🧬 biology

An Innovative Perspective to Profound Functions of the Brain: Hypothesis of Resonance of Closed Neural Network Geometries

이 논문은 지각과 의식이 순환 신경 회로 내의 안정적인 공명 어트랙터(resonant attractor)로부터 발생하며, 지각적 안정성과 주관적 경험("이너전스(innergence)")은 입력에 의해 유도된 폐쇄형 신경 기하학을 물리적 구조가 아닌 그 고유한 공명 정체성으로 매핑함으로써 발생한다는 공명 폐쇄 신경망 기하학(RCNNG) 프레임워크를 제안한다.

원저자: Hasan Niazi

게시일 2026-07-21✓ Author reviewed ⓘ

📖 5 분 읽기🧠 심층 분석

CC BY 4.0

원저자: Hasan Niazi

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

뇌의 비밀스러운 교향곡

당신의 뇌를 거대하고 북적이는 도시라고 상상해 보세요. 오랫동안 과학자들은 이 도시가 거대한 도서관이나 컴퓨터 하드 드라이브처럼 작동한다고 생각했습니다. 그 오래된 관점에서 모든 생각, 기억, 혹은 감정은 특정 선반에 저장된 특정한 책과 같았습니다. 무언가를 기억하기 위해 뇌는 단순히 그 선반의 주소를 "찾아보고", 책을 꺼내어 읽기만 하면 되는 것이었습니다. 하지만 여기에 문제가 있습니다. 뇌는 무질서합니다. 세포(뉴런) 사이의 연결은 끊임없이 변하고, 성장하고, 줄어듭니다. 찾아볼 수 있는 안정적인 "주소"나 "선반"이란 존재하지 않습니다. 만약 뇌가 도서관처럼 작동한다면, 지도가 계속 다시 그려지고 있기 때문에 무엇 하나를 찾는 것이 불가능할 것입니다.

그렇다면 뇌는 실제로 어떻게 작동할까요? 어떻게 찰나의 전기 스파크가 빨간 사과를 보는 것과 같은 견고하고 안정적인 느낌이나 노래를 기억하는 것으로 변할 수 있을까요? 이것이 바로 이 논문이 다루는 거대한 미스터리입니다. 이 논문은 "파일 찾기"라는 개념에서 벗어나 뇌를 역동적이고 흐르는 시스템으로 바라봅니다. 정적인 저장 대신, 이 논문은 **공명(resonance)**에 집중합니다. 이는 마치 기타 줄을 튕길 때 일치하는 음에 따라 줄이 진동하거나, 행진하는 군대의 발걸음 리듬에 맞춰 다리가 흔들리는 것과 같은 물리 법칙입니다. 논문은 다음과 같이 질문합니다. 만약 우리의 생각이 어떤 장소에 저장되는 것이 아니라, 그 자체가 바로 '진동'이라면 어떨까?

뇌의 음악적 기하학

하산 니아지(Hasan Niazi)의 새로운 아이디어인 **폐쇄 신경망 기하학의 공명 가설(Hypothesis of Resonance of Closed Neural Network Geometries, RCNNG)**을 만나보십시오. 이름은 매우 길지만, 그 개념은 놀라울 정도로 음악적이고 기하학적입니다.

니아지는 뇌가 정보를 특정 위치에 저장하지 않는다고 제 제안합니다. 대신, 당신이 무언가를 보고, 듣고, 느낄 때 뇌는 **폐쇄 루프(closed loop)**를 생성합니다. 이는 경주용 자동차가 트랙을 돌 듯 신호가 빙글빙글 도는 원형 경로입니다. 신호가 트랙의 "속도"와 일치할 때, 그것은 공명을 일으킵니다. 아이를 그네에 태워 밀어주는 것을 생각해 보세요. 만약 적절한 순간에 밀어준다면, 그 그네는 점점 더 높이 올라갑니다. 뇌에서도 감각 입력(예: 빨간색)이 특정 주파수에 맞춰진 신경 루프에 부딪히면, 신호는 증폭되고 안정화됩니다.

