극소 외부 변동에 대한 감수성 및 그린버그‑헤이스팅 모델의 임계 행동

초록

본 연구는 그린버그‑헤이스팅(​GH) 신경망 모델에서 평균 활성도에 대한 변동 감수성(χ)의 유한 크기 스케일링을 조사한다. 자발적 활성 확률 r₁을 0에 접근시킬 때 χ는 명확한 크기 의존적 피크를 보이며, 이는 기존의 임계 지수와 스케일링 법칙을 만족한다. r₁은 총 활성도라는 주문 매개변수에 대한 외부장 역할을 하며, r₁ → 0 한계에서 모델은 새로운 임계 클래스를 나타낸다. 또한, 네트워크 차수와 연결 재배열 확률에 따라 활성 메커니즘의 기여도가 달라짐을 수치와 평균장 분석을 통해 밝혀냈다.

상세 분석

그린버그‑헤이스팅 셀룰러 오토마톤은 각 뉴런을 0(정지), 1(활성), 2(불응) 세 상태로 표현하고, 이산 시간 동기화 업데이트 규칙에 따라 전이한다. 핵심 제어 변수는 활성 임계값 T이며, 자발적 활성 확률 r₁과 불응 복귀 확률 r₂가 외부 자극과 회복 메커니즘을 담당한다. 저자들은 Watts‑Strogatz 소형 세계 네트워크(평균 차수 ⟨k⟩=12, 재배열 확률 π=0.6)를 사용해 시스템 크기 N을 5×10³부터 3.2×10⁵까지 변동시키며, r₁=0인 흡수 상태와 r₁>0인 비흡수 상태를 비교하였다. 흡수 상태에서는 quasi‑stationary 방법(reactivation algorithm, fixed‑time algorithm)을 적용해 평균 활성도 fₐ와 감수성 χ= N(⟨a²⟩−⟨a⟩²)를 측정하였다. χ는 T에 대한 비대칭 이중 시그모이드 형태의 피크를 보이며, 피크 높이 max χ는 N^{γ′/νd} 꼴로 스케일링한다. 피팅 결과 γ′/νd≈0.24–0.28, β/νd≈0.26–0.29, 1/νd≈0.83–1.21 등으로, 기존의 평균장 퍼콜레이션(γ′/νd=0)이나 Directed Percolation(DP)과는 차이가 있다. 이는 GH 모델이 새로운 보편성 클래스를 형성함을 시사한다. r₁을 점진적으로 감소시키면 χ의 피크가 점점 뚜렷해지며, r₁→0에서 위와 동일한 지수값으로 수렴한다. 이는 r₁이 외부장 역할을 하여 임계점 근처의 플럭투에이션을 억제한다는 해석과 일치한다. 또한, 네트워크 차수가 낮을수록 자발적 활성에 의한 단일 뉴런 활성 메커니즘이 주문 매개변수에 크게 기여하지만, 차수가 높아질수록 다중 뉴런 협동 활성화가 지배적으로 변한다. 평균장 근사에서는 유향 퍼콜레이션(DP) 지수를 예측하지만, 시뮬레이션 결과는 이를 벗어나므로, 네트워크 구조와 quenched disorder(가중치의 지수분포)가 중요한 역할을 함을 보여준다. 전반적으로 저자들은 r₁을 외부장으로 해석하고, r₁→0 한계에서 나타나는 유한 크기 스케일링을 통해 GH 모델이 비평형 임계 현상의 새로운 사례임을 입증하였다.