神经元网络中的稳态临界性

在自组织临界性（SOC）模型以及标准相变中，临界性仅在外场趋于零（$h \to 0$）时存在。考虑到自然系统很少满足此条件，这一限制对这些模型的解释力提出了挑战。此外，在地震、森林火灾与神经元网络等耗散系统模型中，并不存在如服从有限尺寸标度的干净幂律所表达的真正临界行为，而是一种称为“dirty”临界性或自组织准临界性（SOqC）的情形。此处，我们提出简单的稳态机制，促进神经元网络中耦合强度、增益与放电阈值的自组织。我们表明，在耦合强度与放电阈值动力学的时间尺度充分分离下，即便存在显著外部输入，也能达到并维持近临界性（SOqC）。放电阈值适应并抵消输入（$h$减小至零）。类似机制可用于自旋系统与元胞自动机中的耦合与局部阈值，这可能带来在地震、森林火灾、恒星耀斑、投票与传染病建模中的应用。