少即是多：布线经济的模块化网络支持自持的放电经济型神经雪崩以实现高效处理

脑网络具有显著的成本效率，但其网络结构与活动中经济优化的基本物理与动力学机制尚不清楚。在此，我们研究生物合理的空间模块化神经元网络模型中结构与动力学之间精细的成本效率相互作用。我们发现，在具有较低布线成本的模块化网络拓扑下，由兴奋-抑制平衡产生的临界雪崩态也能实现较低的放电成本，同时对刺激的响应灵敏度显著增强。我们通过一种新颖的近似理论推导了支配宏观网络动力学的平均场方程。低放电成本与以临界雪崩形式表现的更强响应机制，被解释为当增加模块连接密度时模块接近Hopf分岔。我们的工作揭示了神经系统中广泛观察到的成本效率模块化组织与临界动力学背后的通用机制，为脑启发的高效计算设计提供了见解。