일시적 자극 반응으로 내재적·잠재적 임계성 구분하기

초록

본 논문은 스파이킹 신경 집단이 외부 잠재 입력에 의해 임계 상태에 도달했을 때, 네트워크 자체의 내재적 임계성과 외부 입력에 의한 잠재적 임계성을 구분할 수 있는 새로운 방법을 제시한다. 저자는 급격한 전기적 교란에 대한 응답 함수를 측정함으로써, 공통 입력이 존재하더라도 내재적 임계성의 특성을 드러낼 수 있음을 시뮬레이션과 스케일링 이론을 통해 입증한다.

상세 분석

이 연구는 신경 과학에서 오래된 논쟁인 “임계성은 실제 회로의 내재적 현상인가, 아니면 관측되지 않은 공통 입력(잠재 변수)에 의해 유도된 현상인가”에 대한 실험적·이론적 해법을 제공한다. 저자들은 비선형 Hawkes 과정으로 구성된 스파이킹 네트워크를 사용했으며, 각 뉴런은 로짓 형태의 발화 함수 ϕ(V)= (1+e^{−V})^{−1} 로 정의된다. 네트워크는 J·w_{ij} 로 연결된 재귀적 시냅스와 외부 잠재 입력 x_i(t) 로 구동된다. 잠재 입력은 ϕ^4 형태의 비평형 모델(A 모델)로, 자기조절 파라미터 r과 비선형 감쇠 g를 포함한다. r을 조정함으로써 입력 네트워크는 평균 제로 상태에서 비대칭 상태(⟨x⟩≠0)로 전이하며, 이는 Ising universality class와 동일한 임계 거동을 보인다.

핵심 이론적 기여는 두 가지 스케일링 관계식이다. 첫 번째는 전체 네트워크 평균 발화율에 대한 교란 응답 R_{±}(t)의 시간 감소가 t^{-(d-2+η*)/2z*} 형태의 전형적 임계 지수와 일치한다는 점이다. 여기서 d=3, η*≈0.036, z*≈2.02 로, 평균장값에 근접한다. 두 번째는 스파이크-스파이크 자동공분산 C_{\dot n\dot n}(t) 가 입력이 없을 때는 t^{-(d-2+η)/z} 로, 잠재 입력이 존재하면 추가 항 σ^2 t^{-d/2+1}·min(ξ_spk, ξ_lat)^2 가 더해진다. 이때 ξ_spk와 ξ_lat은 각각 스파이킹 네트워크와 잠재 입력의 코히런스 시간이며, 임계점 근처에서는 ξ_spk≈ξ_lat 로 수렴한다.

시뮬레이션은 25^3 격자에서 Δt=0.1 ms 로 수행되었으며, 네트워크를 평형에 도달시킨 뒤 15 s 동안 자동공분산과 교란 응답을 측정했다. 교란은 모든 뉴런의 막전위를 ΔV=±5 mV 로 순간적으로 변형시켜 수행했으며, 400번 이상의 반복 실험을 통해 평균을 구했다. 결과는 (i) 네트워크가 임계점에 가까울 때 응답 함수가 명확한 파워‑law 감소를 보이며, (ii) 잠재 입력이 임계에 있든 없든 자동공분산은 파워‑law 형태를 유지하지만 절단점이 존재한다는 점을 확인했다. 특히 데이터 콜랩스 분석을 통해 R_{\dot n V}(t)와 C_{\dot n\dot n}(t) 가 각각 이론적 스케일링 함수 F(t/ξ_spk), G(t/ξ_spk) 에 잘 맞는 것을 보여, 유한 크기 효과와 노이즈에도 불구하고 임계 지수를 정확히 추정할 수 있음을 입증했다.

이 논문의 가장 큰 의의는 “응답 측정”이라는 실험적 프로토콜이 잠재 입력의 영향을 평균화하여 순수한 네트워크 내재적 임계성을 드러낸다는 점이다. 기존 연구가 주로 상관관계(공분산)만을 분석해 잠재 변수와 내재적 상호작용을 구분하기 어려웠던 반면, 교란 후 복구 과정의 시간 스케일을 직접 측정함으로써 두 현상을 명확히 구분한다. 또한, 이 접근법은 실제 뇌 기록에서 흔히 발생하는 관측 제한(부분 샘플링)에도 강인함을 보이며, 실험 설계 시 대규모 반복 자극(paradigm)과 평균 응답 분석을 통해 임계성 검증이 가능함을 시사한다.

향후 연구 방향으로는 (1) 비정규 격자와 이질적 시냅스 가중치를 포함한 보다 현실적인 네트워크 구조에 대한 스케일링 검증, (2) 다중 입력·다중 시냅스 경로가 존재하는 경우의 응답 함수 복합성 분석, (3) 실제 생체 실험(예: 광유전학적 전기 자극)에서 교란 프로토콜을 적용해 임계성 존재 여부를 검증하는 것이 제시된다. 이러한 확장은 뇌의 계산적 장점(다양한 시간 스케일 접근, 정보 전파 최적화)과 임계 현상의 기능적 역할을 명확히 밝히는 데 기여할 것이다.