پیشرفت در هر شاخهی علمی، در نهایت به سایر رشتههای علمی نیز سرایت خواهد کرد. علت این مساله نیز این است که شاخههای مختلف علمی، در واقع تفاسیر مختلف از یک واقعیت واحد یا همان طبیعت هستند. محض مثال شما میبینید که مسائل مختلف در شاخههای مختلف علمی، در نهایت به تعدادی معادلهی دیفرانسیل منتهی میشود که اتفاقا فرم کلی آنها شباهت بسیار زیادی به یکدیگر دارند. معادلهی شرودینگر که یک معادلهی پایهای در مسائل حوزهی فیزیک کوانتوم به حساب میآید، یک معادلهی دیفرانسیل است. شما اگر وارد دنیای شیمی شوید، آنجا نیز میبینید که معادلات حاکم بر واکنشها، معادلات دیفرانسیل است و اصلیترین کار شیمیدانان، پیدا کردن پارامترها و جوابهای این معادلات است. در تمام رشتههای مهندسی مربوط به جریان سیالات، شما معادلات ناویر استوکس را میبینید که آنها نیز معادلات دیفرانسیل هستند.
در مهندسی برق شما به دنبال جوابهای معادلات ماکسول میگردید که آن هم معادلات دیفرانسیل است. شما وقتی وارد بیولوژی میشوید، میبینید که در آنجا نیز دانشمندان رفتار و رشد تودهی میکروارگانیزمها را به کمک حل معادلات دیفرانسیل پیشبینی میکنند. همهی اینها در حالیست که نیوتن معادلات دیفرانسیل را برای پیشبینی حرکت اجسام ابداع کرده بود و شاید هیچوقت فکرش را نمیکرد که این معادلات سر و کلهشان در این همه شاخههای مختلف علمی پیدا شود. به همین شکل کسی که امروز در یک شاخهی ریاضیات پژوهش میکند، نمیداند که نتایج پژوهش امروز او در چه شاخههایی به کار خواهد رفت. مثلا کسی که صد سال قبل روی نظریهی گراف تحقیق میکرده، هیچوقت فکرش را نمیکرده که کسی صد سال بعد در رشتهی زیست شناسی مولکولی، از نتایج او برای حل مسائل شبکههای تنظیم ژنی استفاده کنند.
اما این مساله نمیتواند اتفاقی باشد. از طرف دیگر اینگونه نیست که فکر کنیم چون انسان سعی میکند دانستههای قبلیاش را بر مسائل جدید تصویر یا مپ کند، چنین تشابهاتی به وجود آمده است. اگر این مسائل به یکدیگر کاملا بیربط بودند در نهایت به مسائل هم ریخت و هم شکل و متشابهی منتهی نمیشدند. این نشان از نوعی تقارن بسیار اساسی و بنیادین در طبیعت دارد. به شکلی که از هر طرف به آن نزدیک میشویم، به مسائلی مشابه میرسیم. بسیاری از دانشمندان از همین مساله برای اکتشافات علمی خود استفاده میکنند. وقتی که کشفی در یک شاخهی علمی رخ میدهد، دانشمندانی در رشتههای دیگر به این موضوع فکر میکنند که احتمالا در این مساله نیز ما باید منتظر چنین رفتار و الگویی باشیم.
یکی از بهترین مثالها در این زمینه، مدل هاجکین-هاکسلی برای توجیه فعالیت نورونهاست. این دو دانشمند علوم مغز و اعصاب، با توجه به این مساله که جنبههای مختلف طبیعت، رفتار و الگوی مشابه نشان میدهد، تصمیم گرفتند به کمک دانش موجود در حوزهی مدارهای الکتریکی، مدلی ریاضی برای توصیف نحوهی توزیع پتانسیل و جریان در نورونهای یک ماهی مرکب ارائه دهند. حتی این مدل هم مجموعهای از معادلات دیفرانسیل غیرخطی بود. این دانشمندان این مدل را در سال ۱۹۵۲ ارائه کردند. این مدل که کشف آن به نوعی حاصل توجه به آنالوژی و شباهت بین سیستمهای الکتریکی و سیستمهای نورونی بود، آنقدر در پیشبینی فعالیت نورونی موفق شد که این دانشمندان تنها یازده سال بعد در سال ۱۹۶۳، موفق شدند نوبل فیزیولوژی و پژشکی را از آن خود کنند. از مدل هاجکین-هاکسلی به عنوان یکی از بزرگترین دستاوردهای زیست شناسی در قرن بیستم یاد میشود.
– ابا اباد