普通、ノイズは邪魔者だ。SNRを上げるためにノイズを減らすのが信号処理の常識で、私もずっとそう思っていた。

ところが、ある条件ではノイズを増やすと信号の検出能力が上がる。確率的共鳴（Stochastic Resonance, SR）と呼ばれる現象で、1981年にBenziらが氷河期の周期を説明しようとして見つけた。

閾値系で考える

一番単純な例は閾値型検出器だ。入力 $x$ が閾値 $\theta$ を超えたときだけ出力を出す系を想像する。

入力は弱い周期信号 $s(t) = A\sin(2\pi ft)$ で、振幅 $A < \theta$。ノイズなしでは信号が閾値を越えられないから、出力はずっとゼロ。役に立たない。

ここに適度なノイズ $\eta(t)$ を加えると:

$x(t) = A\sin(2\pi ft) + \eta(t)$

ノイズが信号の山のタイミングでプッシュアップしてくれることで、閾値を越えて出力が出る。そのタイミングは元の信号と相関しているから、出力には周波数 $f$ の成分が現れる——検出できた。

でも、ノイズが強すぎると無関係なタイミングでも閾値を越えるようになって、信号との相関が薄れる。結果としてSNRはノイズ強度に対して山を持つ。最適なノイズ量が存在する。

双安定ポテンシャルの物理

より物理的なモデルでは、双安定ポテンシャルを持つ系が使われることが多い:

$U(x) = -\frac{a}{2}x^2 + \frac{b}{4}x^4$

この系に弱い周期外力と熱ノイズ（強度 $D$）がかかる。温度が低すぎると系はポテンシャルの谷に閉じ込められてほとんど動かない。温度が高すぎるとランダムに行き来するだけ。適切な $D$ では、信号の周期に同期して谷を乗り越えるようになる——これがSRの本質だ。

定量的には、ポテンシャル障壁の高さ $\Delta U = a^2/(4b)$ に対して、熱活性化による乗り越えレート（クラマース速度）は:

$r_K \approx \frac{\sqrt{ab}}{2\pi} \exp\!\left(-\frac{\Delta U}{D}\right)$

これが外部信号の周波数と合うとき、$2r_K \approx f_{\rm signal}$、SR条件が整う。

なぜここまで広がったのか

SRは気候科学から出発したが、その後あちこちで見つかった。

ニューロンは本質的に閾値型の素子で、適切な量の背景ノイズがあると弱い感覚刺激をより正確に検出できることが実験で確認されている。視覚の周辺部、聴覚のヘアセル、触覚受容器——どこでも痕跡がある。人間の感覚系がある程度のノイズを「前提にして設計されている」可能性は、なかなか面白い視点だと思う。

工学的な応用としては：

• 低精度ADC：1ビットのコンパレータでも、適切なディザノイズを加えると多ビット相当の分解能が得られる。ΔΣ変調はこれの洗練されたバージョンとも言える。
• 弱信号センシング：SQUIDや地震センサーなど、閾値型センサーで検出限界以下の信号を扱う場合に、意図的なノイズ注入が有効なことがある。
• 最適化：組み合わせ最適化での焼きなまし法も、「適切な揺らぎが局所解から抜け出す助けになる」という同じ直感と重なる。

ノイズと秩序の境界

確率的共鳴が示しているのは、「ノイズ = 悪」という単純な図式は非線形系では成り立たないということだと思う。線形系では最適解がノイズゼロで自明だけれど、閾値や双安定性を持つ系ではノイズの役割がずっと微妙になる。

「最適なノイズ量が存在する」というのは最初は奇妙に聞こえる。でも考えると、揺らぎのない世界では相転移も起きないし、熱ゆらぎがなければ化学反応の活性化エネルギーも越えられない。揺らぎと秩序は対立ではなく、もっと複雑な関係をしているんだろう。

— ランキン