이질적 신경망에서의 활동전위 전파와 동기화 메커니즘

초록

본 논문은 뉴런 간 연결 강도와 뇌 영역 간 그래프 구조의 이질성을 고려한 새로운 동역학 모델을 제시한다. 미시적 수준에서는 확률적 충돌 커널과 비선형 상호작용 규칙을 이용해 볼츠만형 방정식을 유도하고, 이를 평균화하여 두 종류의 거시적 ODE 시스템을 얻는다. 두 시스템 모두 고유한 평형을 가지며, 네트워크 토폴로지가 동기화와 비동기화 패턴에 미치는 영향을 수치 실험으로 확인한다.

상세 분석

논문은 먼저 뉴런을 (X,V,W,C) 네 개의 변수로 기술한다. 여기서 X는 뇌 매크로 영역 인덱스, V는 무차원 막전위, W는 회복 변수, C는 연결도(시냅스 수)이다. 두 뉴런 사이의 상호작용은 시간 간격 Δt 내에 발생할 확률 p·B(X,X*)·G(C,C*) 로 모델링되며, B는 영역 간 연결 확률을, G는 연결도에 의존하는 가중치를 나타낸다. G는 두 경우(G=1, G=C*)를 고려하여, 전자는 모든 뉴런이 동등하게 연결된 상황, 후자는 포스트시냅스 뉴런의 연결도가 클수록 전파 확률이 커지는 상황을 의미한다.

미시적 상호작용 규칙 L은 Morris‑Lecar와 FitzHugh‑Nagumo 모델을 결합한 형태로, 외부 전류 i_i^ext, 평균 전위 \bar v, 감쇠 계수 γ_i, 회복 파라미터 a 등을 포함한다. 이 규칙을 이용해 Boltzmann‑type 적분 방정식(5)를 도출하고, 테스트 함수 ϕ에 대해 약한 형태를 취한다. 이후 평균 전위 V_i(t)와 평균 회복 W_i(t)를 정의하고, ϕ=v, w 를 선택함으로써 (8),(9)식의 전역 평균 방정식을 얻는다.

두 가지 G 선택에 따라 거시적 모델이 달라진다. G=1인 경우에는 V_i와 W_i만을 포함하는 2N 차원 ODE 시스템(11)이 얻어지며, 이는 각 영역의 평균 전위가 인접 영역 평균 전위와 선형 결합되는 형태이다. G=C*인 경우에는 연결도 가중 평균 K_{v,i}, K_{w,i}가 추가되어 4N 차원 시스템(13)이 형성된다. 여기서 m_i^c는 각 영역의 연결도 평균이며, B_{ij}는 그래프 인접 행렬 원소로, i=j 일 때는 1, 연결이 없으면 0, 연결이 있으면 양의 가중치 b_{ij}를 갖는다.

평형 해석에서는 시스템(11)과 (13)이 각각 선형 연립방정식 M·\tilde V = b 형태로 귀결된다. 행렬 M은 대각 우세(diagonal dominant)이며, 따라서 유일한 해가 존재한다는 정리를 제시한다. 특히, 외부 전류와 감쇠 계수가 영역마다 다를 경우에도 고유한 평형이 보장된다.

수치 실험에서는 무작위 그래프, 스케일프리 그래프, 그리고 실제 뇌 연결망 토폴로지를 사용해 시뮬레이션을 수행한다. 결과는 연결도 분포가 넓을수록(즉, 이질성이 클수록) 전위 전파 속도가 감소하고, 동기화가 억제되는 경향을 보인다. 반면, 고밀도 연결 영역 간 강한 B_{ij}는 동기화 촉진에 기여한다. G=C* 모델에서는 연결도가 큰 뉴런이 전파의 허브 역할을 하여, 특정 노드에 집중된 동기화 패턴이 나타난다.

이 논문은 신경 과학에서 흔히 간과되는 이질성(연결도 분포, 영역 간 가중 연결)과 물리학의 입자 충돌 이론을 결합함으로써, 미시적 전기적 상호작용이 거시적 네트워크 동역학에 어떻게 투영되는지를 정량적으로 분석한다는 점에서 의의가 크다. 또한, 선형 대각 우세 행렬을 이용한 평형 존재 증명과, 그래프 토폴로지에 따른 동기화/비동기화 전이 분석은 향후 뇌 질환 모델링(예: 알츠하이머)이나 인공 신경망 설계에 활용될 수 있다.