소규모 세계 네트워크의 스파이킹 뉴런 동역학 복잡성

초록

본 논문은 작은 세계(small‑world) 구조를 가진 스파이킹 뉴런 네트워크를 컴퓨터 시뮬레이션으로 구현하고, 인과 밀도(causal density)를 이용해 동역학적 복잡성을 정량화한다. 초기에는 클러스터 내부가 고도로 연결된 상태에서 시작해, Watts‑Strogatz식 재배선 확률을 적용해 클러스터 간 연결을 추가한다. 실험 결과, 작은 세계 토폴로지가 일정 범위의 재배선 확률에서 동역학적 복잡성을 크게 향상시키지만, 그 범위가 매우 좁으며, 복잡성이 최고조에 달할 때 네트워크의 위상 동기화는 역상관 관계를 보인다.

상세 분석

이 연구는 두 가지 핵심적인 방법론적 선택을 통해 작은 세계 네트워크의 동역학적 복잡성을 탐구한다. 첫째, 네트워크 생성 방식은 전통적인 Watts‑Strogatz 모델을 변형한 것으로, 초기 상태를 ‘고도로 내부 연결된 클러스터 집합’으로 설정한다는 점에서 차별화된다. 이는 생물학적 뇌 조직이 지역적 회로는 촘촘히 연결되고, 장거리 연결은 상대적으로 희박한 구조를 모사한다는 가설에 기반한다. 재배선 확률(p_rewire)을 0에서 1 사이의 값으로 조정함에 따라 클러스터 간 연결 밀도가 선형적으로 증가하지만, 실제 네트워크의 평균 경로 길이와 클러스터링 계수는 비선형적인 변화를 보인다.

둘째, 동역학적 복잡성의 정량화 도구로 ‘인과 밀도(causal density)’를 채택한 점은 의미심장하다. 인과 밀도는 Granger 인과관계 분석을 기반으로, 각 뉴런(또는 뉴런 집단)의 시계열이 다른 뉴런의 과거 상태에 독립적으로 영향을 미치는 정도를 카운트한다. 이때 lagged 관측을 활용함으로써, 단순 상관관계 기반 지표보다 시간적으로 퍼진 통합·분리 현상을 더 민감하게 포착한다. 특히, 스파이킹 뉴런 모델은 이산적인 발화 이벤트와 연속적인 막전위 변동을 동시에 포함하므로, 인과 밀도는 발화 시점의 정확한 타이밍 정보를 반영할 수 있다.

시뮬레이션 결과는 다음과 같은 중요한 통찰을 제공한다. 재배선 확률이 매우 낮은 경우(≈0.01 이하) 네트워크는 거의 완전한 모듈러 구조를 유지해 각 클러스터가 독립적으로 진동한다. 이때 인과 밀도는 낮으며, 시스템은 높은 분리성을 보인다. 반대로 재배선 확률이 매우 높은 경우(≈0.3 이상) 네트워크는 무작위 그래프에 가까워져 전역 동기화가 쉽게 발생한다. 이때도 인과 밀도는 낮고, 시스템은 과도한 통합으로 인해 복잡성이 감소한다.

가장 흥미로운 현상은 중간 범위(≈0.05~0.12)의 재배선 확률에서 관찰된다. 이 구간에서는 평균 경로 길이가 급격히 감소하면서도 클러스터링 계수는 여전히 높은 수준을 유지한다. 결과적으로, 각 클러스터는 내부적으로는 강한 동기화를 유지하면서도, 다른 클러스터와는 제한적인 상호작용을 갖는다. 이러한 ‘분리·통합’의 균형이 인과 밀도를 최대치로 끌어올리며, 동역학적 복잡성이 최고조에 달한다.

동시에, 위상 동기화 지표(예: 평균 플라스밍 계수)를 측정한 결과, 복잡성 최고점 근처에서는 동기화 수준이 역전되는 경향을 보였다. 즉, 복잡성이 증가함에 따라 전역 위상 동기화는 감소하고, 이는 복잡성이 ‘통합’보다 ‘분리’를 강조하는 영역에서 발생한다는 해석을 가능하게 한다. 이러한 상관관계는 뇌의 기능적 네트워크가 효율적인 정보 처리와 유연한 전환을 위해 일정 수준의 위상 불일치를 유지한다는 기존 이론과 일맥상통한다.

마지막으로, 모델 파라미터(예: 뉴런당 평균 연결 수, 시냅스 가중치 분포, 발화 임계값)의 변동에 대한 민감도 분석이 부족하다는 점은 향후 연구 과제로 남는다. 현재 논문은 재배선 확률에만 초점을 맞추었지만, 실제 생물학적 시스템에서는 다중 스케일의 구조적·동역학적 변수가 복합적으로 작용한다. 따라서 인과 밀도와 위상 동기화 간의 관계를 보다 일반화하려면, 다양한 네트워크 토폴로지와 뉴런 모델을 포괄하는 확장된 시뮬레이션이 필요하다.