Geometric Irreversibility and Dissipation Bounds in Non-Reciprocal Neural Attractor Dynamics

Resumen Técnico: Irreversibilidad Geométrica y Límites de Disipación en la Dinámica de Atractores Neurales No Recíprocos

Planteamiento del Problema
La teoría clásica de redes de atractores suele modelar los estados neurales utilizando un paisaje escalar (cuasipotencial) donde los estados estables corresponden a mínimos y las transiciones están gobernadas por alturas de barrera. Aunque es útil, esta aproximación de equilibrio es incompleta para sistemas neurales que sostienen el consumo de energía metabólica e interacciones recurrentes dirigidas. Tales sistemas suelen romper el detalle de equilibrio, generando corrientes de probabilidad circulantes incluso cuando las densidades estacionarias parecen similares a las de un equilibrio. El artículo aborda tres brechas específicas:

1. Si dos sistemas con densidades estacionarias y barreras de cuasipotencial idénticas pueden exhibir geometrías de transiciones raras diferentes.
2. Si la asimetría geométrica de las trayectorias de transición hacia adelante y hacia atrás puede vincularse cuantitativamente con la producción de entropía en estado estacionario.
3. Si esta irreversibilidad a nivel de trayectoria se propaga hacia los límites de precisión termodinámica para observables de corriente neural.

Metodología
Los autores emplean una jerarquía de modelos para aislar los efectos de la deriva no recíproca:

• Forma Normal Resoluble: Una ecuación diferencial estocástica (SDE) bidimensional donde la deriva $F$ se descompone en un componente de gradiente ($-\nabla U$) y un componente solenoidal (rotacional) ($\chi R \nabla U$). El potencial $U(x,y)$ define un paisaje bistable con dos atractores y una silla. El parámetro $\chi$ controla la no reciprocidad.
• Teoría de Grandes Desviaciones: Se utiliza el marco de Freidlin–Wentzell para computar las trayectorias de transición más probables (instantones) y las barreras de acción. Se utiliza el método de acción geométrica mínima (gMAM) para encontrar trayectorias óptimas en espacios de alta dimensión mediante la minimización de un funcional de acción geométrica.
• Extensiones de Alta Dimensión: La forma normal se integra en redes recurrentes dispersas de $N$ dimensiones ($N \in \{50, 100, 200, 500\}$) con matrices de acoplamiento antisimétricas para probar la escalabilidad.
• Validación Numérica:
  • Simulaciones de Monte Carlo: Se utiliza la integración de Euler–Maruyama para estimar los tiempos de primer paso y validar la escala de grandes desviaciones de las tasas de transición.
  • Relaciones de Incertidumbre Termodinámica (TUR): Se computa el producto de la varianza de la corriente relativa y la producción de entropía para verificar si satisface el límite $Q \ge 1$.
  • Lecturas Sintéticas: Se aplica el Análisis de Componentes Principales (PCA) a la actividad de la población sintética para ilustrar cómo las geometrías de transición curvas podrían aparecer en los registros neurales.

Contribuciones Clave y Resultados

1. Desacoplamiento de Paisaje y Geometría:
   El estudio demuestra que un sistema puede poseer una densidad estacionaria $\rho_{ss} \propto \exp(-U/\epsilon)$ y una barrera de cuasipotencial idéntica a su contraparte de equilibrio, y aun así mantener corrientes de probabilidad no nulas y trayectorias de conmutación irreversibles. El término de deriva rotacional preserva los puntos fijos y la altura de la barrera escalar, pero curva los canales de transición hacia bucles dirigidos.

2. Tríada Cuantitativa de la Irreversibilidad:
   El artículo establece una relación cuantitativa entre la fuerza de la deriva solenoidal ($\chi$), la asimetría de la trayectoria y la disipación:

• Asimetría de Trayectoria ($A_{path}$): La diferencia geométrica entre la trayectoria de ida (escape) y la de vuelta (relajación) escala linealmente con la no reciprocidad ($A_{path} \propto \chi$).
• Producción de Entropía ($\langle \sigma \rangle$): La tasa de producción de entropía en estado estacionario escala cuadráticamente con la no reciprocidad ($\langle \sigma \rangle \propto \chi^2$).
• Relación de Escala: En el régimen de $\chi$ pequeño, la irreversibilidad de la trayectoria geométrica sirve como la firma de raíz cuadrada de la disipación: $A_{path}^2 \propto \epsilon \langle \sigma \rangle$.

3. Validación de la Teoría de Grandes Desviaciones:
   Las simulaciones de Monte Carlo de los tiempos de primer paso confirman que las tasas de transición obedecen la ley de escala de Freidlin–Wentzell $k \sim \exp(-\Delta V / \epsilon)$. La barrera ajustada ($\Delta V \approx 0.2516$) coincide con el valor analítico ($0.25$) dentro de un 1%, validando que los eventos raros están gobernados por la barrera de acción en lugar de fluctuaciones gaussianas locales.

4. Límites de Precisión Termodinámica:
   El estudio verifica que las corrientes de mantenimiento (housekeeping currents) integradas en el tiempo en estas redes no recíprocas satisfacen la Relación de Incertidumbre Termodinámica (TUR). El producto de incertidumbre-costo $Q = \frac{\text{Var}(J_T)}{\langle J_T \rangle^2} \langle \sigma \rangle T$ permanece por encima del límite teórico de 1. Esto confirma que mejorar la precisión de las corrientes neurales requiere un aumento de la disipación, tiempos de integración más largos o cambios arquitectónicos.

5. Robustez en Alta Dimensión:
   La estructura trayectoria–corriente–disipación persiste en redes de alta dimensión ($N=500$). El índice de asimetría de la trayectoria y la producción de entropía escalan consistentemente con el tamaño del sistema y la fuerza de la no reciprocidad, demostrando que el proceso de optimización converge en espacios de estado completos sin depender de proyecciones de baja dimensión.

Significancia y Reivindicaciones
El artículo afirma haber identificado una firma de no equilibrio falsable de la computación por atractores. Argumenta que las descripciones de paisaje escalar son insuficientes para una comprensión completa de la dinámica neural porque no logran predecir:

• La geometría específica de las transiciones raras (trayectorias de escape vs. relajación).
• La direccionalidad de las corrientes de probabilidad.
• El costo termodinámico requerido para alcanzar niveles específicos de precisión en las corrientes del espacio de estados.

Los autores enfatizan que sus resultados se derivan de modelos controlados y analíticamente tratables y no pretenden medir los costos metabólicos biológicos totales. En su lugar, el trabajo proporciona un marco para analizar la dinámica de grano grueso resuelta. La contribución principal es la demostración de que dos sistemas con paisajes de ocupación idénticos pueden diferir fundamentalmente en sus rutas de transición y en su eficiencia termodinámica. Esto sugiere que, para sistemas neurales o neuromórficos, la estabilidad del estado, la geometría de la transición y la disipación son propiedades distintas pero acopladas que deben analizarse conjuntamente para comprender la implementación física de la computación. El trabajo propone que los estudios empíricos futuros deberían probar si los conjuntos de transiciones observados se concentran alrededor de los tubos de instantones predichos y si los modelos de no equilibrio superan a los sustitutos de equilibrio al predecir los intermediarios de transición dependientes de la dirección.