Simulating neural network criticality and resource dynamics with Rydberg gases
本論文は、代謝資源の補充を模倣するための制御された利得メカニズムを備えた極低温リドベリガスが、ニューラルネットワークの臨界性を調査するための高度に制御可能なシミュレータとして機能し、非平衡定常状態におけるべき乗則に従うアバランシェのスケーリング、普遍的な形状崩壊、および確率的振動といった主要な現象を明らかにすることを実験的に実証するものである。