فریم‌ورک‌های ریاضیاتی نشان می‌دهند که مغز چگونه ریتم‌ها را حفظ می‌کند

یک مدل ریاضیاتی جدید نشان می‌دهد که چگونه نورون‌های موجود در مغز با یکدیگر همکاری می‌کنند تا یک ریتم موسیقیایی خاص را یاد گرفته و حفظ کنند. این فریم‌ورک که توسط آمیتابا باس از موسسه فناوری نیوجرسی و آینه بیرن و جان رینزل از دانشگاه نیویورک ابداع شده در ژورنال PLOS Computational Biology مفصل تشریح شده است.

آزمایشات تجربی زیادی انجام شده تا نشان دهد کدام قسمت‌های مغز هنگام گوش دادن به موسیقی فعال شده و ریتم‌ها را تشخیص می‌دهند. با این حال، مکانیزم‌های عصبی که مبنای توانایی مغزی برای یادگیری ریتم‌ها (و ادامه دادن آن بعد از قطع شدن موسیقی) هستند، همچنان ناشناخته باقی مانده‌اند. باس و همکارانش برای یافتن این مکانیزم‌های عصبی دست به کار شده‌اند.

با استفاده از اصول نوروبیولوژیک، محققان یک مدل ریاضیاتی از گروهی از نورون‌ها ساخته‌اند که می‌تواند برای یادگرفتن ریتم موسیقی از یک محرک ریتمیک به کار رود، و ریتم را بعد از قطع محرک نیز ادامه دهد. این مدل نشان می‌دهد که چگونه یک شبکه از نورون‌ها می‌توانند به عنوان یک "مترونوم عصبی" عمل کنند و فواصل زمانی بین ضربان‌ها را با دقت چند دهم میلی ثانیه تخمین بزنند. این مترونوم وابسته به یکی از الگوهای فعالیت مغزی ریتمیک، به نام نوسان گاما است، که پیگیر گذر زمان در مغز می‌باشد.

رینزل می‌گوید: ما به موسیقی گوش می‌دهیم و بدن ما با توجه به ریتم و ضرب‌آهنگ به حرکت درمی‌آید. مدل ما پیشنهاد می‌کند که مغز چگونه ریتم را به این سرعت فرا می‌گیرد.

در گام بعدی، محققان می‌خواهند پژوهش خود را به وسیله‌ی آزمایشات روانی-صوتی واقعی و آزمون‌های EEG (که نشان دهنده‌ی فعالیت در نواحی مختلف مغز انسان است) گسترش دهند. این آزمایشات نشان خواهند داد که این مدل، مکانیزم‌های عصبی واقعی موجود در مغز، که برای یادگیری ریتم و ضربان آهنگ به کار می‌روند، را با چه دقتی شبیه سازی می‌کند.

باس می‌گوید: یافته‌های ما به بینش جدیدی در رابطه با چگونگی استفاده‌ی مغز از اطلاعات گذشته، برای پیش بینی وقایع آینده، به دست می‌دهند، به خصوص در زمینه‌های ریتم‌های موسیقیایی و حفظ آگاهی در رابطه با گذر زمان.

ورای موسیقی، این مدل جدید می‌تواند به ما درک بهتری از شرایطی بدهد که در آن توانایی تخمین دقیق زمان دچار نقصان می‌شود، مانند بیماری پارکینسون.

منبع: ساینس دیلی