราะห์นอกระบบเหล่านี้แล้วหลายพันดวง ด้วยโลกอื่น ๆ มากมายให้ศึกษา นักวิจัยบางคนกำลังพิจารณาอย่างใกล้ชิดเพื่อดูว่ามีโลกใดที่สามารถดำรงชีวิตได้ นักวิทยาศาสตร์คนอื่นๆ พยายามค้นหาดาวเคราะห์คล้ายโลก

ที่ Flatiron Institute นักดาราศาสตร์ Megan Bedell เป็นหนึ่งในนักวิทยาศาสตร์ที่เป็นผู้นำในการค้นหาโลกหน้า เธอใช้เทคนิคที่เรียกว่าเรเดียลเวโลซิตี้สเปกโทรสโกปี ซึ่งคอยเฝ้าสังเกตการเคลื่อนตัวเล็กๆ ในแสงของดาวดวงหนึ่ง ซึ่งสามารถเผยให้เห็นว่าดาวดวงนี้ถูกดาวเคราะห์ที่มองไม่เห็นผลักไปรอบๆ เล็กน้อยอย่างไร ขณะที่เธอฝึกสายตาเกี่ยวกับโลกที่มีศักยภาพ เธอยังได้เรียนรู้มากมายเกี่ยวกับดวงดาวและวิธีที่พวกมันมีบทบาทในการแกะสลักสภาพแวดล้อมของดาวเคราะห์

เบเดลล์สำเร็จการศึกษาระดับปริญญาตรีด้านดาราศาสตร์จากวิทยาลัยฮาเวอร์ฟอร์ด และปริญญาเอกด้านดาราศาสตร์จากมหาวิทยาลัยชิคาโก ก่อนที่จะมาเป็นนักวิทยาศาสตร์ด้านการวิจัยร่วมที่ Center for Computational Astrophysics (CCA) ของสถาบัน Flatiron Institute Bedell เคยเป็นนักวิจัยของ Flatiron

 

การศึกษาดวงดาวเปิดเผยอะไรเกี่ยวกับดาวเคราะห์ได้บ้าง

ดาวและดาวเคราะห์เชื่อมต่อกันในหลายระดับ ประการแรก ดาวฤกษ์เป็นกำลังสำคัญและมีอำนาจเหนือกว่าในระบบดาวเคราะห์ ดาวเคราะห์ แม้แต่ดาวยักษ์อย่างดาวพฤหัสบดีและดาวเสาร์ แท้จริงแล้วมีขนาดเล็กกว่าเมื่อเทียบกับดาวฤกษ์ที่โคจรรอบ และดังนั้นจึงได้รับผลกระทบอย่างมหาศาลจากดาวฤกษ์แม่ของพวกมัน ถ้าคุณต้องการทำความเข้าใจว่าเกิดอะไรขึ้นบนดาวเคราะห์ดวงหนึ่ง เช่น โมเลกุลอะไรประกอบเป็นชั้นบรรยากาศหรือสภาพทางกายภาพบนพื้นผิวโลก คุณต้องเข้าใจว่าสภาพแวดล้อมของมันเป็นอย่างไร และสภาพแวดล้อมนั้นถูกสร้างขึ้นโดยพื้นฐานจากแสงและอนุภาคที่ดาวฤกษ์แม่ของมันปล่อยออกสู่อวกาศ

ดวงดาวก็มีความสำคัญเช่นกันเพราะเป็นกุญแจสำคัญในการค้นหาดาวเคราะห์ ดาวเคราะห์นอกระบบส่วนใหญ่ที่เรารู้จักในปัจจุบันถูกค้นพบโดยวิธีทางอ้อม ซึ่งเรามองไม่เห็นดาวเคราะห์จริงๆ เราเห็นผลกระทบที่โลกมีต่อดาวฤกษ์แม่ข่าย หากคุณไม่ทราบมวลหรือขนาดของดาวฤกษ์อย่างแม่นยำ ก็จะทำให้ทราบว่ามีดาวเคราะห์อยู่ที่นั่นได้ยากขึ้นมาก โดยมีคุณสมบัติน้อยกว่ามาก รู้จักดาวของคุณ รู้จักโลกของคุณอย่างที่เราพูด

 

คุณทำงานอย่างไรเพื่อทำความเข้าใจดวงดาวและดาวเคราะห์?

