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

Résumé Technique : Irréversibilité Géométrique et Limites de Dissipation dans la Dynamique des Attracteurs Neuraux Non-Réciproques

Énoncé du Problème
La théorie classique des réseaux d'attracteurs modélise souvent les états neuraux à l'aide d'un paysage scalaire (quasipotentiel) où les états stables correspondent à des minima et les transitions sont régies par des hauteurs de barrières. Bien qu'utile, cette approximation de type équilibre est incomplète pour les systèmes neuraux qui soutiennent une consommation d'énergie métabolique et des interactions récurrentes dirigées. De tels systèmes brisent le détail du bilan, générant des courants de probabilité circulaires même lorsque les densités stationnaires semblent de type équilibre. L'article aborde trois lacunes spécifiques :

1. Deux systèmes possédant des densités stationnaires et des barrières de quasipotentiel identiques peuvent-ils présenter des géométries de transitions rares différentes ?
2. L'asymétrie géométrique des chemins de transition directs et inverses peut-elle être liée quantitativement à la production d'entropie en régime permanent ?
3. Cette irréversibilité au niveau des chemins se propage-t-elle dans les limites de précision thermodynamique des observables de courant neural ?

Méthodologie
Les auteurs emploient une hiérarchie de modèles pour isoler les effets de la dérive non-réciproque :

• Forme Normale Solvable : Une équation différentielle stochastique (EDS) bidimensionnelle où la dérive $F$ est décomposée en une composante de gradient ($-\nabla U$) et une composante solénoïdale (rotationnelle) ($\chi R \nabla U$). Le potentiel $U(x,y)$ définit un paysage bistable avec deux attracteurs et un point de selle. Le paramètre $\chi$ contrôle la non-réciprocité.
• Théorie des Grandes Déviations : Le cadre de Freidlin–Wentzell est utilisé pour calculer les chemins de transition les plus probables (instantons) et les barrières d'action. La méthode géométrique de minimisation de l'action (gMAM) est utilisée pour trouver les chemins optimaux dans des espaces de grande dimension en minimisant un fonctionnel d'action géométrique.
• Extensions de Haute Dimension : La forme normale est intégrée dans des réseaux récurrents creux de $N$ dimensions ($N \in \{50, 100, 200, 500\}$) avec des matrices de couplage antisymétriques pour tester la scalabilité.
• Validation Numérique :
  • Simulations Monte Carlo : L'intégration d'Euler–Maruyama est utilisée pour estimer les temps de premier passage et valider la mise à l'échelle des déviations de type large pour les taux de transition.
  • Relations d'Incertitude Thermodynamique (TUR) : Le produit de la variance du courant relatif et de la production d'entropie est calculé pour tester si il satisfait la limite $Q \ge 1$.
  • Lectures Synthétiques : L'Analyse en Composantes Principales (ACP) est appliquée à l'activité de population synthétique pour illustrer comment des géométries de transition courbes pourraient apparaître dans les enregistrements neuraux.

Contributions Clés et Résultats

1. Découplage du Paysage et de la Géométrie :
   L'étude démontre qu'un système peut posséder une densité stationnaire $\rho_{ss} \propto \exp(-U/\epsilon)$ et une barrière de quasipotentiel identique à son équivalent en équilibre, tout en soutenant des courants de probabilité non nuls et des chemins de commutation irréversibles. Le terme de dérive rotationnelle préserve les points fixes et la hauteur de la barrière scalaire, mais courbe les canaux de transition en boucles dirigées.

2. Triade Quantitative de l'Irréversibilité :
   L'article établit une relation quantitative entre la force de la dérive solénoïdale ($\chi$), l'asymétrie des chemins et la dissipation :

• Asymétrie de Chemin ($A_{path}$) : La différence géométrique entre les chemins directs (échappement) et inverses (relaxation) évolue linéairement avec la non-réciprocité ($A_{path} \propto \chi$).
• Production d'Entropie ($\langle \sigma \rangle$) : Le taux de production d'entropie en régime permanent évolue de manière quadratique avec la non-réciprocité ($\langle \sigma \rangle \propto \chi^2$).
• Relation de Mise à l'Échelle : Dans le régime de petit $\chi$, l'irréversibilité géométrique du chemin sert de signature racine carrée de la dissipation : $A_{path}^2 \propto \epsilon \langle \sigma \rangle$.

3. Validation de la Théorie des Grandes Déviations :
   Les simulations Monte Carlo des temps de premier passage confirment que les taux de transition obéissent à la loi de mise à l'échelle de Freidlin–Wentzell $k \sim \exp(-\Delta V / \epsilon)$. La barrière ajustée ($\Delta V \approx 0,2516$) correspond à la valeur analytique ($0,25$) à 1 % près, validant que les événements rares sont gouvernés par la barrière d'action plutôt que par des fluctuations gaussiennes locales.

4. Limites de Précision Thermodynamique :
   L'étude vérifie que les courants de maintenance (housekeeping) intégrés dans le temps de ces réseaux non-réciproques satisfont la Relation d'Incertitude Thermodynamique (TUR). Le produit d'incertitude-coût $Q = \frac{\text{Var}(J_T)}{\langle J_T \rangle^2} \langle \sigma \rangle T$ reste au-dessus de la limite théorique de 1. Cela confirme que l'amélioration de la précision des courants neuraux nécessite une dissipation accrue, des temps d'intégration plus longs ou des changements architecturaux.

5. Robustesse en Haute Dimension :
   La structure chemin–courant–dissipation persiste dans des réseaux de haute dimension ($N=500$). L'indice d'asymétrie de chemin et la production d'entropie évoluent de manière cohérente avec la taille du système et la force de non-réciprocité, démontrant que le pipeline variationnel converge dans les espaces d'états complets sans dépendre de projections de faible dimension.

Signification et Revendications
L'article prétend identifier une signature de hors-équilibre falsifiable du calcul par attracteurs. Il soutient que les descriptions de paysages scalaires sont insuffisantes pour une compréhension complète de la dynamique neurale car elles ne parviennent pas à prédire :

• La géométrie spécifique des transitions rares (chemins d'échappement vs relaxation).
• La directionnalité des courants de probabilité.
• Le coût thermodynamique requis pour atteindre des niveaux de précision spécifiques dans les courants de l'espace d'états.

Les auteurs soulignent que leurs résultats sont dérivés de modèles contrôlés et analytiquement traitables et ne prétendent pas mesurer les coûts métaboliques biologiques totaux. Au lieu de cela, ce travail fournit un cadre pour analyser les dynamiques grossières résolues. La contribution principale est la démonstration que deux systèmes possédant des paysages d'occupation identiques peuvent différer fondamentalement dans leurs routes de transition et leur efficacité thermodynamique. Cela suggère que pour les systèmes neuraux ou neuromorphiques, la stabilité d'état, la géométrie de transition et la dissipation sont des propriétés distinctes mais couplées qui doivent être analysées ensemble pour comprendre la mise en œuvre physique du calcul. Ce travail propose que les études empiriques futures devraient tester si les ensembles de transition observés se concentrent autour des tubes d'instanton prédits et si les modèles hors équilibre surpassent les surrogats en équilibre pour prédire les intermédiaires de transition directionnels.