뇌파에서 떠오르는 정신 상태 거시 상태와 미시 상태의 연결

초록

이 논문은 정신 현상을 뇌의 미시적 전기 활동과 동일한 시스템의 두 가지 기술, 즉 미시‑거시 상태로 바라본다. 저자는 동적 보존을 유지하는 코스그레이닝을 데이터에서 자동으로 추출하는 알고리즘을 제시하고, 시뮬레이션과 실제 EEG 기록에 적용해 정신 상태에 대응하는 거시 상태를 식별한다.

상세 분석

본 연구는 “정신은 신경 과정에서 떠오진다(emerge)”는 가설을 형식화하기 위해 물리학의 거시‑미시 상태 개념을 차용한다. 미시 상태는 EEG 전극에서 측정된 고차원 전위 벡터와 같이 세밀한 신경 활동을 의미하고, 거시 상태는 이러한 복잡한 변수를 몇 개의 대표적 상태로 압축한 것으로, 심리학에서 말하는 ‘정신 상태’와 일대일 대응하도록 설계된다. 핵심은 코스그레이닝이 동적 규칙을 보존해야 한다는 점이다; 즉, 미시 상태 전이 행렬을 적절히 집계하면 거시 상태 전이 행렬이 마코프성(시간에 따라 일정한 전이 확률)을 유지해야 한다. 이를 위해 저자는 (1) 시간 지연 임베딩을 통한 상태 공간 재구성, (2) 전이 행렬 추정, (3) 스펙트럴 클러스터링을 이용한 상태 집합의 자동 분할, (4) 각 클러스터를 거시 상태로 정의하는 절차를 구현한다. 시뮬레이션 단계에서는 로렌즈 시스템에 잡음을 추가해 인위적인 전이 구조를 만들고, 제안된 알고리즘이 원래의 잠재적 고정점(거시 상태)을 정확히 복원함을 보인다. 실제 EEG 적용에서는 피험자가 눈을 감았다가 뜨는 전이와 같은 명확한 의식 변화가 거시 상태 전이와 일치함을 확인한다. 특히, 전이 행렬의 고유값 스펙트럼이 두드러진 갭을 보이는 경우에만 의미 있는 거시 상태가 도출된다는 점을 강조한다. 이 접근법은 기존의 기능적 연결성 분석이나 파워 스펙트럼 기반 분류와 달리, 시간적 전이 구조 자체를 모델링함으로써 정신‑생리학적 매핑을 보다 직접적으로 제공한다는 장점이 있다. 그러나 샘플링 간격, 노이즈 수준, 클러스터 수 선택 등에 민감하다는 한계도 명시한다.