งานวิจัยส่วนใหญ่ของฉันใช้และวิเคราะห์การสังเกตการณ์ดาวฤกษ์คล้ายดวงอาทิตย์เพื่อหวังว่าจะพบสิ่งที่คล้ายคลึงกันของโลก การค้นหาดาวเคราะห์ดวงอื่นเช่นโลกนั้นยาก เพราะคุณต้องการเครื่องมือที่มีความไวสูงเพื่อค้นหาดาวเคราะห์ขนาดเล็กและดาวเคราะห์ที่อยู่ห่างไกลจากดาวฤกษ์แม่ของพวกมัน ตอนนี้เราใกล้จะถึงจุดที่จะมีเทคโนโลยีในการค้นหาดาวเคราะห์ขนาดเท่าโลกบนวงโคจรเหมือนโลกแล้ว

แอนิเมชั่นแสดงการใช้วิธีความเร็วในแนวรัศมีเพื่อค้นหาดาวเคราะห์นอกระบบ นักดาราศาสตร์สามารถสังเกตการเคลื่อนที่จากแรงดึงดูดของดาวเคราะห์บนดาวฤกษ์ได้โดยการตรวจสอบการเปลี่ยนแปลงสเปกตรัมของดาวฤกษ์เมื่อเวลาผ่านไป เครดิต: ESO/L. กัลซาด้า

การสังเกตที่ฉันทำงานด้วยส่วนใหญ่มาจากการสำรวจความเร็วในแนวรัศมีซึ่งเรากำลังดูดาวฤกษ์คล้ายดวงอาทิตย์ เราต้องไปเยือนดาวดวงเดิมซ้ำหลายครั้งในช่วงหลายปีที่ผ่านมาเพื่อดูการเปลี่ยนแปลงเล็กๆ น้อยๆ ที่สามารถเผยให้เห็นดาวเคราะห์ขนาดเล็กได้ เนื่องจากสัญญาณดาวเคราะห์มีขนาดเล็กมาก เราจึงลงเอยด้วยชุดข้อมูลที่สมบูรณ์สำหรับการทำความเข้าใจดาว ซึ่งช่วยให้เราใช้ข้อมูลเดียวกันเพื่อศึกษาดวงดาวและค้นหาดาวเคราะห์

ชุดข้อมูลความเร็วในแนวรัศมีเหล่านี้ก็จบลงด้วยเรื่องใหญ่เช่นกัน สำหรับการทดลองบางอย่าง เรากำลังรวบรวมข้อสังเกตนับพันต่อดาว เราต้องใช้เทคนิคการวิเคราะห์ข้อมูลที่เป็นนวัตกรรมเพื่อค้นหาสัญญาณขนาดเล็กของดาวเคราะห์ในข้อมูลที่ยุ่งเหยิงนี้ โดยทั่วไปแล้ว นักวิทยาศาสตร์จะใช้แบบจำลองทางกายภาพเพื่อช่วยวิเคราะห์ข้อมูลประเภทนี้ แต่สิ่งเหล่านี้อาจพลาดสิ่งสำคัญเมื่อแบบจำลองทางกายภาพไม่ตรงกับดาวที่คุณกำลังดูอยู่ทุกประการ ในกรณีของฉัน เราไม่มีเครื่องมือคำนวณในขณะนี้เพื่อสร้างแบบจำลองทางกายภาพในระยะสั้นของชั้นบรรยากาศของดาวฤกษ์ตามมาตราส่วนของการสังเกตการณ์ ดังนั้นฉันจึงใช้สิ่งที่เรียกว่าแบบจำลองที่ขับเคลื่อนด้วยข้อมูลแทน

ภาพดวงอาทิตย์แสดงบริเวณที่มีสนามแม่เหล็กซึ่งมีจุดมืดบนดวงอาทิตย์ การทำความเข้าใจเกี่ยวกับจุดดาวและคุณลักษณะอื่นๆ ของดาวฤกษ์ที่แปรผันตามเวลามีความสำคัญอย่างยิ่งต่อการตรวจจับดาวเคราะห์นอกระบบที่มีลักษณะคล้ายโลก เครดิต: NASA/SDO