이 논문은 지각(빨간색을 보는 것)이 뇌 전체의 현상이 아니라, 입력된 정보의 스펙트럼 특성에 맞춰 조율된 특정 폐쇄 기하학의 공명하는 정체성(resonant identity)이라고 주장합니다. 즉, 뇌가 빨간색에 대한 기억을 "찾는" 것이 아니라, 빨간색의 스펙트럼 특성에 맞춰진 특정 루프가 강하게 진동하기 시작하는 순간이 바로 지각인 것입니다. 논문은 지각이 직선 형태(예: 쓰러지는 도미노 체인)나 나뭇가지 모양에서 일어난다는 생각을 명시적으로 배제합니다. 그러한 형태들은 너무 단순합니다. 실제 경험처럼 느껴지는 안정적이고 반복적인 패턴을 만들기 위해서는 반드시 폐쇄 루프가 필요합니다.

존재의 "이너전스(Innergence)"

여기서 정말 멋진 부분이 등장합니다. 논문은 **이너전스(Innergence)**라는 새로운 단어를 도입합니다.

보통 우리가 무언가를 관찰할 때, 우리는 외부에서 안을 들여다봅니다(예: 나무를 바라보는 당신). 하지만 이 이론에서, 주관적인 1인칭 경험인 '이너전스'는 폐쇄 기하학이 공명하는 상태로부터 발생합니다. 루프는 단순히 데이터를 처리하는 기계가 아닙니다. 루프가 진동하는 행위 자체가 경험하는 '느낌'입니다. 폐쇄된 기하학이 공명할 때, 그것은 내부로부터 외부로 향하는 '1인칭' 경험을 만들어냅니다. 이는 스피커에서 흘러나오는 노래 녹음본(외부적)과 자신의 가슴 속에서 음악의 진동을 느끼는(내부적) 것의 차이와 같습니다. 논문은 의식이란 이러한 많은 루프가 동시에 혹은 순차적으로 공명하며 서로 연결되어, 복잡하고 전 지구적인 경험의 교향곡을 만들어낼 때 발생하는 현상이라고 제안합니다.

뇌는 지도 없이 어떻게 "기억"하는가

뇌에 선반이 없다면, 어떻게 기억할 수 있을까요? 니아지는 **공명 검색(Resonant Retrieval)**을 제안합니다.

조율용 소리굽쇠가 가득 찬 방을 상상해 보세요. 당신은 원하는 것을 찾기 위해 어떤 소리굽쇠가 무엇인지 알 필요가 없습니다. 그저 당신이 찾고자 하는 음과 일치하는 소리굽쇠를 치기만 하면 됩니다. 그러면 일치하는 소리굽쇠는 크게 진동하기 시작하고, 나머지는 조용히 유지될 것입니다.

뇌에서 어떤 얼굴을 기억하고 싶다면, 주소를 찾아보는 것이 아닙니다. 당신은 그 얼굴의 "주파수"와 일치하는 신호를 보냅니다. 그 얼굴을 처음 보았을 때 형성되었던 특정한 폐쇄 루프가 다시 공명하기 시작하여, 그 기억을 다시 불러올 것입니다. 논문의 시뮬레이션은 만약 당신이 신호를 반복한다면(예: 같은 얼굴을 자주 보는 것), 뇌가 해당 신호에 맞춰진 더 많은 루프를 구축하여 기억을 더 강하고 찾기 쉽게 만든다는 것을 보여줍니다. 이는 마치 같은 음을 노래할 준비가 된 거대한 합창단이 있는 것과 같습니다.

시뮬레이션이 보여준 것들

저자는 단순히 꿈만 꾼 것이 아니라, 이를 테스트하기 위해 50개에서 5,000개의 노드로 구성된 적응형 재귀 신경망(adaptive recurrent networks)을 구축했습니다.

