[论文解读] Integrated Information and Metastability in Systems of Coupled Oscillators

Pedro A. M. Mediano, Juan Carlos Farah+1 more|arXiv (Cornell University)|Jun 27, 2016

Nonlinear Dynamics and Pattern Formation被引用 18

一句话总结

本文表明，由耦合 Kuramoto 振子组成的模块化网络在参数区域中表现出集成信息（Φ）的临界峰值，该区域恰好也是亚稳态和临界性的峰值所在，表明高动力复杂性——以 Φ 衡量——仅在内部可变性的狭窄且高度结构化的区域内出现，而非仅由普遍亚稳态引起。该研究在确定性动力系统中建立了集成信息、亚稳态与临界性之间的直接联系。

ABSTRACT

It has been shown that sets of oscillators in a modular network can exhibit a rich variety of metastable chimera states, in which synchronisation and desynchronisation coexist. Independently, under the guise of integrated information theory, researchers have attempted to quantify the extent to which a complex dynamical system presents a balance of integrated and segregated activity. In this paper we bring these two areas of research together by showing that the system of oscillators in question exhibits a critical peak of integrated information that coincides with peaks in other measures such as metastability and coalition entropy.

研究动机与目标

• 调查根据整合信息理论（IIT）预测，表现出高亚稳态的系统是否也表现出高集成信息（Φ）。
• 确定集成信息的峰值是否恰好位于系统动力学中秩序与无序共存的临界转变点。
• 评估亚稳态本身是否足以产生高 Φ，还是精确的时空模式对高集成信息而言是必需的。
• 评估 Φ 对测量噪声的鲁棒性，检验其对神经样动力学中时间结构的敏感性。

提出的方法

• 使用带有全局相位滞后 α 和社区特异性耦合强度（社区内为 0.6，社区间为 0.4）的相位滞后微分方程，对由 8 个社区组成的社区结构网络进行建模，每个社区包含 32 个 Kuramoto 振子。
• 通过参数 β = π/2 − α 调节系统的动力学，该参数控制相位滞后程度，并诱导系统在同步、非同步和 chimera 状态之间的转变。
• 使用亚稳态指数 λ 来量化亚稳态，λ 定义为社区层面同步度 R_c(t) 的时间方差平均值，其中 R_c(t) 计算为社区 c 中振子平均复相位的模长。
• 采用基于时间序列的方法计算集成信息 Φ，该方法基于系统动力学不可约化为各部分的特性，评估整个系统中不可约的因果交互作用。
• 通过以速率 p 对联盟配置的二值时间序列施加不相关的位翻转噪声，并在噪声数据上重新计算 Φ，来测试 Φ 对测量噪声的鲁棒性。
• 系统为完全确定性系统；未添加外部噪声，确保观察到的 Φ 变化源于动力学中的结构和时间模式。

实验结果

研究问题

• RQ1 表现出高亚稳态的系统是否也表现出高集成信息（Φ），如整合信息理论（IIT）所要求的？
• RQ2 Φ 的峰值是否恰好位于系统在秩序与无序之间转变的临界区域，如其他复杂性度量所指示的那样？
• RQ3 亚稳态本身是否足以产生高 Φ，还是精确的时空动力学结构对高集成信息而言是必不可少的？
• RQ4 Φ 对测量噪声的敏感性如何，其峰值结构在数据被污染后是否仍能保持？

主要发现

• 系统在 β ≈ 0.15 处表现出一个尖锐且狭窄的集成信息 Φ 峰值，该峰值与亚稳态 λ 和联盟熵的峰值完全重合，表明系统处于复杂动力学的临界态。
• Φ 的峰值仅出现在更广泛的亚稳态区域内的一个狭窄区间内，表明高内部可变性虽为必要条件，但不足以产生高 Φ。
• Φ 随测量噪声单调衰减，5% 的噪声水平使感知到的集成信息降低约 70%，表明其对时间结构具有高度敏感性。
• 比率 η = Φ[corrupted]/Φ[original] 随噪声水平 p 呈指数衰减，指数拟合为 η = exp(−p/ℓ)，其中 ℓ ≈ 0.04，证实了在噪声下 Φ 的快速退化。
• 对时间序列进行随机重排后，亚稳态 λ 的峰值被保留，但 Φ 的峰值被破坏，证明 Φ 依赖于精确的时间模式，而不仅仅依赖于可变性。
• 结果表明，尽管动力复杂性（通过 λ 衡量）是高 Φ 的必要条件，但并非充分条件——只有特定且结构化的动力学才能产生高集成信息。