ในทางตรงกันข้ามกับแบบจำลองทางกายภาพที่เริ่มต้นจากความเข้าใจเชิงทฤษฎีเกี่ยวกับวิธีการทำงานของระบบ แนวทางที่ขับเคลื่อนด้วยข้อมูลจะใช้การสังเกตจำนวนมากของระบบเพื่อสร้างแบบจำลองพฤติกรรมของระบบ ตัวอย่างบางส่วนของโมเดลที่ขับเคลื่อนด้วยข้อมูล ได้แก่ อัลกอริธึมการเรียนรู้ของเครื่องที่ทันสมัยซึ่งคาดการณ์ราคาหุ้นหรือทำการเลือกโฆษณาตามข้อมูลจำนวนมากเกี่ยวกับประวัติของตลาดหุ้นหรือข้อมูลการขาย วิธีการที่ขับเคลื่อนด้วยข้อมูลเช่นนี้มีความสำคัญ เนื่องจากเป็นวิธีที่ช่วยให้เราก้าวไปข้างหน้าได้แม้ในพื้นที่ที่แบบจำลองทางกายภาพอาจพังได้

และคุณกำลังเรียนรู้อะไรเกี่ยวกับดวงดาวเหล่านี้ในกระบวนการนั้น?

เรากำลังเรียนรู้มากมายเกี่ยวกับกิจกรรมของดวงดาว ตัวอย่างเช่น ดวงอาทิตย์มีลักษณะที่มืดและสว่างซึ่งเกิดขึ้นบนพื้นผิวของมันเนื่องจากมีกิจกรรมแม่เหล็กอยู่ข้างใต้ สิ่งเหล่านี้เรียกว่าจุดบอดบนดวงอาทิตย์ และเรากำลังเรียนรู้ว่าดาวดวงอื่นอยู่บ่อยแค่ไหน สิ่งนี้ช่วยให้เราเข้าใจสนามแม่เหล็กของดาวเหล่านั้น และการเปลี่ยนแปลงในแต่ละวันของดาวเหล่านั้น

 

ดวงอาทิตย์ของเราเป็นเรื่องปกติสำหรับดาวฤกษ์ที่มีขนาดและประเภทหรือไม่?

จนถึงตอนนี้ ดูเหมือนว่าดาวฤกษ์คล้ายดวงอาทิตย์อื่นๆ จะค่อนข้างคล้ายกับดวงอาทิตย์ โดยพิจารณาจากระดับกิจกรรมของพวกมัน แต่ดาวเหล่านี้อยู่ไกล และเป็นการยากที่จะวัดว่าพวกมันกำลังทำอะไรอยู่ในตาชั่งขนาดเล็ก — มาตราส่วนที่อาจส่งผลต่อการอยู่อาศัยของดาวเคราะห์ได้ ในขณะที่เทคโนโลยีก้าวหน้าขึ้น เรากำลังพยายามผลักดันการสังเกตการณ์เหล่านั้นให้มากขึ้น และดูว่าดาวเหล่านี้มีความคล้ายคลึงกับดวงอาทิตย์เพียงใด และด้วยเหตุนี้ พวกมันจึงมีแนวโน้มที่จะมีดาวเคราะห์ที่เอื้ออาศัยได้มากน้อยเพียงใด

อะไรที่คุณตื่นเต้นที่สุดเกี่ยวกับอนาคตของวงการนี้?

โครงการที่ฉันตื่นเต้นเป็นพิเศษเรียกว่า Terra Hunting Experiment ซึ่งได้รับทุนสนับสนุนบางส่วนจากมูลนิธิ Simons เรากำลังวางแผนที่จะวางสเปกโตรกราฟ ซึ่งเป็นเครื่องมือวัดความยาวคลื่นเฉพาะของแสง ลงบนกล้องโทรทรรศน์ที่ La Palma ในหมู่เกาะคานารี เราวางแผนที่จะใช้มันทุกคืนเป็นเวลา 10 ปีข้างหน้าเพื่อสังเกตกลุ่มดาวคล้ายดวงอาทิตย์ขนาดเล็ก สิ่งนี้จะช่วยให้เราเข้าถึงความไวที่จำเป็นในการค้นหาแอนะล็อก Earth ฉันสนใจที่จะเห็นชุดข้อมูลนั้นใน 10 ปีนับจากนี้ เราจะพบดาวเคราะห์คล้ายโลกหรือไม่? ฉันหวังว่าเราจะมี แต่ฉันแน่ใจอย่างยิ่งว่าเราจะได้เรียนรู้สิ่งที่น่าสนใจจริงๆ เกี่ยวกับดวงดาวและฟิสิกส์ของดาว และฉันก็รู้สึกตื่นเต้นเช่นกัน

