[论文解读] Synchronization in random balanced networks

Luis Carlos Garcidel Molino, Khashayar Pakdaman+2 more|arXiv (Cornell University)|Jun 11, 2013

Neural dynamics and brain function参考文献 1被引用 6

一句话总结

本文研究了具有兴奋性-抑制性连接的随机平衡神经网络中的同步现象，表明由于结构平衡（戴尔定律）与突触无序性的相互作用，一种从非同步到同步动力学的普适转变现象浮现。关键发现是，即使单个神经元保持混沌状态，平衡网络仍能通过活动矢量的涨落实现鲁棒且稳定的周期性同步，其同步受结构连接与无序连接分量之比（μ 和 σ）的调控。

ABSTRACT

Characterizing the in uence of network properties on the global emerging behavior of interacting elements constitutes a central question in many areas, from physical to social sciences. In this article we study a primary model of disordered neuronal networks with excitatory-inhibitory structure and balance constraints. We show how the interplay between structure and disorder in the connectivity leads to a universal transition from trivial to synchronized stationary or periodic states. This transition cannot be explained only through the analysis of the spectral density of the connectivity matrix. We provide a low dimensional approximation that shows the role of both the structure and disorder in the dynamics.

研究动机与目标

• 理解结构平衡与突触无序性如何共同塑造大规模神经网络中的集体动力学。
• 识别在个体神经元保持混沌活动的情况下，平衡网络中稳定周期性同步出现的机制。
• 证明此类网络中的同步无法仅通过谱密度分析预测，而需要对活动涨落进行低维近似。
• 研究无序在促进或抑制同步态中的作用，特别是与生物网络功能的关系。
• 确立所观察到的同步转变在不同网络拓扑（如稀疏网络、小世界网络）中的普适性，且独立于特定的连接分布。

提出的方法

• 构建了一个随机神经网络的典型模型，其动力学由方程 $ \dot{x}_i = -x_i + \sum_j J_{ij} S(x_j) $ 描述，其中 $ J_{ij} = \mu m_j + \sigma \xi_{ij} $，$ \mathbf{m} $ 为归一化且和为零的结构（结构），$ \xi_{ij} $ 为平衡的、弱相关的随机变量。
• 通过将活动矢量分解为平均场分量与涨落分量 $ \mathbf{y} $，提出对网络动力学的低维近似，以捕捉集体行为。
• 利用线性化方程分析涨落动力学的稳定性：$ \dot{\mathbf{y}} = -\mathbf{y} + S(z) \sum_j J_{ij} + \sigma S'(z) \xi \cdot \mathbf{y} + \xi \cdot \psi(z, \mathbf{y}) + O(1/\sqrt{n}) $，结果表明，由于平衡网络中缺乏平均场项，从而稳定了同步。
• 在多种网络架构（全连接、稀疏、小世界）中进行数值模拟，改变 $ \mu $ 和 $ \sigma $，通过轨迹标准差测量同步程度。
• 采用半线性近似建模平均活动及其涨落的演化，表明当 $ \mu > 0 $ 且 $ \sigma $ 适中时，同步具有鲁棒性。
• 对比平衡与非平衡情形，表明仅在平衡网络中，由于涨落方程中 $ \sum_j J_{ij} $ 项的抵消，同步才能长期持续。

实验结果

研究问题

• RQ1 结构连接（如兴奋性-抑制性平衡）与突触无序性之间的相互作用如何影响随机神经网络中的集体同步？
• RQ2 为何连接矩阵的谱密度无法预测平衡网络中观察到的同步转变？
• RQ3 涨落分量 $ \mathbf{y} $ 在尽管单个神经元活动混沌但仍能稳定周期性同步动力学中起什么作用？
• RQ4 结构连接（μ）与突触无序（σ）的比值如何调控同步态的出现与稳定性？
• RQ5 所观察到的同步转变是否在不同网络拓扑（如稀疏、小世界）和连接分布中具有普适性？

主要发现

• 当结构分量（μ）相对于无序（σ）增大时，平衡网络中出现一种新颖的普适性转变，即从非同步到同步的动力学，且该同步在多种网络拓扑中均保持鲁棒。
• 在平衡网络中，同步能长期维持，是因为平均场输入项消失，从而防止了非平衡网络中因涨落增长而破坏同步态的倾向。
• 随着 μ 增大，网络活动轨迹的标准差减小，表明同步增强；而增大 σ 则产生相反效果，凸显了结构与无序的双重作用。
• 数值模拟表明，当 $ \mu > 0 $ 时，即使单个神经元呈现混沌动力学，网络在平均活动上仍表现出稳定、周期性的振荡。
• 对涨落动力学的低维近似能准确预测同步水平，尤其在 $ |\mathbf{y}| $ 较小时，证实了 μ 在稳定集体行为中的主导作用。
• 该现象具有普适性：其在 $ \xi_{ij} $ 和 $ \mathbf{m} $ 的多种分布下均成立，包括稀疏网络与小世界网络，表明其广泛适用性，超越特定网络架构。