스파이크시냅스 플라스틱스로 스스로 조정되는 뇌의 임계 상태

초록

본 연구는 스파이크 시각 의존 시냅스 가소성(STDP)이 네트워크의 연결 구조와 동적 활동을 동시에 변화시켜, 신경망을 자가조절적으로 임계 상태에 수렴하도록 하는 메커니즘을 제시한다. 현실적인 뉴런 모델과 실험적 관측을 기반으로, 임계성에 도달한 네트워크는 파워‑러프 분포와 장시간 상관성을 보이며, 시냅스 강도 분포에 대한 새로운 예측을 제공한다.

상세 분석

이 논문은 복잡계 이론에서 제시되는 ‘임계성’ 개념을 실제 뇌의 신경망에 적용하려는 시도로, 두 가지 핵심 요소를 결합한다. 첫째, Bornholdt‑Rohlf가 제안한 적응적 네트워크 모델을 확장해, 노드(뉴런)의 발화와 연결(시냅스) 강도가 상호 의존적으로 진화하도록 설계하였다. 둘째, 생물학적으로 검증된 스파이크‑타임‑디펜던트 플라스틱티(STDP) 규칙을 도입함으로써, 시냅스 가중치가 정확히 스파이크 시차에 따라 강화·감쇠된다. 모델은 이산 시간 이터레이션이 아닌, 연속적인 시뮬레이션을 사용해 LIF(Leak‑Integrate‑and‑Fire) 뉴런을 구현하고, 시냅스 연결은 가중치가 일정 임계값 이하로 떨어지면 제거, 일정 수준을 초과하면 새로운 연결이 형성되는 ‘가중치 기반 재와이어링’ 메커니즘을 적용한다.

시뮬레이션 결과는 네트워크가 초기 조건에 관계없이 평균 연결도와 전기적 활동 지표(예: 평균 전위, 발화율)가 임계값 근처에서 수렴함을 보여준다. 특히, 발화 클러스터 크기와 지속 시간은 파워‑러프 분포를 따르며, 이는 전통적인 자기조직 임계성(SOC) 현상과 일치한다. 또한, 시냅스 강도 분포는 로그‑정규 형태를 보이는데, 이는 실험적으로 관찰된 시냅스 가중치의 비대칭 분포와 부합한다. 저자들은 이러한 분포가 네트워크가 임계 상태를 유지하기 위해 ‘강한 연결’과 ‘약한 연결’이 동시에 존재해야 함을 의미한다고 해석한다.

핵심적인 통찰은 동적 활동이 네트워크 토폴로지를 직접 재구성하고, 재구성된 토폴로지가 다시 동적 활동을 제한·촉진한다는 피드백 루프가 임계성을 자동으로 유지한다는 점이다. 이는 기존의 고정된 구조에서 파라미터 튜닝을 통해 임계점을 찾는 방식과는 달리, 신경계가 발달·학습 과정에서 스스로 최적의 작동점에 도달한다는 생물학적 가설을 뒷받침한다. 또한, 모델은 외부 입력 강도 변화에 대해 ‘임계성 회복’ 현상을 보이며, 이는 뇌가 환경 변화에 탄력적으로 대응할 수 있는 메커니즘을 설명한다.