คำถาม & คำตอบนี้เป็นส่วนหนึ่งของ Flatiron Scientist Spotlight ซึ่งเป็นชุดที่นักวิจัยช่วงต้นอาชีพของสถาบันแบ่งปันงานล่าสุดและการมีส่วนร่วมในสาขาของตน

Tim Large เป็นจูเนียร์เฟลโลว์กับ Simons Society of Fellows

ในระยะใกล้ พื้นผิวของลูกบอลชายหาดจะไม่มีลักษณะกลมแต่แบน พื้นผิวของยางในก็เช่นกัน แม้ว่าวัตถุเหล่านี้จะดูไม่มีอะไรเหมือนกันก็ตาม ในทางคณิตศาสตร์ อุปกรณ์เสริมสำหรับฤดูร้อนทั้งสองนี้สามารถจำแนกได้เป็นท่อร่วมสองมิติ: เฉพาะที่มีลักษณะเหมือนกัน แต่เมื่อคุณซูมออกและมองดูอย่างครบถ้วน พวกมันจะแตกต่างกันอย่างเห็นได้ชัด การทำความเข้าใจคุณสมบัติที่กำหนดความแตกต่างเหล่านี้ ทั้งสำหรับตัวอย่างเหล่านี้และสำหรับตัวอย่างที่ซับซ้อนกว่านั้น เป็นประเด็นหลักของเรขาคณิตสมัยใหม่

อย่างไรก็ตาม ไม่มีการศึกษาทางเรขาคณิตใด ๆ ที่ศึกษาในสุญญากาศ Simons Junior Fellow Tim Large กล่าว แทนที่จะเน้นองค์ประกอบที่เกี่ยวข้องที่ให้ความเข้าใจเพิ่มเติม ในกรณีของ Large นี่หมายถึงการมุ่งเน้นที่ท่อร่วมเชิงแสดงซึ่งเกี่ยวข้องโดยตรงกับทฤษฎีการเคลื่อนที่ของนิวตันและการพยายามทำความเข้าใจการเคลื่อนที่ของอนุภาคในพื้นที่โค้ง ในขณะที่กลศาสตร์ของนิวตันมีอายุมากกว่า 300 ปี เรขาคณิตเชิงสมมาตรได้เข้ามามีบทบาทภายในไม่กี่ทศวรรษที่ผ่านมา ผ่านการพัฒนาและการประยุกต์ใช้ทางทฤษฎีใหม่ๆ กับฟิสิกส์ควอนตัมและสาขาอื่นๆ ของคณิตศาสตร์บริสุทธิ์และประยุกต์

Large สำเร็จการศึกษาระดับปริญญาตรีจากมหาวิทยาลัยเคมบริดจ์และปริญญาเอก จากสถาบันเทคโนโลยีแมสซาชูเซตส์ ตอนนี้เขากำลังสำเร็จการศึกษาระดับปริญญาเอกด้านคณิตศาสตร์ที่มหาวิทยาลัยโคลัมเบียภายใต้การให้คำปรึกษาของ Mohammed Abouzaid

บิ๊กและฉันเพิ่งพูดถึงงานของเขาและความหมายของมัน การสนทนาของเราได้รับการแก้ไขเพื่อความชัดเจน

 

ท่อร่วมเชิงซ้อนคืออะไร?

