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

기술 요약: 비가역적 신경 어트랙터 역학에서의 기하학적 비가역성 및 소산 경계

문제 제기
고전적인 어트랙터 네트워크 이론은 종종 신경 상태를 스칼라 지형(준포텐셜)으로 모델링하며, 여기서 안정 상태는 극소점(minima)에 해당하고 전이는 장벽 높이에 의해 결정된다. 이러한 평형 유사 근사는 유용하지만, 대사 에너지를 소비하고 방향성을 가진 재귀적 상호작용을 유지하는 신경 시스템을 설명하기에는 불완전하다. 이러한 시스템은 정지 밀도(stationary densities)가 평형 상태와 유사해 보일 때조차 순환하는 확률 전류(circulating probability currents)를 생성하며 상세 균형(detailed balance)을 깨뜨린다. 본 논문은 다음 세 가지 구체적인 공백을 다룬다:

1. 동일한 정지 밀도와 준포테셜 장벽을 가진 두 시스템이 서로 다른 희귀 전이 기하학(rare-transition geometries)을 나타낼 수 있는가?
2. 순방향 및 역방향 전이 경로의 기하학적 비대칭성을 정상 상태 엔트로피 생성과 정량적으로 연결할 수 있는가?
3. 경로 수준의 비가역성이 신경 전류 관측값의 열역학적 정밀도 경계로 전파되는가?

방법론
저자들은 비가역적 드리프트(non-reciprocal drift)의 효과를 분리하기 위해 계층적 모델을 사용한다:

• 해결 가능한 정규형(Solvable Normal Form): 드리프트 $F$가 그래디언트 성분($-\nabla U$)과 솔레노이달(solenoidal, 회전) 성분($\chi R \nabla U$)으로 분해되는 2차원 확률 미분 방정식(SDE)을 사용한다. 포텐셜 $U(x,y)$는 이봉성(bistable) 지형과 두 개의 어트랙터 및 하나의 새들(saddle)을 정의한다. 파라미터 $\chi$는 비가역성을 제어한다.
• 대편차 이론(Large-Deviation Theory): 프레드린-벤트웰(Freidlin–Wentzell) 프레임워크를 사용하여 가장 확률 높은 전이 경로(인스턴톤, instantons)와 작용 장벽(action barriers)을 계산한다. 고차원 공간에서 최적 경로를 찾기 위해 기하학적 최소 작용법(gMAM)을 활용하여 기하학적 작용 범함수를 최소화한다.
• 고차원 확장: 이 정규형을 반대칭 결합 행렬을 가진 $N$차원($N \in \{50, 100, 200, 500\}$) 희소 재귀 네트워크에 임베딩하여 확장성을 테스트한다.
• 수치적 검증:
  • 몬테카를로 시뮬레이션: 오일러-마루라마마(Euler–Maruyama) 적분을 사용하여 최초 통과 시간(first-passage times)을 추정하고 전이율의 대편차 스케일링을 검증한다.
  • 열역학적 불확정성 관계(TUR): 상대적 전류 분산과 엔트로피 생성의 곱을 계산하여 $Q \ge 1$ 조건을 만족하는지 테스트한다.
  • 합성 판독값(Synthetic Readouts): 합성 팝퓰레이션 활동에 주성분 분석(PCA)을 적용하여 곡선 형태의 전이 기하학이 신경 기록에서 어떻게 나타날 수 있는지 보여준다.

주요 기여 및 결과

1. 지형과 기하학의 디커플링:
   본 연구는 시스템이 $\rho_{ss} \propto \exp(-U/\epsilon)$인 정지 밀도와 동일한 준포테셜 장벽을 가질 수 있음에도 불구하고, 비제로(non-zero) 확률 전류와 비가역적 스위칭 경로를 유지할 수 있음을 입증한다. 회전 드리프트 항은 고정점과 스칼라 장벽 높이를 보존하면서도 전이 채널을 방향성을 가진 루프로 휘게 만든다.

