신경 복합망의 급격한 활성화와 스파이크 폭발 현상

초록

**
본 논문은 비선형 적분‑발화(Integrate‑and‑Fire) 신경 모델을 복합 네트워크에 적용했을 때, 네트워크 토폴로지에 따라 급격한 활성화(아발랑시)와 스파이크 폭발이 어떻게 발생하는지를 분석한다. 층별(동심원) 이웃 구조와 계층적 차수를 이용한 평균장(Mean‑Field) 등가 모델을 제시해 아발랑시의 시점과 강도를 예측하고, 이를 Erdős‑Rényi, Barabási‑Albert, Watts‑Strogatz, 지리적 네트워크 및 실제 C. elegans 신경망에 검증한다.

**

상세 분석

**
이 연구는 복합 신경망에서 비선형 적분‑발화 뉴런이 보여주는 전이(transient) 동역학을 네트워크 구조와 직접 연결시키는 새로운 프레임워크를 제시한다. 핵심 아이디어는 ‘동심원(neighborhood)’ 개념을 이용해 특정 소스 뉴런을 기준으로 네트워크를 여러 층(h‑level)으로 구분하고, 각 층에 존재하는 노드 수 n_h와 층간 차수 k_h(계층적 차수), 그리고 층내 차수 a_h( intra‑ring degree)를 정량화한다. 이러한 계층적 측정값은 평균장 등가 모델의 파라미터가 되며, 네트워크 전체를 일련의 ‘체인 복합 신경망(chain complex neuronal network)’으로 축소한다.

수학적으로는 각 층에 대한 활성 축적 S_h(t)를 다음과 같이 기술한다. 소스 뉴런이 일정한 입력 I=1을 지속적으로 제공하면, 그 인접층( h=1 )에 전파되는 활성은 k_0·I/N_0 로 나뉘어 누적되고, 일정 시점 t_h≈∑_{j=0}^{h-1} n_j/k_j 에서 임계값 T를 초과해 동시에 발화한다. 이 순간 전체 네트워크는 ‘아발랑시’를 경험하며, 스파이크 총량이 급격히 상승한다. 층의 크기 n_h가 급격히 증가하는 경우(예: BA, PN, PA 모델)에는 t_h가 짧아져 뚜렷한 아발랑시가 관찰되고, 반대로 n_h가 완만히 변하거나 감소하는 경우(WS, GG 모델)에는 활성 전파가 점진적으로 확산돼 스파이크 증가가 완만해진다.

특히 허브 구조(중심 노드가 높은 차수를 가짐)와 체인 구조(노드가 일렬로 연결된 경우)를 극단 사례로 분석한다. 허브에서는 소스가 허브일 때 t≈N‑1 시점에 모든 주변 노드가 동시에 발화해 ‘단일 대규모 아발랑시’를 만든다. 반면 체인에서는 활성 흐름이 양방향으로 역류하면서 ‘톱니형(saw) 진동’이 발생하고, 각 노드의 발화 시점이 순차적으로 지연돼 스파이크가 선형적으로 증가한다. 이러한 현상은 평균장 모델이 계층적 차수와 노드 수만 알면 정확히 재현할 수 있음을 실험적으로 확인하였다.

또한, C. elegans 신경망에 동일한 분석을 적용했을 때, 소스 뉴런의 위치에 따라 1차 아발랑시와 2차(보조) 아발랑시가 다르게 나타났으며, 이는 네트워크 내 커뮤니티 구조와 강하게 연관된다. 즉, 특정 커뮤니티에 속한 뉴런을 소스로 선택하면 해당 커뮤니티 내부에서 먼저 급격한 활성화가 일어나고, 이후 다른 커뮤니티로 전파되는 순차적 아발랑시가 관찰된다. 이는 이전 연구( arXiv:0801.4269, 0801.4684 )에서 제시된 ‘활성화 시작 시점’이 커뮤니티 탐지에 유용한 지표가 될 수 있음을 뒷받침한다.

마지막으로, 다양한 네트워크 모델에 대해 아발랑시 발생 시점 t_h와 폭을 정규화하면 네트워크 규모 N에만 의존하는 보편적인 스케일링 법칙이 존재함을 제시한다. 이는 ‘아발랑시 보편성(universality)’이라 부를 수 있으며, 복합 신경망의 동적 임계 현상을 이해하는 데 중요한 통찰을 제공한다.

**