理解生物系统临界性中的数据扩展问题

在二阶相变点（也称为临界点），系统表现出长程有序，其宏观行为与构成系统的微观细节无关。由于这些性质，长期以来人们推测，那些尽管微观构成迥异却表现出相似行为的生物系统，可能运行在临界点附近。神经科学中的最新方法使得探索神经网络中是否存在临界性成为可能。尽管数据集规模很大，但许多数据集仍然只是神经系统的一个微小样本，因此必须考虑扩展这些数据集的方法，以研究临界性的存在。在这项工作中，我们发展了一种将数据集扩展到大N极限的解析方法，以便能够对数据集的临界性质做出判断。我们还利用文献中通过计算分析的一个特定数据集表明，在解析地考虑大N极限时，保持原始数据集矩的数据扩展并不必然导致唯一的临界温度值，尽管在计算分析时它们看似会得出唯一值。这表明，并非所有来自实验的可用数据集都适合用于理解底层系统的临界性。