신경 조직의 동적·통계적 임계 현상

초록

이 논문은 신경세포가 ‘반Hebbian’ 규칙에 따라 국소적으로 흥분‑억제 균형을 맞추면 모든 자유도에서 동적 임계 상태가 형성되고, 장기적으로는 통계적 임계 현상까지 나타난다는 모델을 제시한다. 결과적으로 시스템은 불안정선 주변을 진동하며 복잡한 ‘브레이크아웃’ 동역학과 비정상적인 통계적 특성을 보이며 자체 조직화된 임계 상태에 도달한다.

상세 분석

본 연구는 전통적인 전역적 균형 조절 방식이 소수의 모드만을 불안정 근처에 머물게 하고 나머지는 과도하게 안정화되는 한계를 지적한다. 이를 극복하기 위해 저자들은 각 뉴런이 자신의 시냅스 가중치를 ‘반Hebbian’(활동이 클수록 억제, 작을수록 촉진) 방식으로 조정하도록 설계하였다. 이 규칙은 미분 방정식 형태로 구현되며, 각 뉴런이 주변 입력에 대해 실시간으로 흥분‑억제 비율을 맞추게 만든다. 결과적으로 시스템의 모든 고유모드가 불안정선(임계점) 근처에 위치하게 되며, 이는 ‘동적 임계성(dynamical criticality)’이라 부른다.

시간이 흐름에 따라 모드들의 성장률은 양의 실수와 음의 실수가 교대로 나타나는 진동 패턴을 보인다. 즉, 어느 순간 특정 모드가 급격히 증폭되었다가 곧 억제되고, 다른 모드가 부상하는 ‘브레이크아웃’ 현상이 반복된다. 이러한 진동은 시스템이 불안정선 위아래를 지속적으로 오가면서 발생하는데, 이는 전통적인 고정점 기반 임계성 모델과는 달리 비정상적인 주기적 전이와 다중 스케일 변동을 동반한다.

통계적 측면에서 저자들은 전력 스펙트럼이 1/f^α 형태를 띠고, 이벤트 크기 분포가 파레토 법칙을 따르는 등 ‘통계적 임계성(statistical criticality)’을 확인한다. 특히, 모드 간 상호작용이 비선형적으로 강화되면서 긴 꼬리 분포와 급격한 변동성을 동시에 나타내며, 이는 신경계에서 관찰되는 뇌파의 스케일프리 특성과 유사하다.

수학적으로는 시스템을 선형화한 자코비안 행렬의 스펙트럼이 실시간으로 ‘반Hebbian’ 규칙에 의해 재조정되며, 모든 고유값이 실수축에 가까워지는 현상이 증명된다. 이는 전통적인 ‘자기조직화 임계성(self‑organized criticality)’ 모델에서 요구되는 외부 파라미터 튜닝 없이도 내부 규칙만으로 임계 상태가 유지된다는 중요한 의미를 가진다.

결론적으로, 이 모델은 (1) 국소적 반Hebbian 학습이 전역적 균형을 자동으로 달성한다, (2) 모든 자유도가 동적 임계선에 머물며 복잡한 브레이크아웃 동역학을 생성한다, (3) 장기적으로는 1/f 노이즈와 파레토 분포 등 통계적 임계성을 보인다, 라는 세 가지 핵심 결과를 제시한다. 이는 신경계가 어떻게 효율적인 정보 전송과 높은 동적 유연성을 동시에 유지할 수 있는지를 설명하는 새로운 이론적 프레임워크로 평가될 수 있다.