科学者たちは、生態系のような複雑なシステムにおける大きな変化を、システムの異なる部分からの信号を利用して予測する方法を見つけました。これらの大きな変化は、チッピングポイントと呼ばれ、システムの機能を劇的に変更する可能性があります。たとえば、チッピングポイントは、大量絶滅や疫病の開始といった出来事を説明するのに役立ちます。初期警告信号は、これらの変化が発生する前に予測するのに役立ちます。

システムの異なる部分からの初期警告信号を最適に組み合わせる方法は明確ではありませんでした。複雑な数学に基づく新しい方法は、より良い予測のためにシステムのどの部分を観察すべきかを選ぶのに役立ちます。この方法は、信号の強さと不確実性の両方を考慮します。システムの複数の部分からの信号を使用することは役立ちますが、必ずしもそうとは限りません。

研究者たちは、異なるネットワークやモデルを使用して彼らの方法をテストしました。彼らは、特にシステムの異なる部分が異なるレベルのノイズやストレスを経験する場合に、彼らのアプローチがうまく機能することを発見しました。たとえば、生態系では、一部の種が他の種よりも早く初期警告信号を示すことがあります。監視すべき正しい種のセットを選ぶことは、予測の質を向上させ、時間を節約することができます。

この新しい方法は、生態学、気候科学、疾病制御など、多くの分野で使用できます。この方法は、システムのネットワークに関する詳細な情報を必要としないため、実世界のデータでの使用が容易です。システムの適切な部分に焦点を当てることで、科学者たちは潜在的な危機をより良く予測し、対応することができ、複雑なシステムの理解をより良く、より有用にします。