반수동성 기반 확산 결합 신경진동기 동기화 이론

초록

본 논문은 전기적 갭 정션을 통한 확산 결합 방식으로 연결된 신경 진동기 네트워크의 동기화 조건을 반수동성 이론으로 규명한다. Hodgkin‑Huxley, Morris‑Lecar, FitzHugh‑Nagumo, Hindmarsh‑Rose 등 주요 신경 모델이 반수동성을 만족함을 증명하고, 충분히 강한 결합이면 전역 동기화가 보장됨을 보인다.

상세 분석

논문은 먼저 반수동(semi‑passive) 시스템 개념을 정의한다. 반수동성은 시스템의 저장 함수 V(x)와 공급‑소비 관계 (\dot V \leq u^{\top}y) 를 만족하면서, 입력 u 가 유한하면 상태 x 가 유계(ultimately bounded)임을 의미한다. 이 특성은 전통적인 완전 수동(passive)보다 약하지만, 확산 결합 형태인 (\dot x_i = f(x_i) - \sum_{j} a_{ij}(x_i - x_j)) 와 자연스럽게 결합한다. 저자는 Hodgkin‑Huxley(HH) 모델의 전압‑전류 방정식을 저장 함수 (V = \frac12 C_m V_m^2 + \sum_i \int_{0}^{n_i} g_i(s) ds) 로 구성해 반수동성을 증명한다. Morris‑Lecar(ML)와 FitzHugh‑Nagumo(FHN), Hindmarsh‑Rose(HR) 모델도 각각 전압 변수와 회복 변수에 대한 유사한 저장 함수를 도입해 동일한 부등식을 만족한다는 것을 보인다.

다음으로, 네트워크 전체를 라플라시안 (L) 으로 표현하고, 결합 강도 (k) 를 스칼라로 가정한다. 전체 시스템의 저장 함수는 각 노드 저장 함수의 합이며, 미분 형태는
\