打破弱耦合的束缚：振荡器幅度的动态因果建模

耦合振荡器模型在描述物理、生物与经济学中广泛现象时十分有用。这些模型通常基于振荡器弱耦合的前提，即幅度可假设为常数，因而动力学可纯粹用相位差描述。尽管在数学上方便，弱耦合假设的限制性会制约这些相位耦合振荡器模型的解释力。因此我们提出对弱耦合振荡器模型的扩展，将幅度与相位均作为因变量。我们使用动态因果建模的双线性神经元状态方程作为基础，推导描述弱耦合与强耦合振荡器活动的耦合微分方程。我们表明弱耦合振荡器模型不足以描述多种系统中观测到的时变信号背后的过程。我们证明相位耦合模型在弱耦合系统模拟上表现良好，但在连接不再弱时失效。另一方面，使用贝叶斯模型选择，我们表明尽管将幅度作为额外因变量带来了附加复杂性，我们的相位-幅度耦合模型能更有效地描述非弱耦合系统。我们在模型生成数据、相互连接的摆模拟、麻醉下啮齿动物神经局部场电位记录以及国际经济国内生产总值数据的背景下展示了我们相位-幅度模型的优势。