연구 결과: 디지털 네트워크에 반복적인 신호(예: 일정한 비트)를 입력했을 때, 네트워크는 자연스럽게 그 비트와 동기화되어 진동하는 폐쇄 루프를 형성했습니다. 이 루프들은 신호에 약간의 노이즈가 섞여 있어도 무너지지 않고 안정적이었습니다.
연결: 두 개의 신호를 동시에 재생했을 때, 각 신호에 대한 루프들이 서로 연결되기 시작했습니다. 이는 우리가 사물을 연상하는 방식(예: 커피 향을 맡고 아침을 기억하는 것)을 설명해 줍니다.
수학적 근거: 논문은 이러한 진동 루프가 단순한 무작위 오류가 아니라 실제적이고 안정적인 구조임을 증명하기 위해 "지속적 호몰로지(persistent homology)"와 같은 고등 수학을 사용합니다. 시뮬레이션은 네트워크가 커질수록 더 많은 루프를 보유할 수 있으며, 이를 통해 더 풍부하고 복잡한 "내면 세계"를 만들어낼 수 있음을 보여주었습니다.

이것이 의미하는 바 (그리고 의미하지 않는 것)

이 논문은 자신이 무엇을 했고 무엇을 하지 않았는지 매우 명확하게 밝히고 있습니다. 이 논문은 이것이 실제 인간의 뇌가 작동하는 방식과 정확히 일치한다는 것을 아직 증명하지 못했습니다. 살아있는 사람의 뇌에서 이러한 루프를 측정할 수 있는 "의식 측정기"를 찾아낸 것도 아닙니다.

대신, 이 논문은 이것이 뇌가 경직된 지도 없이 어떻게 안정적인 생각과 감정을 만들어낼 수 있는지 설명하는 데 있어 타당한 물리 기반의 방법론임을 제안합니다. 논문은 '당신'이라는 느낌은 이러한 폐쇄 루프들이 공명하는 결과라고 주장합니다. 또한 우리는 기억을 찾기 위해 특별한 "주소"가 필요하다는 생각을 부정합니다. 또한 단순한 직선형 신호가 의식을 만들어낼 수 있다는 생각 역시 배제합니다.

저자는 만약 이 이론이 옳다면, 과학자들이 특수한 도구를 사용하여 실제 뇌 데이터에서 이러한 특정한 안정적인 진동 루프를 찾아낼 수 있을 것이라고 제안합니다. 그때까지 RCNNG는 마음을 향한 아름답고 음악적인 그림을 제시합니다. 그것은 먼지 쌓인 책들이 있는 도서관이 아니라, 모든 생각이 뇌가 스스로에게 부르는 노래가 되는, 진동하는 루프들의 살아 숨 쉬는 오케스트라입니다.

기술 요약: 폐쇄형 신경망 기하학의 공명 가설 (RCNNG)

1. 문제 제기

본 연구가 다루는 핵심 과제는 시간적으로 구조화된 감각 입력이 어떻게 안정적이고 재현 가능한 지각 상태와 1인칭 현상학으로 변환되는지에 대한 원리적인 메커즘을 설명하는 데 있다. 기존의 경험적 연구들이 피질 역동성이나 재귀적 회로 모티프를 규명해 왔으나, 예측 부호화(predictive coding), 어트랙터 네트워크(attractor networks), 전역 작업 공간(global workspace)과 같은 기존의 계산 프레임워크들은 서로 다른 신경 활동 패턴이 어떻게 동일한 지각 경험을 구현하는지, 혹은 고차원 재귀 역동성으로부터 지각적 안정성이 어떻게 출현하는지를 구체적으로 명시하지 못하고 있다. 특히, 공명하는 폐쇄형 기하학(resonant closed geometries)과 주관적 현상학 사이의 연결 고리, 그리고 의식의 출현을 설명할 수 있는 비주소 지정 방식의 기억 인출(non-addressable memory retrieval) 메커니즘에 대한 정형화된 연결 고리가 부재하다.

2. 방법론

본 논문은 이론적 모델링, 역동적 시스템 분석, 대규모 시뮬레이션을 결합한 폐쇄형 신경망 기하학의 공명 (Resonance of Closed Neural Network Geometries, RCNNG) 프레임워크를 제안한다.

