Этот тонкий момент зачастую ставил в тупик других математиков, когда я читал свои первые лекции по нашей работе: прежде чем я успевал дать развернутое пояснение этого момента, какой-нибудь критикан (а среди слушателей обязательно находился хотя бы один такой) прерывал меня и упрекал в тривиальности нашей теоремы: дескать, осцилляторы, конечно же, синхронизируются, поскольку все они идентичны и одинаково связаны друг с другом – а на какой же еще результат я рассчитывал? Но такое возражение слишком обманчиво: оно игнорирует слабое влияние кривой заряда. Синхронизм возникает с неизбежностью лишь в случае, когда эта кривая изгибается в «правильном» направлении. С биологической точки зрения, форма кривой заряда определяет, в какой момент толчки оказываются более сильными: в начале цикла (вблизи исходного состояния) или в конце цикла (вблизи порогового значения). Когда кривая заряда наклонена вниз, как в модели Пескина, данный толчок напряжения трансформируется в больший сдвиг фазы для осцилляторов, близких к пороговому значению, что в свою очередь гарантирует, что система будет синхронизирована, хотя понять, почему именно она будет синхронизирована, не так-то просто.

Сконструированное нами доказательство выводов, сделанных Пескином, оказалось первым строгим результатом, относящимся к популяции осцилляторов, обменивающихся внезапными импульсами. Что же касается реальных светлячков или клеток-ритмоводителей сердца, такая модель является очевидным упрощением. Она предполагает, что запуск одного осциллятора всегда подталкивает другие осцилляторы в направлении порога, продвигая таким образом их фазы вперед; реальные биологические осцилляторы могут, вообще говоря, сдвигать фазу как вперед (опережение), так и назад (запаздывание). Кроме того, тайские светлячки, которые являются самыми большими мастерами в части синхронизации – вид, известный как Pteroptyx malaccae, – используют совершенно другую стратегию[16]: они непрерывно корректируют частоту своих «внутренних часов», а не их фазу, в ответ на сторонние вспышки. По сути, они заставляют свои «внутренние часы» тикать быстрее или медленнее, вместо того чтобы переводить свою минутную стрелку немного вперед или назад. К тому же, предполагая, что все осцилляторы идентичны, наша модель не принимает во внимание генетическое разнообразие, присущее любой реальной популяции. И наконец, наше допущение, что все осцилляторы оказывают одинаковое воздействие друг на друга, является очень грубым описанием клеток сердца, которые влияют главным образом на своих ближайших соседей. Учитывая все эти ограничения нашего анализа, мы оказались не готовы к реакции, которую он должен был вызвать с неизбежностью.

В течение нескольких следующих лет было опубликовано более 100 статей, посвященных импульсно-связанным осцилляторам. Авторами этих статей были ученые, представлявшие множество дисциплин, начиная с нейробиологии и заканчивая геофизикой. Что касается нейробиологии, то теоретиков, изучающих модели нейронных сетей, категорически не устраивал преобладающий подход, согласно которому нейроны весьма грубо описывались средними скоростями их запуска (количеством скачков напряжения в секунду), а не фактическим распределением самих этих скачков во времени[17]. Предложенная нами новая модель импульсно-связанных осцилляторов идеально отвечала потребностям ученых-нейробиологов и духу времени в целом.

По случайному стечению обстоятельств или, может быть, в силу каких-то других причин в начале 1990-х годов ученые в других областях также размышляли над поведением систем такого рода. Например, влиятельный биофизик Джон Хопфилд, работающий в Калифорнийском технологическом институте, обнаружил связь между землетрясениями и импульсно-связанными нейронами[18]. В упрощенной модели землетрясения пласты земной коры постоянно воздействуют друг на друга, создавая напряжение, которое нарастает до тех пор, пока не будет достигнут некий порог. Затем эти пласты внезапно начинают скользить относительно друг друга; высвобождающаяся при этом энергия приводит к взрыву. Весь этот процесс напоминает постепенное повышение и внезапный скачок напряжения нейрона. В описанной выше модели землетрясения соскальзывания одного пласта может оказаться достаточно, чтобы запустить соскальзывание других пластов (точно так же, как запуск нейрона может вызвать цепную реакцию других разрядов в мозге). Эти каскады множащихся событий могут приводить к землетрясениям (или эпилептическим хватательным движениям у человека). В зависимости от того, какой именно оказывается конфигурация других элементов системы, результатом может быть либо едва различимый гул, либо сильное землетрясение.

Такая же математическая структура возникала в моделях других взаимодействующих систем, начиная с лесных пожаров и заканчивая массовыми вымираниями живых организмов. В каждом таком случае какой-то отдельно взятый элемент подвергается нарастающему давлению, продвигается в направлении некого порога, а затем внезапно высвобождает накопившееся напряжение и распространяет его на другие элементы, что способно вызвать эффект домино. Модели с таким характером широко обсуждались в начале 1990-х годов. Статистика каскадов – в основном небольших, но в нескольких случаях катастрофических – изучалась теоретически физиком Пером Баком и его сотрудниками в связи с тем, что они называли самоорганизующейся критичностью[19].

Открытие, сделанное Хопфилдом, заключается в том, что самоораганизующася критичность может быть тесно связана с синхронизацией в импульсно-связанных системах осцилляторов. Интригующая возможность связи между этими двумя областями породила десятки статей, в которых исследовались возможные варианты связи[20]. Этот эпизод служит примером того, как математики могут выявлять скрытую связь явлений, которые на первый взгляд кажутся не связанными между собой.