ท่อร่วมแบบสมมาตรมีคำจำกัดความทางเทคนิคที่อาจดูแปลกประหลาดแม้กระทั่งสำหรับนักคณิตศาสตร์ แต่ก็มีอยู่ทุกหนทุกแห่ง ตั้งแต่ฟิสิกส์พื้นฐานไปจนถึงทฤษฎีสตริงที่ซับซ้อน

เพื่ออธิบาย ให้เปิดไปที่ฟิสิกส์ 101: การเคลื่อนที่ของลูกตุ้ม ถ้าเรารู้ตำแหน่งเชิงมุมและโมเมนตัมของลูกตุ้ม เราก็สามารถทำนายการเคลื่อนที่ของมันได้ ตำแหน่งเชิงมุมและโมเมนต์ต่างๆ ที่เป็นไปได้ทั้งหมดของลูกตุ้มที่นำมารวมกันเป็นท่อร่วมสองมิติ ซึ่งเราเรียกว่าสเปซสเปซ

การเคลื่อนที่ของลูกตุ้มถูกแปลเป็นสเปซสเปซอย่างไร เครดิต: Lucy Reading-Ikkanda/Simons Foundation

ระยะใกล้จะดูเหมือนระนาบแบน แต่มีรูปทรงกระบอกสำหรับรูปร่างของมัน: ถ้าเราหมุนลูกตุ้ม 360 องศา เราจะกลับไปที่จุดเริ่มต้น นี่เป็นหนึ่งในตัวอย่างพื้นฐานที่สุดของท่อร่วมเชิงแสดงตัวอย่าง ตัวอย่างที่ซับซ้อนมากขึ้น ได้แก่ การเคลื่อนที่ของดาวเคราะห์รอบดาวฤกษ์ ท่อร่วมเชิงสมมาตรมีความสำคัญอย่างยิ่งในการช่วยให้เข้าใจสมการของนิวตันเนื่องจากสัมพันธ์กับแรงโน้มถ่วง

 

บอกฉันเกี่ยวกับตัวอย่างที่ซับซ้อนมากขึ้นของท่อร่วมเชิงสัญลักษณ์

หลากหลายรูปแบบที่ปรากฏให้เห็นทั่วทั้งคณิตศาสตร์และฟิสิกส์สมัยใหม่ ตัวอย่างเช่น หลักสมมุติฐานประการหนึ่งของทฤษฎีสตริงคือจักรวาลมาพร้อมกับมิติพิเศษ (ปกติหก) ที่เล็กเกินกว่าที่แม้แต่กล้องจุลทรรศน์อะตอมจะมองเห็น มิติพิเศษเหล่านี้ถูกรวมเข้าด้วยกันเป็นท่อร่วมพิเศษชนิดพิเศษที่เรียกว่าท่อร่วม Calabi-Yau ซึ่งสามารถเปิดเผยข้อมูลใหม่เกี่ยวกับอนุภาคที่สังเกตได้ในจักรวาลที่รู้จัก

กลุ่มตัวอย่างแบบเดียวกันที่ปรากฏในทฤษฎีสตริงยังปรากฏอยู่ในเรขาคณิตเกี่ยวกับพีชคณิต ซึ่งเป็นพื้นที่ที่แตกต่างกันมากของคณิตศาสตร์ล้วนๆ ซึ่งเน้นที่ช่องว่างและรูปร่างที่กำหนดโดยสมการพหุนาม ช่องว่างเกี่ยวกับพีชคณิตบางแห่งมี ‘กระจก’ ที่หลากหลายซ่อนอยู่ ในกรณีเหล่านี้ ทฤษฎีสตริงของท่อร่วมกระจกเข้ารหัสข้อมูลจำนวนมหาศาลเกี่ยวกับพีชคณิตของพื้นที่ดั้งเดิม

นักคณิตศาสตร์เรียกปรากฏการณ์นี้ว่าสมมาตรสะท้อนกลับ เพราะมันช่วยให้เราสามารถหาโจทย์พีชคณิต มองในมุมที่ต่างออกไป และดูเรขาคณิตเชิงสมมาตรที่น่าประหลาดใจ แนวคิดนี้เป็นส่วนที่มีอิทธิพลของเรขาคณิตและฟิสิกส์เชิงทฤษฎีในช่วง 30 ปีที่ผ่านมา และฉันหวังว่าเรขาคณิตเชิงสมมาตรจะมีบทบาทมากขึ้นในศตวรรษหน้า ขณะที่เราพัฒนาความเข้าใจเชิงทดลองที่ดีขึ้นเกี่ยวกับโครงสร้างพื้นฐานของจักรวาลของเรา