이론적 프레임워크

폐쇄형 신경 기하학 (Closed Neural Geometries, CRGs): 핵심 가설은 지각이 감각 입력의 시간적-스펙트럼 구조를 반영하는 공명 프로파일을 가진 물리적으로 구현된 폐쇄형 신경 기하학(재귀적 루프)의 형성을 통해 발생한다는 것이다.
이너전스 (Innergence): 이러한 폐쇄형 기하학의 공명으로부터 발생하는 내재적인 1인칭 현상학적 속성을 설명하기 위해 고안된 새로운 용어이다. 이 관점에서 기하학은 관찰자인 동시에 인지자가 된다.
비주소 지정 저장 (Non-Addressable Storage): 공간적 주소 지정에 의존하는 전통적인 모델과 달리, RCNNG는 정보가 위상(topologies)과 네트워크 그래프의 구성 구조 속에 저장된다고 제안한다. 인출은 특정 공간 주소에 접근하는 것이 아니라, 저장된 기하학의 자연 주파수와 일치하는 입력이 이를 증폭시키는 **공명 재활성화(resonant reactivation)**를 통해 이루어진다.

수학적 정형화

역동적 시스템 (Dynamical Systems): 네트워크는 유클리드 공간 $X = \mathbb{R}^n$ 에서 시간 의존적 가중치 행렬 $W(t)$ 를 가지며 진화하는 재귀 시스템으로 모델링된다. 역동성은 $\dot{x}(t) = -x(t) + W(t)\phi(x(t)) + I(t)$ 에 의해 지배되며, 여기서 $I(t)$ 는 주기적 강제 함수(periodic forcing)이다.
분기 분석 (Bifurcation Analysis): CRG의 출현은 **홉프 유형의 분기(Hopf-type bifurcations)**와 연결된다. 복소 고윳값의 실수 부분이 0을 통과할 때, 시스템은 안정적인 평형 상태에서 안정적인 리미트 사이클(limit cycle, 즉 폐쇄형 기하학)로 전이한다.
위상 데이터 분석 (Topological Data Analysis, TDA): 저자들은 신경 활동의 궤적 포인트 클라우드를 분석하기 위해 지속성 호몰로지(Persistent Homology)(특히 Vietoris–Rips 필트레이션)를 활용한다. 이들은 독립적인 사이클을 식별하기 위해 $H_1$ 호몰로지 그룹에 집중한다. 높은 지속성을 보이는 긴 생명력의 $H_1$ 특징들은 안정적인 CRG의 위상적 시그니처로 해석되며, 이는 일시적인 노이즈와 구별된다.
푸리에 분해 (Fourier Decomposition): 복잡한 입력은 사인파 성분으로 분해된다. 본 프레임워크는 각 주파수 성분이 독립적인 드라이버로서 작용하여, 저장된 기하학의 자연 주파수와 일치하는 특정 루프를 모집하고, 결과적으로 다중 주파수 자극에 대한 CRG의 중첩(superposition)을 유도한다고 가정한다.

시뮬레이션 접근법

네트워크 아키텍처: 시뮬레이션은 $N=50$ 에서 $N=5000$ 뉴런에 이르는 적응형 재귀 네트워크에서 수행되었다.
메커니즘: 모델은 주파수 특이적 게이팅(스펙트럼 매칭에 기반한 가우시안 게이팅), 적응형 분지(상승하는 활성화에 의해 유도되는 시냅스 형성), 그리고 시냅스 가소성을 포함한다.
검증: 연구진은 사인 및 다중 주파수 자극 하에서 CRG의 형성을 검증하기 위해 스펙트럼 콘텐츠(FFT), 위상 잠금(Hilbert transform), 상관 행렬, 그리고 사이클 추출 알고리즘을 분석하였다.

