Wie Netzwerke belastbar werden
Simulationen belegen ähnliche Designprinzipien für Stromnetze und biologische Netzwerke.
Variable Inputs sind in technologischen und biologischen Netzwerken allgegenwärtig: Windkraftanlagen erzeugen aus turbulentem Wind Strom, was zu erheblichen Schwankungen im Stromnetz führen kann. Vergleichbar müssen auch biologische Sensornetzwerke mit Rauschen umgehen: Im menschlichen Hörsystem ist beispielsweise eine unzureichende Unterdrückung von internen Schwankungen als mögliche Ursache für Tinnitus identifiziert worden.
Gemeinsam mit Henrik Ronellenfitsch und Jörn Dunkel vom Massachusetts Institute of Technology (MIT) hat Michael Wilczek vom Max-Planck-Institut für Dynamik und Selbstorganisation (MPIDS) in Göttingen nun erforscht, wie man ein optimales Netzwerk entwerfen kann, das äußere Schwankungen optimal unterdrückt. Ziel dabei war es, die Schwankungen möglichst kostengünstig und passiv, d.h. nur durch Anpassung des Schaltplans, zu verringern. Begonnen haben die Forscher dafür mit einem engmaschigen Netzwerk, in dem nach und nach Verbindungen gestärkt, abgeschwächt, oder sogar ganz entfernt wurden.
Auf diesem Weg zum optimalen Netzwerk fand das Team, dass die effektivste Netzwerkstruktur aus hierarchischen, starken Verbindungen besteht, die langreichweitiger sind als die Fluktuationen. Das optimale Netzwerk überbrückt also gewissermaßen Regionen, in denen die Schwankungen zu ähnlich sind, wodurch sie diese besser ausmitteln lassen. „Unsere anfängliche Motivation für diese Forschungen stammt aus dem Bereich der erneuerbaren Energien, allerdings haben unsere Recherchen schnell ergeben, dass Fluktuationen in vielen verschiedenartigen Netzwerken ein großes Problem darstellen.“, so Michael Wilczek.
„Interessanterweise haben unsere optimalen Netzwerke eine starke Ähnlichkeit mit biologischen Venennetzen, wie sie in Pflanzenblättern, Schleimpilzen und menschlichen Gefäßen vorkommen. Das deutet darauf hin, dass biologische Gestaltungsprinzipien auf technische Anwendungen übertragen werden könnten. Für technische Anwendungen können wir durchaus von der Natur lernen.“, so Henrik Ronellenfitsch, Hauptautor der Studie.
MPIDS / DE
