Оркестр играет сложную пьесу, и каждая группа инструментов вступает по своему расписанию. Скрипки могут замедлиться, пока духовые держат прежний темп, а ударные вдруг взорвутся дробью. Дирижёр слышит всё сразу, но определить, в какой именно момент изменился ритм у флейт, а не у виолончелей, почти невозможно. Именно так выглядят сигналы, которые учёные снимают с мозга во время сна или с поверхности океана в годы Эль-Ниньо: много голосов, и каждый живёт своей жизнью.
Раньше исследователи могли либо зафиксировать общие точки разрыва для всех каналов, либо сглаживать изменения, теряя резкие скачки. Новый подход работает как внимательный слушатель, который делит всю запись на короткие отрезки, где музыка звучит примерно одинаково, и для каждого отрезка строит свою картину частот. При этом число отрезков заранее неизвестно, и метод сам решает, где провести границы, перебирая варианты с помощью случайных скачков и умного поиска.
Для данных Эль-Ниньо метод предположил, что характер колебаний изменился в 1980-х годах, и дал этому событию вероятность 65 процентов. Это не окончательный приговор, а скорее подсказка климатологам, где стоит искать причины перемен. В тестах на искусственных сигналах с известными точками разрыва метод ошибался реже, чем его конкуренты, и работал быстрее одного из самых точных прежних алгоритмов.
Такой инструмент пригодится везде, где важна динамика связей между несколькими сигналами: в медицине сна для диагностики нарушений, в нейронауке для анализа активности разных зон мозга, в климатологии для мониторинга индексов океана и атмосферы. Оркестр сложен, но теперь у нас есть способ услышать, когда именно каждая группа инструментов меняет свой темп.
В анализе ЭЭГ метод автоматически определил переход от медленного сна к быстрому с точностью до четверти секунды, что сравнимо с работой опытного врача.
Идея адаптивного разбиения сигнала на сегменты с разной динамикой напоминает анализ мозговых волн в фильме «Начало», где герои отслеживают изменения состояний сознания по паттернам активности.