大脑中理想化神经元功能在非关联随机无标度网络上的雪崩动力学

我们研究了一个集体大脑系统中神经元功能的简单模型。神经网络由非关联随机无标度网络组成，以消除动力学过程的度相关性。神经元的相互作用被假设为各向同性和理想化的。这种神经元动力学类似于具有各向同性局部相互作用的极端动力学中的生物进化，但具有不同的时间尺度。神经元尖峰的演化按照类似于雪崩动力学的间断模式进行。我们发现，这种神经元功能的演化动力学表现出自组织临界性，雪崩大小呈现幂律行为。对于给定的网络，雪崩动力学行为不随网络的不同度指数 $\gamma \geq 2.4$ 和对应于记忆效应的不应期 $T_r$ 而改变。此外，与其他网络相比，雪崩大小分布在单一标度区域内表现出幂律行为。然而，显示时空复杂性的返回时间分布具有三个特征时间标度区域。