Cuore e polmoni seguono il ritmo della musica. Durante i crescendo o gli aumenti graduali di volume di un'opera lirica, soprattutto durante l'aria "Nessun dorma" della Turandot di Giacomo Puccini, si verifica una vasocostrizione cutanea, aumenta la frequenza cardiaca e sale la pressione arteriosa; anche l'ampiezza del respiro accompagna l'andamento della melodia. Lo ha dimostrato un ricercatore dell'Università di Pavia, che ha condotto la sua ricerca su 24 giovani di circa 25 anni, metà dei quali sono coristi esperti, mentre l'altra metà non ha particolare passione o conoscenza per la musica. «Oltre alla misurazione dei parametri cardiovascolari e respiratori» ha spiegato lo studioso italiano, «abbiamo chiesto ai partecipanti di valutare in una scala da uno a cinque il grado di emozione suscitato dalla musica e quanto era nuova o piacevole per loro». Ebbene, alle risposte misurate con l'elettrocardiogramma e gli altri strumenti non corrispondeva affatto un coinvolgimento emotivo, che in genere è risultato basso o assente. «Ora vogliamo ripetere l'esperimento su un gruppo di ultrasettantenni» promette Bernardi, «cimentandoli anche con pezzi di musica rock».
La musica nel cuore
Primary tabs
prossimo articolo
Why have neural networks won the Nobel Prizes in Physics and Chemistry?
This year, Artificial Intelligence played a leading role in the Nobel Prizes for Physics and Chemistry. More specifically, it would be better to say machine learning and neural networks, thanks to whose development we now have systems ranging from image recognition to generative AI like Chat-GPT. In this article, Chiara Sabelli tells the story of the research that led physicist and biologist John J. Hopfield and computer scientist and neuroscientist Geoffrey Hinton to lay the foundations of current machine learning.
Image modified from the article "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374
The 2024 Nobel Prize in Physics was awarded to John J. Hopfield, an American physicist and biologist from Princeton University, and to Geoffrey Hinton, a British computer scientist and neuroscientist from the University of Toronto, for utilizing tools from statistical physics in the development of methods underlying today's powerful machine learning technologies.