동적 시냅스가 만든 신경망의 자기조직화 임계현상

초록

본 논문은 시냅스 효능이 사용에 따라 감소하고 회복되는 동적 메커니즘을 도입한 스파이킹 신경망이, 외부 입력이 거의 없을 때도 넓은 파라미터 구간에서 파워‑law 형태의 신경 폭발(avalanches)을 보이며 자기조직화 임계상태(self‑organized criticality, SOC)를 자연스럽게 달성한다는 것을 분석·시뮬레이션을 통해 입증한다.

상세 분석

이 연구는 기존 SOC 모델이 파라미터를 미세조정해야만 임계점에 도달한다는 한계를 극복하고, 생물학적으로 타당한 시냅스 가소성(사용 의존성 억제) 메커니즘을 도입함으로써 임계성이 내재된 현상임을 증명한다. 저자들은 먼저 N개의 적분‑발화(Integrate‑and‑Fire) 뉴런을 전역 연결 형태로 구성하고, 각 시냅스 Jᵢⱼ가 방출 시 u만큼 감소하고, 방출이 없을 때는 시간 상수 τ_J에 따라 α/u까지 회복되는 미분 방정식(2)를 제시한다. 평균장(mean‑field) 접근을 통해 ⟨J⟩와 평균 인터스파이크 간격 ⟨Δτ⟩ 사이의 자가일관성 방정식(3)을 도출하고, 이를 그래프적으로 해석해 두 변수의 고정점이 존재함을 확인한다. 핵심은 ⟨J⟩가 1에 수렴하면 네트워크가 임계 전이점 α_c=1에 도달한다는 점이다. 저자는 다양한 α(시냅스 최대 효능) 값에 대해 시뮬레이션을 수행했으며, α<1에서는 하위 임계(sub‑critical) 폭발, α≈1에서는 파워‑law(지수 ≈‑3/2) 분포, α>1에서는 초임계(super‑critical) 현상이 나타난다. 특히 시스템 규모 N→∞ 한계에서 외부 입력 I_ext를 N^−w 스케일링하면, 어떤 α≥1이든 ⟨J⟩→1/ u 로 수렴해 임계 상태가 보존된다는 수학적 증명을 제공한다. 이는 “임계성은 파라미터에 독립적이다”는 강력한 주장이다. 또한 누수(leak) 전류를 포함한 보다 현실적인 모델에서도 τ_l≈40 ms 이하에서는 파워‑law 지수가 약간 변하지만 여전히 임계성을 유지한다는 실험적 검증을 제시한다. 논문은 동적 억제 시냅스가 평균 시냅스 효능을 조절해 네트워크를 임계점으로 끌어당기는 피드백 루프를 형성한다는 메커니즘을 명확히 밝히며, 이는 뇌의 전반적 전기활동이 왜 장시간에 걸쳐 안정적인 임계 상태를 유지하는지에 대한 생물학적 설명을 제공한다.