脑网络中突变相变的圆整化

在皮层网络中观察到类临界行为是阐明大脑如何管理信息的重要一步。理解类临界动力学的起源和功能及其鲁棒性，是当代神经科学面临的主要挑战。在此，我们对一系列简单的动态模型进行了广泛的数值研究，这些模型通过整合不同的邻近尖峰电位来描述脑网络中的活动传播，模拟了基本的神经相互作用。信号整合的要求可能导致在平均场近似良好描述的网络中出现不连续相变，从而阻碍此类系统中临界点的出现。在此我们表明，由于皮层网络高层的层级组织结构，大脑中的临界性实际上是鲁棒的，这标志着对平均场范式的偏离。我们表明，在有限维层级网络中，由于结构或拓扑无序的存在，不连续相变表现出圆整化现象，并在拓扑维数 $D\le 2$ 时转变为连续相变。我们的结果对于解释在大规模脑活动测量中观察到的临界行为特征可能具有重要意义。