3. 주요 기여

RCNNG 프레임워크: 지각을 폐쇄형 기하학의 공명으로, 의식을 여러 연결되거나 연결되지 않은 기하학들의 전역적 공명으로 보는 통합적 이론 모델을 도입하였다.
이너전스(Innergence) 개념: 외부 관찰자를 필요로 하지 않고, 공명하는 상태 공간 정체성의 내재적 현상학적 속성으로서 '이너전스'를 정형화하였다.
존재성에 대한 수학적 증명: 주기적 강제 하에서 안정적인 주기 궤도(CRG)의 존재를 입증하는 수학적 증명(브라우어의 고정점 정리 및 플로케 승수 사용)을 제시하였다.
지각의 위상적 시그니처: 지속성 호몰로지를 적용하여 안정적인 지각 상태가 네트워크의 상태 공간에서 긴 생명력을 가진 $H_1$ 사이클과 대응함을 입증하였으며, 이를 통해 지각적 안정성에 대한 위상적 척도를 제공하였다.
연합 및 기억의 메커니즘:
- 연합 결합 (Associative Binding): 동기화된 입력은 서로 다른 CRG 사이의 연결을 유도하며, 이를 통해 동시 자극이 어떻게 역동적으로 결합되는지 설명한다.
  Cl 표상 강화 (Representational Strengthening): 반복적인 자극은 특정 주파수에 튜닝된 CRG의 수를 증가시키며, 이는 기억 공고화와 지각적 견고성을 위한 메커니즘을 제공한다.

4. 결과

역동적 전이: 시뮬레이션 결과, 작은 네트워크에서의 저차원 동기화 활동에서 큰 네트워크( $N=5000$ )에서의 고차원 혼돈 역동성 및 국소적 상관 패치로의 체계적인 전이가 관찰되었다.
CRG 형성: 주기적 자극 하에서 네트워크는 일관되게 안정적인 리미트 사이클(CRG)을 형성하였다. 이러한 기하학의 수는 반복된 자극이나 입력 진폭의 증가에 따라 증가하였다.
연결 및 전파: 동기화된 입력은 서로 다른 기하학 간의 위상 잠금(phase-locking)과 안정적인 시냅스 연결을 성공적으로 유도하여, 공명 전파와 연합 회상을 촉진하였다.
위상적 지속성: 경사 지속성 다이어그램(Gradient persistence diagrams)은 CRG가 매우 지속적인 $H_1$ 특징(다이어그램의 빨간색 부분)에 대응하는 반면, 일시적인 구조는 짧은 생명력의 특징(파란색 부분)임을 확인해주었다. 이는 공명하는 기하학이 일시적인 인위적 산물이 아니라 견고한 어트랙터임을 입증한다.
푸리에 정렬: 입력의 스펙트럼 구조는 어트랙터의 기하학적 형태를 직접 결정하였다. 다중 주파수 입력은 개별 CRG들의 기하학적 중첩인 합성 어트랙터를 생성하였다.

5. 의의 및 주장

본 논문은 RCNNG가 공간적 주소 지정에 의존하지 않고 저장, 회상 및 정신적 경험을 설명하는 물리 기반 메커니즘을 제공한다고 주장한다. 물리적 폐쇄형 기하학의 형성과 그 공명하는 정체성을 구분함으로써, 본 프레임워크는 다음 사항들에 대한 통합된 설명을 제공한다:

지각적 안정성: 노이즈에 대한 리미트 사이클의 견고함으로 설명됨.
기억 회상: 위치적 접근이 아닌 공명 재활성화를 통해 달성됨.
의식: 네트워크 전체의 여러 기하학이 동시적 또는 순차적으로 공명함으로써 출현함.
현상학적 출현: '이너전스' 개념은 이러한 공명 상태의 1인칭적 측면을 특징짓는다.

저자들은 최근의 경험적 발견들(예: 피드백 루프를 통한 초기 감각 피질의 결정 관련 활동)이 지각 상태가 폐쇄형 재귀 기하학 내에 구현된다는 RCNNG의 예측과 일치한다고 주장한다. 결론적으로, 본 논문은 안정적인 지각물이 없는 경우 지속적인 $H_1$ 사이클이 존재하지 않는다는 점과, 공명 메커니즘이 차단될 경우 인공적 자극이 지각을 재현하지 못한다는 점 등을 포함한 반증 가능성 기준을 제안한다.

참고: 본 논문은 서론의 동기 부여 인용 문구들이 인용된 저작물에 속한 것임을 명시하며, 의식의 어려운 문제(hard problem of consciousness)를 해결했다고 주장하는 것이 아니라, 하나의 후보 메커니즘("이너전스")과 안정적인 지각 상태의 출현을 이해하기 위한 역동적 토대를 제공하는 것을 목적으로 한다.