计算神经科学把大脑写成方程

知识地图 › 05 网络动力学 › 5.5

5.5

临界性与神经雪崩

Criticality and neuronal avalanches

★★★ 进阶进阶前沿

皮层可能运行在"刚好不爆炸"的临界点:雪崩大小服从幂律,动态范围最大化。

核心要点

  1. 分支比 σ = 后代事件数 / 祖先事件数;σ ≈ 1 为临界,σ < 1 亚临界,σ > 1 超临界。
  2. 临界态的好处:信息传输距离最远、动态范围最大、记忆时间最长。
  3. 争议:幂律也可能由其他机制产生,需要有限尺寸标定(finite-size scaling)等多重证据。

公式

P(s)∝ s-α,

σ=Σ descendantsΣ ancestors≈ 1

雪崩大小 s 服从幂律,指数 α 典型在 1.5 左右;σ 是"平均每个活动事件触发多少后续事件"。

直觉

临界就像一堆刚好立住的沙粒。再放一粒可能什么也不发生,也可能引发整片崩塌——大小分布没有特征尺度,这正是幂律的含义。

常见误区

看到 log-log 图是直线就宣布临界。幂律对采样阈值极敏感,必须做严格的统计检验(如 Clauset 方法)与替代模型比较。

出处

  • Beggs & Plenz 2003, J Neurosci
  • Shew & Plenz 2013, Neuroscientist
回到模块 05