Synchronization, Kinematic Waves and Spike-Phase-Separation in Feedback Ising Neural Networks on Heterogeneous Graphs

Resumen Técnico: Sincronización, Ondas Cinemáticas y Separación de Fases de Picos en Redes Neuronales de Ising con Retroalimentación en Grafos Heterogéneos

Planteamiento del Problema
Si bien la heterogeneidad estructural es una característica definitoria de las redes neuronales biológicas y se sabe que restringe la dinámica colectiva, su tractabilidad analítica fuera del equilibrio sigue siendo limitada. Los modelos existentes basados en el equilibrio excitatorio-inhibitorio o en osciladores acoplados suelen tener dificultades para proporcionar soluciones analíticas en grafos heterogéneos. Por el contrario, los enfoques clásicos de la mecánica estadística se han centrado principalmente en las propiedades de equilibrio (capacidad de almacenamiento, memoria asociativa) o han asumido una conectividad homogénea. Este trabajo aborda la brecha en la comprensión de cómo la heterogeneidad de la red moldea los modos colectivos y las transiciones de estado en redes neuronales fuera del equilibrio, específicamente aquellas impulsadas por bucles de retroalimentación homeostática.

Metodología
Los autores investigan un modelo de Ising cinético definido en grafos aleatorios con distribuciones de grado heterogéneas. El sistema es impulsado fuera del equilibrio por un bucle de retroalimentación lineal que acopla el campo externo $h$ a la magnetización instantánea global (tasa de disparo de la población) $m$, gobernado por un parámetro de fuerza de retroalimentación $c$.

1. Marco Teórico: El estudio emplea una aproximación de Curie-Weiss (campo medio heterogéneo). A diferencia de los modelos homogéneos donde un solo parámetro de orden es suficiente, este enfoque distingue entre dos parámetros de orden:
   • $m$: La tasa de disparo promedio por neurona.
   • $u$: La tasa de disparo promedio por sinapsis (magnetización de los vecinos), la cual está ponderada por la distribución de grados.
2. Ecuaciones Dinámicas: Los autores derivan un conjunto cerrado de ecuaciones diferenciales que describen la evolución temporal de $m_k$ (magnetización de los nodos de grado-$k$), $u$, y $h$.
3. Análisis de Estabilidad: Se realiza un análisis de estabilidad lineal alrededor del punto fijo paramagnético para identificar las líneas de bifurcación. Se aplica el criterio de Routh-Hurwitz al Jacobiano del sistema linealizado para determinar el inicio de las oscilaciones (bifurcación de Andronov-Hopf) y la estabilidad de los puntos fijos.
4. Validación: Las predicciones analíticas se validan mediante simulaciones de Monte Carlo en grafos de Erdős-Rényi, de escala libre (scale-free) y log-normales.

Contribuciones Clave y Resultados

1. Caracterización Analítica de la Sincronización (Bifurcación de Hopf)
El artículo deriva una expresión de forma cerrada para la temperatura inversa crítica $\beta_c(c)$ en la cual el punto fijo paramagnético pierde estabilidad mediante una bifurcación de Andronov-Hopf supercrítica, dando lugar a un ciclo límite macroscópico sincronizado.

• Dependencia de la Heterogeneidad: El umbral de bifurcación está controlado explícitamente por la relación de momentos de grado $\alpha = \langle k^2 \rangle / \langle k \rangle$.
• Sensibilidad de la Retroalimentación: A diferencia de las redes homogéneas donde el umbral de Hopf es independiente de la fuerza de retroalimentación, aquí la interacción entre $m$ y $u$ hace que el umbral sea sensible a $c$. Sin embargo, para redes altamente heterogéneas (gran $\alpha$), el sistema se vuelve insensible a la fuerza de retroalimentación; la topología de la red domina el inicio de las oscilaciones.
• Límites: La temperatura crítica interpola entre el resultado clásico de campo medio $\beta_c = 1/\alpha$ (para $c=0$) y un valor de saturación $\beta_c = 1/(\alpha - 1)$ (para $c \to \infty$).

2. Emergencia de Ondas Cinemáticas
El desacoplamiento de $m$ y $u$ debido a la heterogeneidad de grado conduce a "ondas cinemáticas".

• Mecanismo: Estas no son ondas de transporte, sino activaciones secuenciales ordenadas por grado. Los nodos de bajo grado, al ser más susceptibles a las fluctuaciones, responden primero a las perturbaciones, mientras que los centros o hubs de alto grado (estabilizados por campos medios fuertes) responden con un retraso.
• Observación: Esto se manifiesta como un desfase en las trayectorias oscilatorias de diferentes clases de grado. En el régimen de resonancia subcrítico (por encima del umbral de Hopf pero por debajo de la transición ferromagnética), el análisis de correlación cruzada revela un desplazamiento sistemático en el retraso de pico $\tau^*_k$ que aumenta con el grado $k$.

3. Punto Fijo de Separación de Fases
Los autores identifican una fase distinta de baja temperatura caracterizada por un punto fijo donde $m=0$ (magnetización global cero) pero $u \neq 0$ (magnetización de los vecinos no nula).

• Bifurcación: Este estado emerge mediante una bifurcación de tipo pitchfork supercrítica en $\beta_{c2} = \langle k \rangle / \text{Var}(k)$.
• Estructura: En este estado, la red se divide en dos grupos con magnetizaciones opuestas, separados por un grado frontera $k^*$ cercano a la mediana de la distribución.
• Estabilidad y Competencia: Aunque nace como una silla inestable, este punto de separación de fases puede estabilizarse a temperaturas más bajas. Para topologías altamente heterogéneas (específicamente grafos bimodales), la estabilización de este punto fijo destruye dinámicamente el ciclo límite sincronizado, capturando efectivamente la dinámica del sistema y suprimiendo las oscilaciones. Para grafos de Poisson, el ciclo límite persiste ya que el punto de separación de fases permanece como una silla.

Significado y Reivindicaciones
El artículo afirma proporcionar un marco matemático para comprender cómo la heterogeneidad estructural regula las oscilaciones macroscópicas y las transiciones fuera del equilibrio en las redes neuronales.

• Perspectiva Teórica: Demuestra que en redes heterogéneas, el parámetro de orden relevante no es el promedio ingenuo, sino una cantidad ponderada por el grado ($u$), y que la interacción entre $m$ y $u$ genera fenómenos físicos (ondas cinemáticas, separación de fases) ausentes en sistemas homogéneos.
• Relevancia Biológica: Los hallazgos ofrecen un mecanismo para clasificar patrones oscilatorios cerebrales específicos basados en tipos de bifurcación, de forma análoga a las clases de universalidad en los fenómenos críticos de equilibrio. El modelo captura la coexistencia de avalanchas neuronales de escala libre y oscilaciones específicas de escala, lo que sugiere que el cerebro puede operar cerca de un punto crítico fuera del equilibrio.
• Alcance: Los autores enfatizan que su análisis se centra en la inestabilidad oscilatoria más simple (bifurcación de Hopf) dentro del marco de la mecánica estadística de grafos aleatorios. Reconocen que existen escenarios dinámicos más complejos (ráfagas o bursting, caos) en modelos de neuronas de baja dimensión, pero argumentan que su enfoque permite tratar de manera única la heterogeneidad estructural y el desorden de tipo quenched.

El trabajo concluye sugiriendo que investigaciones futuras podrían integrar estas perspectivas de la mecánica estadística con dinámicas locales más ricas y explorar cómo los desplazamientos lentos en la topología de la red (por ejemplo, durante el envejecimiento) podrían impulsar a los sistemas a través de los diagramas de fase.