비선형 잡음에 대한 동적 평균장 이론

초록

본 논문은 오르스틴‑Uhlenbeck(OU) 잡음이 비선형 전이함수에 통과할 때 발생하는 강한 상관 잡음을, 평균과 공분산을 일치시키는 가우시안 등가 과정으로 대체하고, 로그정규 모멘트 클로저를 결합해 폐쇄형 동적 평균장(DMFT) 이론을 구축한다. 제안된 방법은 O(1) 규모의 전이 현상, 고정점 및 잡음에 의해 변형된 분기구조를 정확히 예측하며, 기존 선형화 기반 근사보다 강한 잡음 영역에서 우수한 성능을 보인다.

상세 분석

이 연구는 신경망 모델에서 잡음이 전이함수(transfer function)를 통과할 때 발생하는 비선형 효과를 정량화하는 새로운 수학적 프레임워크를 제시한다. 기존의 평균장 접근법은 잡음을 약한 교란으로 가정하고, 전이함수 밖으로 이동시키거나 선형화하여 분석한다. 그러나 실제 뇌 회로에서는 상관된 외부 입력이 강하게 변동하고, 전이함수 자체가 제곱형이나 로그시그모이드와 같은 비선형 형태를 띠므로 O(1) 수준의 변동이 일어날 수 있다. 저자들은 이러한 상황을 다루기 위해 ‘가우시안 등가 방법(GEM)’을 도입한다. 구체적으로, OU 잡음 η(t)의 제곱 η²(t)와 같은 비가우시안 함수의 1차·2차 모멘트를 동일하게 갖는 가우시안 과정 γ(t)를 정의하고, 이를 통해 비가우시안 잡음의 통계적 효과를 가우시안 잡음으로 대체한다. 이 과정에서 잡음의 시간 상관성을 보존하기 위해 색 잡음(τ_N)과 백색 잡음 한계를 동시에 고려하는 비표준 스트라토노비치 해석을 사용한다.

다음 단계에서는 비선형 전이함수(예: ϕ(x)=x²)와 로그정규 모멘트 클로저를 결합한다. 로그정규 가정은 발화율 r이 양수이며, 고차 모멘트가 첫 두 모멘트만으로 완전히 표현될 수 있다는 점을 이용한다. 이를 통해 3차·4차 모멘트가 필요했던 기존의 무한 계층 문제를 폐쇄형 형태로 전환한다. 결과적으로 얻어진 DMFT는 평균 발화율 ⟨r⟩와 공분산 Cov(r)에 대한 연립 미분 방정식으로, 잡음 강도 σ, 상관계수 ρ, 연결 가중치 W 등 모델 파라미터가 명시적으로 들어간다.

이론적 검증에서는 E/I 네트워크에 대해 수치 시뮬레이션과 비교했으며, 잡음이 강해질수록 선형화 기반 예측이 크게 오차를 보이는 반면, 제안된 GEM‑Lognormal DMFT는 전이 현상과 분기점 이동을 정확히 재현한다. 또한, 단일 인구 모델에 로그시그모이드 전이함수를 적용해 잡음에 의한 임계점 이동을 분석하고, 일반 비선형 함수에 대한 근사 오차 경계도 제시한다.

핵심 기여는 (1) 비가우시안 잡음 함수를 가우시안 등가 과정으로 치환하는 일반적 방법, (2) 로그정규 모멘트 클로저를 통한 비선형 전이함수의 폐쇄, (3) 강한 잡음 영역에서도 정확한 동적 평균장 이론을 제공함으로써 신경 과학 모델링에서 잡음‑비선형 상호작용을 정량화할 수 있는 새로운 도구를 제공한다는 점이다.