 

อะไรดึงดูดให้คุณศึกษาเกี่ยวกับท่อร่วมและเรขาคณิตเชิงสมมาตร

สิ่งที่ทำให้ฉันตื่นเต้นจริงๆ เกี่ยวกับท่อร่วมที่มีลักษณะเฉพาะก็คือ สำหรับสถานที่ต่างๆ ที่มีอยู่ เรารู้เพียงเล็กน้อยเกี่ยวกับพวกมัน เป็นวิชาที่อายุน้อย เมื่อเทียบกับวิชาอื่นๆ เช่น แมนิโฟลด์เกี่ยวกับพีชคณิต ซึ่งมีชุดเครื่องมือที่เป็นที่ยอมรับซึ่งนักคณิตศาสตร์ใช้ในการศึกษามานาน

ชุดเครื่องมือพื้นฐานสำหรับเรขาคณิตเชิงสมมาตรนั้นยังอยู่ในระหว่างการพัฒนา แม้ว่าจะมีการพิสูจน์แล้วว่าประสบความสำเร็จในการพิสูจน์ทฤษฎีบทใหม่แล้วก็ตาม สิ่งหนึ่งที่ฉันชอบมากที่สุดเกี่ยวกับการทำงานในหัวข้อนี้คือ ในการสร้างเครื่องมือใหม่เหล่านี้ ฉันต้องดึงความรู้จากสาขาวิชาคณิตศาสตร์ที่หลากหลาย ตั้งแต่สมการเชิงอนุพันธ์ย่อยบางส่วนไปจนถึงทฤษฎีโฮโมโทปี ความหลากหลายขององค์ประกอบเชิงประจักษ์อยู่ที่จุดตัดของส่วนต่างๆ ของคณิตศาสตร์ร่วมสมัย

 

คุณช่วยอธิบายเกี่ยวกับเครื่องมือและทฤษฎีบทเหล่านั้นให้ละเอียดขึ้นได้ไหม

ตัวอย่างที่ฉันโปรดปรานอย่างหนึ่งย้อนกลับไปที่ลูกตุ้ม ลูกตุ้มเคลื่อนที่เป็นระยะ หมายความว่าพวกมันกลับมายังจุดเริ่มต้นด้วยโมเมนตัมเดียวกัน นี่เป็นเพียงอุบัติเหตุที่น่ายินดีของคำตอบที่ชัดเจนของสมการของนิวตัน หรือเป็นส่วนหนึ่งของการปรากฎของโทโพโลยีทรงกระบอกของพื้นที่เฟสของลูกตุ้มหรือไม่ ในทศวรรษที่ 1960 นักคณิตศาสตร์ชาวรัสเซีย วลาดิมีร์ อาร์โนลด์ ถามคำถามนี้โดยทั่วไป: เมื่อใดจะมีคำตอบเป็นระยะสำหรับสมการของนิวตันในปริภูมิของเฟสเชิงสมมาตรของระบบกลไกแบบคลาสสิกใดๆ เขาคาดคะเนว่าการมีอยู่ของคำตอบเป็นระยะต้องขึ้นอยู่กับโทโพโลยีทั่วโลกของท่อร่วมเชิงเดี่ยว

มุมมองสมัยใหม่ของเรขาคณิตเชิงสมมาตรเริ่มต้นโดยนักคณิตศาสตร์ชาวเยอรมัน Andreas Floer ในทศวรรษ 1980 ประมาณ 20 ปีหลังจากการคาดเดาของ Arnold แทนที่จะคิดถึงพลวัตในแง่ของจุดที่ลากเส้นบนท่อร่วมที่ซับซ้อน Floer มองเห็นลูปหรือสตริงที่กวาดพื้นผิวภายในท่อร่วม มากเท่ากับที่นักทฤษฎีสตริงทำ ในขณะที่การเคลื่อนที่ของอนุภาคถูกกำหนดโดยสมการของนิวตัน ซึ่งเป็นสมการเชิงอนุพันธ์ธรรมดา พื้นผิวเหล่านี้ต้องเป็นไปตามสมการเชิงอนุพันธ์ย่อยที่ซับซ้อนกว่ามาก

