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

Resumo Técnico: Irreversibilidade Geométrica e Limites de Dissipação em Dinâmicas de Atratores Neurais Não Recíprocos

Enunciado do Problema
A teoria clássica de redes de atratores frequentemente modela estados neurais usando um cenário escalar (quasipotencial), onde estados estáveis correspondem a mínimos e as transições são governadas por alturas de barreiras. Embora útil, essa aproximação de equilíbrio é incompleta para sistemas neurais que sustentam o consumo de energia metabólica e interações recorrentes direcionadas. Tais sistemas frequentemente quebram o detalhe de balanço, gerando correntes de probabilidade circulantes mesmo quando as densidades estacionárias parecem semelhantes ao equilíbrio. O artigo aborda três lacunas específicas:

1. Se dois sistemas com densidades estacionárias e barreiras de quasipotencial idênticas podem exibir geometrias de transição rara diferentes.
2. Se a assimetria geométrica dos caminhos de transição direto e reverso pode ser quantitativamente vinculada à produção de entropia em estado estacionário.
3. Se essa irreversibilidade ao nível do caminho se propaga para limites de precisão termodinâmica para observáveis de corrente neural.

Metodologia
Os autores empregam uma hierarquia de modelos para isolar os efeitos do drift não recíproco:

• Forma Normal Solúvel: Uma equação diferencial estocástica (SDE) bidimensional onde o drift $F$ é decomposto em um componente de gradiente ($-\nabla U$) e um componente solenoidal (rotacional) ($\chi R \nabla U$). O potencial $U(x,y)$ define um cenário bistável com dois atratores e uma sela. O parâmetro $\chi$ controla a não reciprocidade.
• Teoria de Grandes Desvios: O framework de Freidlin–Wentzell é utilizado para computar os caminhos de transição mais prováveis (instantons) e barreiras de ação. O método de ação mínima geométrica (gMAM) é utilizado para encontrar caminhos ótimos em espaços de alta dimensão, minimizando um funcional de ação geométrica.
• Extensões de Alta Dimensão: A forma normal é inserida em redes recorrentes esparsas de $N$ dimensões ($N \in \{50, 100, 200, 500\}$) com matrizes de acoplamento antissimétricas para testar a escalabilidade.
• Validação Numérica:
  • Simulações de Monte Carlo: A integração de Euler–Maruyama é usada para estimar tempos de primeira passagem e validar a escala de grandes desvios das taxas de transição.
  • Relações de Incerteza Termodinâmica (TUR): O produto da variância da corrente relativa e a produção de entropia é computado para testar se satisfaz o limite $Q \ge 1$.
  • Readouts Sintéticos: A Análise de Componentes Principais (PCA) é aplicada à atividade populacional sintética para ilustrar como geometrias de transição curvas poderiam aparecer em registros neurais.

Principais Contribuições e Resultados

1. Desacoplamento de Paisagem e Geometria:
   O estudo demonstra que um sistema pode possuir uma densidade estacionária $\rho_{ss} \propto \exp(-U/\epsilon)$ e uma barreira de quasipotencial idêntica à de seu contraparte em equilíbrio, mas ainda assim sustentar correntes de probabilidade não nulas e caminhos de comutação irreversíveis. O termo de drift rotacional preserva os pontos fixos e a altura da barreira escalar, mas curva os canais de transição em loops direcionados.

2. Tríade Quantitativa de Irreversibilidade:
   O artigo estabelece uma relação quantitativa entre a força do drift solenoidal ($\chi$), a assimetria de caminho e a dissipação:

   • Assimetria de Caminho ($A_{path}$): A diferença geométrica entre os caminhos direto (escape) e reverso (relaxação) escala linearmente com a não reciprocidade ($A_{path} \propto \chi$).
   • Produção de Entropia ($\langle \sigma \rangle$): A taxa de produção de entropia em estado estacionário escala quadraticamente com a não reciprocidade ($\langle \sigma \rangle \propto \chi^2$).
   • Relação de Escala: No regime de pequeno $\chi$, a irreversibilidade geométrica do caminho serve como a assinatura de raiz quadrada da dissipação: $A_{path}^2 \propto \epsilon \langle \sigma \rangle$.

3. Validação da Teoria de Grandes Desvios:
   Simulações de Monte Carlo de tempos de primeira passagem confirmam que as taxas de transição obedecem à lei de escala de Freidlin–Wentzell $k \sim \exp(-\Delta V / \epsilon)$. A barreira ajustada ($\Delta V \approx 0.2516$) coincide com o valor analítico ($0.25$) dentro de 1%, validando que os eventos raros são governados pela barreira de ação, e não por flutuações Gaussianas locais.

4. Limites de Precisão Termodinâmica:
   O estudo verifica que as correntes de manutenção (housekeeping currents) integradas no tempo nessas redes não recíprocas satisfazem a Relação de Incerteza Termodinâmica (TUR). O produto de incerteza-custo $Q = \frac{\text{Var}(J_T)}{\langle J_T \rangle^2} \langle \sigma \rangle T$ permanece acima do limite teórico de 1. Isso confirma que melhorar a precisão das correntes neurais requer maior dissipação, tempos de integração mais longos ou mudanças arquitetônicas.

5. Robustez em Alta Dimensão:
   A estrutura caminho–corrente–dissipação persiste em redes de alta dimensão ($N=500$). O índice de assimetria de caminho e a produção de entropia escalam consistentemente com o tamanho do sistema e a força da não reciprocidade, demonstrando que o pipeline variacional converge em espaços de estados completos sem depender de projeções de baixa dimensão.

Significância e Alegações
O artigo alega identificar uma assinatura de fora do equilíbrio falsificável da computação de atrator. Argumenta-se que descrições de cenário escalar são insuficientes para uma compreensão completa da dinâmica neural porque falham em prever:

• A geometria específica das transições raras (caminhos de escape vs. relaxação).
• A direcionalidade das correntes de probabilidade.
• O custo termodinâmico necessário para atingir níveis específicos de precisão nas correntes do espaço de estados.

Os autores enfatizam que seus resultados derivam de modelos controlados e analiticamente tratáveis e não pretendem medir custos metabólicos biológicos totais. Em vez disso, o trabalho fornece um framework para analisar a dinâmica de coalescência grosseira resolvida. A principal contribuição é a demonstração de que dois sistemas com paisagens de ocupação idênticas podem diferir fundamentalmente em suas rotas de transição e eficiência termodinâmica. Isso sugere que, para sistemas neurais ou neuromórficos, a estabilidade de estado, a geometria de transição e a dissipação são propriedades distintas, mas acopladas, que devem ser analisadas juntas para compreender a implementação física da computação. O trabalho propõe que estudos empíricos futuros devem testar se os conjuntos de transição observados se concentram em torno de tubos de instanton previstos e se modelos fora do equilíbrio superam os substitutos de equilíbrio na previsão de intermediários de transição dependentes de direção.