სტოქასტური რეზონანსი არის ფენომენი, რომელიც არაწრფივი სისტემებისთვისაა დამახასიათებელი, რომელშიც შემთხვევითი ფლუქტუაციებით ან ხმაურით (მაგალითად თეთრი ხმაურით) შესაძლებელია ზოგადად სუსტი სიგნალების გაძლიერება, ოპტიმიზირება და ინფორმაციული დამუშავება. იგი ეხება ისეთ სიგნალებს, რომლებიც იმდენად სუსტია, რომ ინდივიდი ან ზოგადად ინფორმაციის მიმღები სისტემა ვერ აღიქვამს და შესაბამისად ვერ ხერხდება სიგნალების გარჩევა-გააზრება.

სტოქასტური რეზონანსის ცნების ფორმირება უკავშირდება რობერტო ბენცის (Roberto Benzi) სახელს, რომელიც ამ გზით ეცადა გამყინვარების და გამყინვარებებს შორის პერიოდების თითქმის პერიოდული ციკლურობის აღწერას და ილუსტრირებას. ამ მოდელზე დაყრდნობით 1980-იან წლებში მან გამოაქვეყნა ნაშრომების კრებული, სადაც იგი საკუთარი ნააზრევის მოდელირებას გამყინვარების ციკლების რუკით გვთავაზობდა.

სტოქასტური რეზონანსის პრინციპის აღსაწერად დავსვათ კითხვა: რატომ ვამატებთ სიგნალს ხმაურს?! ზოგადად წრფივ ინფორმაციულ თეორიაში ხმაური აღქმულია, როგორც სიგნალისთვის ხელისშემშლელი უარყოფითი ფაქტორი, ამიტომ ნებისმიერი ბიოლოგიური ობიექტი, თუ ინფორმაციის მიმღები ხელოვნური სისტემა, მიმართულია ხმაურის მაქსიმალურად შემცირებისკენ. თუმცა არაწრფივ სისტემებში ხმაური არამცთუ აუარესებს სიგნალის ინფორმაციულ დიაპაზონს, არამედ არსებითად გაშიფვრადს ხდის მანამდე აღუქმელ სუსტ სიგნალებს. მაშასადამე ხმაურის დამატების მთავარი მიზანი ისაა, რომ სიგნალის მიღებისას შესაძლებელი გახდეს, არსებითად გაუმჯობესდეს იგი და მანამდე აღუქმელმა სუსტმა სიგნალმა "გაამჟღავნოს ინფორმაცია" საკუთარ თავზე.

აღსანიშნავია ისიც, რომ ხმაურის დამატებაზე აუცილებელია მივუთითოთ ხმაურის ამპლიტუდა და ინტენსივობა, რამეთუ ყოველი სისტემისთვის არსებობს რხევების სიხშირული დიაპაზონის ოპტიმალური უბანი ან უბნები, რომელშიც სისტემა საუკეთესოდ ავლენს აღნიშნულ უნარს. ხმაურის ოპტიმალურზე დაბალი ამპლიტუდა/ინტენსივობა ვერ მოგვცემს სასურველ შედეგს, რადგან სუსტი სასიგნალო პარამეტრები კვლავ არაწრფივი ზღურბლის (non-linear threshold) ქვემოთ დარჩებიან, ხოლო ოპტიმალურზე მაღალი ანალოგიური პარამეტრი საერთოდ გაუგებარს გახდის სიგნალს რაც ასევე უსარგებლოა.

სტოქასტური რეზონანსის ცნება დამკვიდრდა უამრავ სფეროში: ფიზიკაში, მედიცინაში, ელექტრულ ინჟინერიაში, სეისმოლოგიასა და ასევე აღმოჩენილი იქნა ბიოლოგიურ მოდელებში. მეთოდი ფართოდ გამოიყენება ინფორმაციის ციფრული დამუშავების საქმეშიც, სადაც ამ პრინციპით ხდება მონაცემთა სხვადასხვა ტიპის ანალიზი მათ შორის ერთდროულად საკმაოდ ბევრი პარამეტრის გათვალისწინებით. ამ მეთოდით შესაძლებელია ციფრული სიგნალების ხარისხის ამაღლება და მრავალ-ობიექტიანი სურათების რაოდენობრივი ანალიზი.

აღნიშნული ფენომენი ფიზიკური სისტემების გარდა გვხვდება ბუნებაშიც. საინტერესოა, რომ სტოქასტური რეზონანსის გამოყენების შესაძლებლობა განივითარეს ბიოლოგიურმა სისტემებმა (დინგნიჩაბისებრი თევზი, წყლის კიბროჩხალა, დაფნია პლანქტონი და ა.შ) ხმაურის ენდოგენური წყაროების საშუალებით.

მაგალითად დინგნიჩაბისებრი თევზი (Paddlefish - Polyodon spathula), რომლისთვისაც სტოქასტური რეზონანსის მოვლენა საკვების მოპოვების ყოველდღიური ფორმაა, რომელიც მან ევოლუციური ადაპტაციის გზაზე შეიძინა და აქტიურად იყენებს პასიური რეცეპტორების საშუალებით, პლანქტონ დაფნიაზე სანადიროდ.

დინგნიჩაბისებრი თევზი ჩრდილოეთ ამერიკის მდინარეებში ბინადრობს, სადაც ტალახიანი, ტურბულენტური დინებები სრულად ახშობს მხედველობით უნარს ნადირობისთვის. ამიტომ იგი იყენებს ელექტრო-სენსორულ რეცეპტორებს (ანტენებს), რომელიც მისი მოგრძო, ნიჩაბისებრი დრუნჩის ორივე მხარესაა განლაგებული. აღნიშნული სისტემების საუკეთესო მგრძნობელობას ავლენენ დაბალი სიხშირის ველებზე, რომლებსაც წყალში ქმნის პლანქტონი დაფნიას კლასტერები. როდესაც პლანქტონის ოჯახი აღმოჩნდება თევზის დრუნჩთან არაუმეტეს 40 მმ მანძილზე იგი ‘ხედავ’ მას, თუმცა ამ რადიუსის გარეთ პლანქტონი თითქმის ვერ ხდება თევზის საკბილე.

თევზი ასხივებს შემთხვევით, ოპტიმალური ამპლიტუდის ელექტრულ ველს, და მსხვერპლის დეტექტირებას უფრო შორ მანძილებზეც ახდენს. სტოქასტური რეზონანსის არსის ცოდნა შესაძლოა ამ დასკვნების გაკეთების საშუალებას წინასწარაც გვაძლევდა, თუმცა შედეგების რაოდენობრივი ანალიზი უფრო მეტი დასკვნის გაკეთების საშუალებას იძლევა. ხმაურის დამატებამ არა მარტო გააფართოვა პლანქტონის დაფიქსირების არეალი, არამედ დინგნიჩაბისებრ თევზს მკვეთრად გაუუმჯობესა/განუვითარა დეტექტირების უნარიც, რაც მანამდე არ გააჩნდა.

წყარო:
https://bridges.m.../5441359/1
https://pubmed.nc.../12503175/
https://iopscienc...1/006/meta
https://chemistry...3.0.CO;2-A