2. 비가역성의 정량적 삼중주:
   본 논문은 솔레노이달 드리프트 강도($\chi$), 경로 비대칭성, 그리고 소산 사이의 정량적 관계를 확립한다:

   • 경로 비대칭성 ($A_{path}$): 순방향(탈출) 경로와 역방향(이완) 경로 사이의 기하학적 차이는 비가역성에 선형적으로 비례한다 ($A_{path} \propto \chi$).
   • 엔트로피 생성 ($\langle \sigma \rangle$): 정상 상태 엔트로피 생성률은 비가역성의 제곱에 비례한다 ($\langle \sigma \rangle \propto \chi^2$).
   • 스케일링 관계: 작은 $\chi$ 영역에서, 기하학적 경로 비가역성은 소산의 제곱근 징후 역할을 한다: $A_{path}^2 \propto \epsilon \langle \sigma \rangle$.

3. 대편차 이론의 검증:
   최초 통과 시간에 대한 몬테카를로 시뮬레이션은 전이율이 프레드린-벤트웰 스케일링 법칙 $k \sim \exp(-\Delta V / \epsilon)$을 따른다는 것을 확인한다. 피팅된 장벽($\Delta V \approx 0.2516$)은 해석적 값($0.25$)과 1% 이내로 일치하며, 이는 희귀 사건이 국소적 가우시안 변동이 아닌 작용 장벽에 의해 지배됨을 검증한다.

4. 열역학적 정밀도 경계:
   본 연구는 비가역적 네트워크 내의 시간 통합 하우스키핑 전류(housekeeping currents)가 열역학적 불확정성 관계(TUR)를 만족함을 검증한다. 불확정성-비용 곱 $Q = \frac{\text{Var}(J_T)}{\langle J_T \rangle^2} \langle \sigma \rangle T$는 이론적 하한인 1보다 높게 유지된다. 이는 신경 전류의 정밀도를 높이기 위해서는 더 많은 소산, 더 긴 적분 시간 또는 구조적 변화가 필요함을 확인시켜 준다.

5. 고차원 견고성:
   경로-전류-소산 구조는 고차원 네트워크($N=500$)에서도 지속된다. 경로 비대칭 지수와 엔트로피 생성은 시스템 크기 및 비가역성 강도와 일관되게 스케일링되며, 이는 변분 파이프라인이 저차원 투영에 의존하지 않고도 전체 상태 공간에서 수렴함을 보여준다.

의의 및 주장
본 논문은 **반증 가능한 비평형 징후(falsifiable nonequilibrium signature)**로서의 어트랙터 계산을 식별했다고 주장한다. 저자들은 스칼라 지형 묘사가 신경 역학의 완전한 이해를 위해 불충분하다고 주장하는데, 그 이유는 스칼라 지형이 다음을 예측하지 못하기 때문이다:

• 희귀 전이의 구체적인 기하학 (탈출 경로 vs 이완 경로).
• 확률 전류의 방향성.
• 특정 수준의 정밀도를 가진 상태 공간 전류를 달성하기 위해 필요한 열역학적 비용.

저자들은 자신의 결과가 통제되고 해석적으로 다룰 수 있는 모델로부터 도출되었으며, 생물학적 대사 총량을 측정하려는 것이 아님을 강조한다. 대신, 이 작업은 **해상된 거친 입자 역학(resolved coarse-grained dynamics)**을 분석하기 위한 프레임워크를 제공한다. 주요 기여는 동일한 점유 지형을 가진 두 시스템이 전이 경로와 열역학적 효율성 측면에서 근본적으로 다를 수 있음을 입증한 것이다. 이는 신경 또는 뉴로모픽 시스템에 있어, 상태 안정성, 전이 기하학, 그리고 소산은 별개이면서도 결합된 속성으로서, 물리적 구현을 이해하기 위해 함께 분석되어야 함을 시사한다. 본 연구는 향후 경험적 연구들이 관찰된 전이 앙상블이 예측된 인스턴톤 튜브(instanton tubes) 주변에 집중되는지, 그리고 비평형 모델이 방향 특이적 전이 중간체를 예측하는 데 있어 평형 대용 모델보다 우수한 성능을 보이는지 테스트해야 한다고 제안한다.