[论文解读] Self-organized critical balanced networks: a unified framework

Mauricio Girardi‐Schappo, Ludmila Brochini+3 more|arXiv (Cornell University)|Jun 13, 2019

Neural dynamics and brain function参考文献 35被引用 5

一句话总结

本文提出了一种统一的平均场神经网络模型，通过证明规范的E/I平衡点（g_c ≈ 4）对应于二阶吸收相变，将自组织临界性（SOC）与平衡网络框架相结合，从而产生幂律神经爆发和类人工智能活动。该模型通过突触抑制的稳态调节和放电率适应机制，自组织趋向准临界态，统一了临界性与平衡动力学的框架。

ABSTRACT

Asynchronous irregular (AI) and critical states are two competing frameworks proposed to explain spontaneous neuronal activity. Here, we propose a mean-field model with simple stochastic neurons that generalizes the integrate-and-fire network of Brunel (2000). We show that the point with balanced inhibitory/excitatory synaptic weight ratio $g_c \approx 4$ corresponds to a second order absorbing phase transition usual in self-organized critical (SOC) models. At the synaptic balance point $g_c$, the network exhibits power-law neuronal avalanches with the usual exponents, whereas for nonzero external field the system displays the four usual synchronicity states of balanced networks. We add homeostatic inhibition and firing rate adaption and obtain a self-organized quasi-critical balanced state with avalanches and AI-like activity. Our model might explain why different inhibition levels are obtained in different experimental conditions and for different regions of the brain, since at least two dynamical mechanisms are necessary to obtain a truly balanced state, without which the network may hover in different regions of the presented theoretical phase diagram.

研究动机与目标

• 统一自组织临界（SOC）与平衡网络框架，用于建模自发神经活动。
• 解决临界性（长程关联）与非同步不规则（AI）活动（泊松放电，无同步）之间的明显矛盾。
• 证明平衡态（g_c ≈ 4）是定向渗流普适类中的临界点。
• 表明突触抑制的稳态调节与放电率适应机制可驱动系统趋向具有幂律爆发与类AI动力学的自组织准临界态。

提出的方法

• 具有同质突触延迟（1ms）和不应期（1ms）的随机整合-放电神经元平均场模型。
• 引入动态外部场（Y）与突触权重比（g），以调节兴奋与抑制之间的平衡。
• 引入突触抑制的稳态调节与放电率适应作为自组织机制，驱动系统趋向临界性。
• 使用随机放电函数Φ(V)建模内在膜噪声，确保动力学在亚毫秒时间尺度上发生。
• 通过全连接图网络模拟实现平均场行为，以保证分析的可处理性与普遍性论证。
• 通过临界指数与序参量分析相变与同步状态（SR, SI, AR, AI）。

实验结果

研究问题

• RQ1 在自组织临界性背景下，平衡网络态（g_c ≈ 4）能否被解释为临界点？
• RQ2 突触抑制的稳态调节与放电率适应如何共同驱动网络趋向自组织准临界态？
• RQ3 在平衡点处，系统是否表现出与实验观测一致的幂律神经爆发？
• RQ4 该模型能否在不同外部输入下重现布鲁内尓框架预测的全部四种同步状态（SR, SI, AR, AI）？
• RQ5 适应机制的时间尺度在决定系统与真实临界点距离方面起什么作用？

主要发现

• 在g_c处，平衡点对应于二阶吸收相变，处于定向渗流普适类中。
• 在g_c处，网络表现出与实验数据匹配的幂律神经爆发，其指数与实验结果一致（例如，Beggs2003）。
• 当施加外部场时，系统展现出全部四种同步状态（SR, SI, AR, AI），证实与布鲁内尓框架的一致性。
• 突触抑制的稳态调节与放电率适应共同驱动系统趋向自组织准临界态，兼具幂律爆发与类AI放电模式。
• 系统与真实临界点的有效距离由适应机制的时间尺度控制，较慢的动力学可减少临界性附近的涨落。
• 该模型统一了SOC与平衡网络框架：标准平衡网络是DP普适类中SOC的特例，而SOC模型在Y=1时是平衡网络的特例。