ตั้งแต่แรกเห็น สิ่งนี้ทำให้ปัญหาซับซ้อนมากขึ้นเนื่องจากสมการเชิงอนุพันธ์ย่อยมักจะแก้ได้ยากกว่ามาก แต่ Floer แสดงให้เห็นอย่างชาญฉลาดว่าคำถามทางอ้อมเพิ่มเติมเกี่ยวกับสมการเหล่านี้ เช่น การมีอยู่และการไม่มีของคำตอบ หรือรูปแบบของช่องว่างประเภทใดของโซลูชันใกล้เคียง เข้ารหัสโทโพโลยีส่วนใหญ่ของท่อร่วมเชิงเดี่ยว เขากำหนดค่าคงที่พีชคณิตของ manifolds เชิงเดี่ยวบางประเภท ซึ่งตอนนี้เราเรียกว่า Floer homology และใช้มันเพื่อพิสูจน์การคาดเดาของ Arnold หลายประการ

นับตั้งแต่เปิดตัว ความคล้ายคลึงของ Floer ได้กลายเป็นศูนย์กลางของเรขาคณิตเชิงสมมาตร มีงานมากมายในการขยายคำจำกัดความเพื่อนำไปใช้กับท่อร่วมที่หลากหลาย เพื่อค้นหาความหมายในบริบทของความสมมาตรของกระจก และเพื่อเพิ่มขีดความสามารถในการดูโทโพโลยีของท่อร่วมเชิงแสดงมากขึ้น

 

งานของคุณสร้างขึ้นบนความคล้ายคลึงกันของ Floer อย่างไร?

ความคล้ายคลึงกันนั้นมีอายุเกือบ 100 ปีแล้ว น่าจะเป็นตัวชี้วัดพื้นฐานที่สุดว่าท่อร่วมหนึ่งมีกี่หลุม มันจะบอกคุณว่าลูกบอลชายหาดไม่มีรู เช่น ยางในมีหนึ่งรู แต่นี่กลับกลายเป็นวิธีคร่าวๆ ในการดูหลายๆ ด้าน และมีวิธีที่ละเอียดกว่าและทรงพลังกว่ามากมายที่คุณสามารถตอบคำถามนั้นได้ นี่เป็นหัวข้อของทฤษฎีโฮโมโทปี

ฉันทำงานเกี่ยวกับการสร้างและใช้โครงสร้างเพิ่มเติมภายใน Floer homology ที่เลียนแบบโครงสร้างในทฤษฎี homotopy ความคล้ายคลึงกันของ Floer และทฤษฎี homotopy นั้นคล้ายคลึงกันมาก ดังนั้นฉันอยากรู้ว่า: คุณสามารถใช้กลไกของทฤษฎี homotopy เพื่อตอบคำถามโดยตรงในเรขาคณิตเชิงสมมาตรได้มากน้อยเพียงใด ฉันกำลังสร้างพจนานุกรมที่เชื่อมโยงความคล้ายคลึงของ Floer และทฤษฎี homotopy

คุณช่วยอธิบายงานนั้นให้ละเอียดกว่านี้หน่อยได้ ไหม

นักทฤษฎี homotopy สมัยใหม่มีแนวคิดที่ทรงพลังที่เรียกว่าประเภท homotopy ที่เสถียร ซึ่งเป็นสิ่งที่เป็นนามธรรมของความหลากหลายที่สูญเสียลักษณะทางเรขาคณิตบางส่วนไป แต่ยังคงไว้ซึ่งโครงสร้างทางทอพอโลยีที่สำคัญที่สุดจำนวนมาก เครื่องมือที่ซับซ้อนมากขึ้นจำนวนมากที่ใช้โดยนักทฤษฎี homotopy อันที่จริงแล้วสำหรับการจัดการประเภท homotopy ที่เสถียร ในงานของฉัน ฉันต้องการใช้ความคล้ายคลึงกันของ Floer เพื่อสร้างประเภท homotopy ที่เสถียรซึ่งเกี่ยวข้องกับเรขาคณิตเชิงสมมาตร – เพื่อใช้ชุดเครื่องมือของนักทฤษฎี homotopy เพื่อพิสูจน์ผลลัพธ์ใหม่เกี่ยวกับเรขาคณิตเชิงสมมาตร ที่ MIT ฉันได้สร้าง Floer homology เวอร์ชัน homotopy ที่เสถียรสำหรับความหลากหลายของ manifolds เฉพาะที่เรียกว่าโดเมน Liouville และวางโครงสร้างของฉันไว้ในโครงสร้างที่กว้างขึ้นซึ่งเรียกว่าหมวดหมู่ Fukaya หมวดหมู่ฟุคายะนั้นเป็นวิธีการจัดระเบียบพีชคณิตของความคล้ายคลึงกันของ Floer พวกมันสามารถคำนวณได้ยากมาก แต่ถ้าคุณจัดการได้ คุณจะสามารถรับมือได้อย่างแข็งแกร่งในหลากหลายรูปแบบ

