Key points are not available for this paper at this time.
임의의 통계적 모멘트와 이를 지배하는 방정식을 계산할 수 있는 잘 정의된 신경 활동에 대한 확률론적 이론은 이론적 신경 과학에 있어 잠재적으로 가치 있는 도구입니다. 우리는 비평형 통계 과정을 위한 장 이론적 방법을 사용하여 신경 활동의 동역학을 분석함으로써 이러한 이론을 생성합니다. 신경망 활동이 마르코프적이라고 가정할 때, 우리는 신경 변동성과 반응을 모두 설명하는 효과적인 스파이크 모델을 구성합니다. 이 분석은 평균 필드 이론에 대한 수정의 체계적 확장을 가져오며, 효과적인 스파이크 모델에 대한 평균 필드 이론은 윌슨-코완 방정식의 간단한 버전입니다. 우리는 이 모델에 의해 지배되는 신경 활동이 방향성 관통의 보편성 클래스에 있는 동적 위상 전이를 나타낸다고 주장합니다. 더 일반적인 모델(불응성을 포함할 수 있음)은 동적 등방 관통과 같은 다른 보편성 클래스를 나타낼 수 있습니다. 전형적인 네트워크에서 매우 높은 연결성으로 인해, 체계적 확장의 고차 항들이 실험적으로 접근 가능한 측정에서는 작을 것으로 예상되며, 따라서 신피질 슬라이스 준비에서의 측정과 일치하여 전이에 대한 평균 필드 지수들을 예상합니다. 우리는 Ginsburg 기준과 유사하게 체계적 확장에서 각 항의 상대적인 크기에 대한 정량적 기준을 제공합니다. 인비보에서 동적 보편성 클래스를 실험적으로 확인하는 것은 신경 과학에 있어 중요한 질문입니다.
Buice et al. (화요일)은 이 질문을 연구했습니다.