فرارو- دانشمندان دانشگاه ام‌آی‌تی در مطالعه‌ای که در ۲۳ می ۲۰۲۵ در مجله Proceedings of the National Academy of Sciences (PNAS) منتشر شد، فرضیه‌ای نوآورانه مطرح کردند که نشان می‌دهد آستروسیت‌ها، سلول‌های ستاره‌شکل مغز، ممکن است نقش کلیدی در ظرفیت عظیم ذخیره‌سازی حافظه مغز ایفا کنند. این سلول‌ها، که زمانی تنها به‌عنوان پشتیبان نورون‌ها شناخته می‌شدند، حالا به‌عنوان بازیگران اصلی در شبکه‌های حافظه معرفی شده‌اند. این مدل، که بر پایه شبکه‌های حافظه انجمنی متراکم (Dense Associative Memory) ساخته شده، می‌تواند توضیح دهد چرا مغز انسان با حدود ۸۶ میلیارد نورون قادر به ذخیره اطلاعات بسیار بیشتری از حد انتظار است. در این مقاله، با استناد به منابع معتبر غیرفارسی مانند Live Science، Scientific American، Neuroscience News، ScienceDaily و PNAS، جزئیات این پژوهش بررسی می‌شود.

آستروسیت‌ها: از پشتیبان به معمار حافظه

به گزارش فرارو، آستروسیت‌ها سلول‌های ستاره‌شکلی هستند که تعدادشان در مغز با نورون‌ها برابری می‌کند و وظایف پشتیبانی مانند پاک‌سازی پسماندهای سلولی، تأمین مواد مغذی برای نورون‌ها و تنظیم جریان خون را بر عهده دارند. هر آستروسیت با زوائد نازک خود، که به پروسس معروف‌اند، می‌تواند به صدها هزار سیناپس (محل اتصال نورون‌ها) متصل شود و سیناپس‌های سه‌گانه (Tripartite Synapse) را تشکیل دهد، که شامل دو نورون و یک آستروسیت است. Live Science این ساختار را به اختاپوسی با میلیون‌ها بازو تشبیه کرده که بدن آن هسته سلول و بازوها پروسس‌هایی هستند که سیناپس‌ها را در بر می‌گیرند.

برخلاف نورون‌ها که از پالس‌های الکتریکی برای انتقال اطلاعات استفاده می‌کنند، آستروسیت‌ها از سیگنال‌دهی کلسیمی بهره می‌برند، که امواج کلسیم را درون و بین سلول‌ها منتقل می‌کند. مطالعات اخیر، از جمله در ScienceDirect، نشان داده‌اند که قطع ارتباط آستروسیت‌ها و نورون‌ها در هیپوکامپ (منطقه کلیدی حافظه) به اختلال در ذخیره و بازیابی حافظه منجر می‌شود. این یافته‌ها، همراه با پیشرفت در تصویربرداری کلسیمی، نقش فعال آستروسیت‌ها در هماهنگی با نورون‌ها را تأیید کرده است.

مدل جدید: شبکه‌های حافظه انجمنی متراکم

تیم ام‌آی‌تی، به رهبری لئو کزچکف، ژان-ژاک اسلوتین و دمیتری کروتوف، مدلی مبتنی بر شبکه‌های هاپفیلد توسعه داد که با افزودن آستروسیت‌ها، به شبکه‌های حافظه انجمنی متراکم ارتقا یافت. شبکه‌های هاپفیلد، که در دهه‌های ۱۹۷۰ و ۱۹۸۰ توسط جان هاپفیلد و شون-ایچی آماری معرفی شدند، برای مدل‌سازی مغز استفاده می‌شوند، اما ظرفیت ذخیره‌سازی محدودی دارند (PNAS). مدل جدید نشان می‌دهد که آستروسیت‌ها با اتصال به چندین سیناپس، امکان ذخیره اطلاعات در مقیاس بسیار بزرگ‌تری را فراهم می‌کنند.

مکانیسم: آستروسیت‌ها فعالیت نورونی را تشخیص داده و سطح کلسیم خود را تغییر می‌دهند، که ممکن است منجر به آزادسازی گلیوترانسمیترها (پیام‌رسان‌های شیمیایی مشابه نوروترانسمیترها) در سیناپس شود. این حلقه بسته بین سیگنال‌دهی نورون‌ها و آستروسیت‌ها، اطلاعات را پردازش می‌کند (Neuroscience News).

پروسس‌ها به‌عنوان واحدهای محاسباتی: برخلاف مدل‌های سنتی که آستروسیت را یک واحد منفرد می‌دانند، این مدل هر پروسس را یک واحد محاسباتی مستقل فرض می‌کند، که ظرفیت حافظه را به طور خطی با اندازه شبکه افزایش می‌دهد (Live Science).

مقایسه با AI: این معماری به شبکه‌های یادگیری ماشین مانند ترانسفورمرها شباهت دارد و می‌تواند الهام‌بخش سیستم‌های هوش مصنوعی کم‌مصرف باشد (ScienceDaily).

Scientific American تأکید کرده که این مدل ظرفیت حافظه مغز را فراتر از نورون‌ها توضیح می‌دهد، زیرا یک آستروسیت می‌تواند چندین نورون را به هم متصل کند، برخلاف سیناپس‌های سنتی که تنها دو نورون را درگیر می‌کنند.

پیامدها و کاربردهای بالقوه

این فرضیه پیام‌های گسترده‌ای دارد:

نورشناسی: درک نقش آستروسیت‌ها می‌تواند به درمان بیماری‌های مرتبط با حافظه، مانند آلزایمر، کمک کند، جایی که آستروسیت‌ها نقش شناخته‌شده‌ای دارند. Live Science پیشنهاد می‌کند که تنظیم اتصالات یا سیگنال‌دهی پروسس‌های آستروسیت می‌تواند عملکرد حافظه را بهبود دهد.

هوش مصنوعی: مدل آستروسیت-نورون می‌تواند به طراحی سیستم‌های ذخیره‌سازی اطلاعات شبیه مغز منجر شود که اطلاعات عظیمی را با مصرف انرژی کم ذخیره و بازیابی می‌کنند، مثلاً برای تشخیص گفتار یا رباتیک (Neuroscience News).

فیزیک کوانتومی: ScienceDaily گزارش داده که این مدل رفتارهایی مشابه BCS-BEC crossover (مرز بین حالت‌های کوانتومی) را نشان می‌دهد، که ممکن است نشان‌دهنده استفاده مغز از اصول مکانیک کوانتومی برای ذخیره اطلاعات باشد.

محدودیت‌ها و سؤالات باز

با وجود نوآوری، این مدل هنوز فرضیه‌ای است که نیاز به تأیید تجربی دارد:

عدم داده‌های مستقیم: Live Science به نقل از مائوریتزیو دی‌پیتا از موسسه کرمبیل تورنتو هشدار داده که فناوری‌های کنونی نمی‌توانند پویایی‌های مغز انسان را در زمان واقعی ثبت کنند، و اثبات مستقیم نقش کلسیم در ایجاد، ذخیره یا بازیابی حافظه هنوز وجود ندارد.

تقریب مدل‌ها: این مدل یک تقریبی نظری است و ممکن است تمام پیچیدگی‌های مغز را پوشش ندهد (ScienceDirect).

منبع