潜变量与有限采样失真下人类大脑动力学的鲁棒标度
神经元与认知
2026-02-10 v1 无序系统与神经网络
统计力学
摘要
信息处理系统近临界运行以增强计算性能的观点得到了大脑活动中标度特征的支持。然而，外部信号引发了关于这种行为是内在的还是输入驱动的问题。我们证明，自相关输入和时间分辨率会影响简单神经模型中观测到的标度指数。我们还从分析上证明，在子采样条件下，由独立自相关信号驱动的非临界系统可以表现出强烈的表观临界性特征。为解决这些陷阱，我们开发了一个鲁棒框架，并将其应用于汇总神经数据，揭示群体水平的静息态大脑活动略微次临界但近临界。值得注意的是，提取的临界指数与简单循环放电率模型的预测高度吻合，支持了近临界动力学源自回响网络活动的涌现，对信息处理和人工智能具有潜在意义。
引用
@article{arxiv.2506.03640,
title = {Robust Scaling in Human Brain Dynamics Despite Latent Variables and Limited Sampling Distortions},
author = {Rubén Calvo and Carles Martorell and Adrián Roig and Miguel A. Muñoz},
journal= {arXiv preprint arXiv:2506.03640},
year = {2026}
}