뇌 네트워크 구조가 드러내는 내재적 기능 탐구

초록

**
본 논문은 복잡한 뇌 회로를 단순화된 0·±1 가중치 매트릭스로 변환하고, 재귀식으로 기술된 동역학을 통해 신경 집합의 스파이크 확률 분포, 안정성, 그리고 기억 형성 메커니즘을 수학적으로 분석한다. 흥분·억제 비율이 네트워크 안정성과 스파이크 확률의 시그모이드 형태를 결정한다는 결론을 제시한다.

**

상세 분석

**
이 연구는 뇌 회로를 “단순화된 매트릭스(M)”로 환원하고, 각 뉴런을 0·1·‑1 값만 갖는 가중치와 0 임계값을 가진 이진 스파이크 유닛으로 모델링한다. 이러한 가정은 실제 시냅스 가중치와 시간 지연, 비선형 전압‑전류 관계를 전혀 반영하지 않으며, 신경생리학적 타당성을 크게 희생한다. 저자는 재귀식 (1)(5)를 제시하지만, 수식이 깨져 있어 구체적인 형태를 파악하기 어렵고, 수학적 증명이나 수치적 검증이 부족하다. 실험에서는 5001000개의 무작위 연결 뉴런 집단을 시뮬레이션하여 스파이크 확률이 시그모이드 곡선을 따른다고 주장한다. 그러나 시뮬레이션 파라미터(시냅스 밀도, 시간 스텝, 초기 조건 등)가 명시되지 않아 재현성이 낮다. 흥분/억제 비율이 1:1에 가까울 때 안정적인 고정점이나 루프가 형성된다는 결과는 기존 이론(예: 균형 네트워크, E/I 균형)과 일치하지만, 저자는 이를 “새로운 내재적 속성”이라 과대평가한다. 기억 형성에 대한 가설은 외부 자극에 의해 스파이크 확률이 극단적으로 편향되는 현상을 이용해 “위상 정보”가 보존된다고 주장하지만, 시냅스 가소성 없이 장기 기억을 설명하려는 시도는 생물학적 근거가 부족하다. 전반적으로 모델의 단순화 정도가 과도하고, 수학적 엄밀성·실험적 검증·생물학적 타당성 모두에서 한계가 명확하다.

**