จุดสนใจของฉันตอนนี้ที่โคลัมเบียคือการได้รับการคำนวณเกี่ยวกับความคล้ายคลึงกันของ Floer เวอร์ชัน homotopy-theoretic และดูว่าสิ่งใหม่ ๆ ที่พวกเขาสามารถบอกเราเกี่ยวกับเรขาคณิตเชิงสมมาตรและสมมาตรของกระจก ตัวอย่างแรกสุดของความสมมาตรของกระจกเกิดขึ้นจากท่อร่วมเชิงสมมาตรซึ่งสัมพันธ์กันในรูปแบบต่างๆ กับกลุ่มท่อร่วมที่มีชื่อเสียงอีกกลุ่มหนึ่งซึ่งเรียกว่าพื้นที่ฉายภาพที่ซับซ้อน พื้นที่ฉายภาพที่ซับซ้อนมีความสมมาตรพิเศษมากมาย ซึ่งทำให้ Floer มีความคล้ายคลึงกันและการคำนวณคล้อยตามมากขึ้น ขณะนี้ฉันกำลังทำงานเพื่อสร้างเวอร์ชัน homotopy-theoretic ของ Floer homology และหมวดหมู่ Fukaya สำหรับช่องว่างเหล่านี้ และใช้สมมาตรพิเศษเพื่อทำความเข้าใจพวกเขาอย่างเป็นรูปธรรม ความหวังของฉันคือสิ่งนี้สามารถให้ข้อมูลเชิงลึกเกี่ยวกับการตีความความสมมาตรของกระจกในระดับลึกและเชิงทฤษฎี

 

สุดท้ายนี้ คุณคิดอย่างไรกับ Simons Junior Fellowship?

ฉันสัมภาษณ์เพื่อเข้าร่วมโครงการ Junior Fellowship ในช่วงที่เกิดการระบาดใหญ่ และนี่เป็นครั้งแรกที่ฉันได้พูดคุยกับคนที่ไม่ใช่นักคณิตศาสตร์ในเวลาเพียงหกเดือน เมื่อสิ่งต่าง ๆ ออกไปทางไกล การประชุมแผนกของฉันทั้งหมดยังคงดำเนินต่อไป แต่โดยพื้นฐานแล้วมันเป็นไปไม่ได้เลยที่จะพบปะและติดต่อกับใครบางคนในสาขาอื่น ในที่สุด ฉันสามารถพูดคุยกับนักชีววิทยาระหว่างการสัมภาษณ์ของฉันได้ สูดอากาศบริสุทธิ์! และตอนนี้ฉันสนุกกับการเรียนและพูดเกี่ยวกับสาขาวิชาวิทยาศาสตร์ที่หลากหลายมาก เพราะตอนนี้ฉันเป็นรุ่นน้อง

และแม้แต่ในวิชาคณิตศาสตร์ ฉันได้เรียนรู้มากมายจากจูเนียร์เฟลโลว์คนอื่นๆ ตัวอย่างเช่น ฉันไม่เคยชื่นชมความสำคัญของเมทริกซ์แบบสุ่ม จนกระทั่งฉันได้พูดคุยกับ Jiaoyang Huang เพื่อนร่วมงานรุ่นน้องของฉัน Simons Junior Fellowship เปลี่ยนแปลงทั้งในและนอกสาขาของฉัน และฉันขอขอบคุณชุมชนทางปัญญาในนิวยอร์กซิตี้ที่ส่งเสริม