Рост популяции со стороны похож на разгоняющийся поезд: сначала еле ползёт, потом набирает ход. Но стоит вглядеться в данные — и картинка расплывается. В одном замере десяток особей, в другом сразу сотня. Классические модели смахивают этот разброс как досадную грязь с объектива. Они считают, что шум везде одинаковый, и просто не обращают на него внимания. Новая работа предлагает вслушаться в этот шум — как врач вслушивается в дыхание пациента. Хрипы и свисты рассказывают о том, что происходит внутри.

За основу авторы взяли биологически информированные нейросети (BINNs). Это похоже на обычную нейросеть, в которую вшили учебник биологии — чтобы она не выдумывала несуществующих законов. К этому «учебнику» добавили обучаемый блок, который на лету подстраивается под неравномерность разброса. В статистике такое свойство называют гетероскедастичностью (буквально «разная рассеянность»). На примере роста популяции нейросеть не только восстановила скрытый закон, но и сама разобралась, где данные надёжнее, а где — словно кардиограмма при стрессе.

Результат удивил: научившись различать «громкий» и «тихий» шум, нейросеть стала точнее предсказывать сам рост. Оказалось, что структура изменчивости — не враг, а союзник. В ней зашита информация о том, как популяция реагирует на среду, на тесноту, на случайные удары судьбы. Такой подход пригодится не только в экологии, но и в медицине — там разброс данных по пациентам не брак, а ключ к персонализированному лечению.