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

技术摘要：非互易神经吸引子动力学中的几何不可逆性与耗散界限

问题陈述
经典的吸引子网络理论通常使用标量景观（拟势能）来建模神经状态，其中稳定状态对应于极小值，而转换则受能垒控制。虽然这种类平衡近似非常有用，但对于维持代谢能量消耗和定向递归相互作用的神经系统而言，它是并不完整的。这类系统打破了细致平衡，即使在稳态密度表现出类平衡特征时，也会产生循环概率流。本文解决了三个具体差距：

1. 是否两个具有相同稳态密度和拟势能垒的系统，会表现出不同的稀有转换几何结构。
2. 前向和后向转换路径的几何不对称性是否可以与稳态熵产生进行定量关联。
3. 这种路径层面的不可逆性是否会传播到神经电流观测值的热力学精度界限中。

方法论
作者采用了一系列层次模型来隔离非互易漂移的影响：

• 可解标准型： 一个二维随机微分方程（SDE），其漂移项 $F$ 被分解为一个梯度分量（$-\nabla U$）和一个旋度分量（$\chi R \nabla U$）。势能 $U(x,y)$ 定义了一个具有两个吸引子和一个鞍点的双稳态景观。参数 $\chi$ 控制非互易性。
• 大偏差理论： 使用 Freidlin–Wentzell 框架来计算最可能的转换路径（瞬时子）和作用能垒。利用几何最小作用量法（gMAM）在高维空间中寻找最优路径，通过最小化几何作用泛函来实现。
• 高维扩展： 将该标准型嵌入到具有反对称耦合矩阵的 $N$ 维（$N \in \{50, 100, 200, 500\}$）稀疏递归网络中，以测试可扩展性。
• 数值验证：
  • 蒙特卡洛模拟： 使用 Euler–Maruyama 积分来估计首次通过时间，并验证大偏差定标规律。
  • 热力学不确定性关系（TUR）： 计算相对电流方差与熵产的乘积，以测试是否满足界限 $Q \ge 1$。
  • 合成读数： 对合成群体活动应用主成分分析（PCA），以说明弯曲的转换几何如何在神经记录中呈现。

核心贡献与结果

1. 景观与几何的解耦：
   研究表明，一个系统的稳态密度 $\rho_{ss} \propto \exp(-U/\epsilon)$ 及其拟势能垒可以与其平衡对应物完全相同，但仍能维持非零的概率流和不可逆的切换路径。旋转漂移项保留了不动点和标量能垒高度，但将转换通道弯曲成了定向回路。

2. 不可逆性的定量三元组：
   论文建立了旋度漂移强度（$\chi$）、路径不对称性和耗散之间的定量关系：

• 路径不对称性 ($A_{path}$)： 前向（逃逸）路径与后向（弛豫）路径之间的几何差异随非互易性线性缩放（$A_{path} \propto \chi$）。
• 熵产生 ($\langle \sigma \rangle$)： 稳态熵产生率随非互易性的平方缩放（$\langle \sigma \rangle \propto \chi^2$）。
• 定标关系： 在小 $\chi$ 机制下，几何路径不可逆性是耗散的平方根特征：$A_{path}^2 \propto \epsilon \langle \sigma \rangle$。

3. 大偏差理论的验证：
   首次通过时间的蒙特卡洛模拟确认了转换速率遵循 Freidlin–Wentzell 定标律 $k \sim \exp(-\Delta V / \epsilon)$。拟合能垒（$\Delta V \approx 0.2516$）与解析值（$0.25$）在 1% 以内吻合，验证了稀有事件是由作用能垒而非局部高斯涨落驱动的。

4. 热力学精度界限：
   研究验证了这些非互易网络中的时间积分管家电流（housekeeping currents）满足热力学不确定性关系（TUR）。不确定性-成本乘积 $Q = \frac{\text{Var}(J_T)}{\langle J_T \rangle^2} \langle \sigma \rangle T$ 保持在理论界限 1 之上。这证实了提高神经电流的精度需要增加耗散、延长积分时间或改变架构。

5. 高维鲁棒性：
   路径–电流–耗散结构在高维网络（$N=500$）中依然存在。路径不对称指数和熵产生随系统规模和非互易强度一致缩放，证明了变分流水线在全状态空间中收敛，而不依赖于低维投影。

意义与主张
本文声称识别了一种可证伪的非平衡特征，用于描述吸引子计算。作者认为，标量景观描述不足以完整理解神经动力学，因为它们无法预测：

• 特定转换的几何结构（逃逸路径 vs. 弛豫路径）。
• 概率流的方向性。
• 实现特定精度的状态空间电流所需的热力学成本。

作者强调，其结果源自受控且解析可解的模型，并不声称测量了总体的生物代谢成本。相反，这项工作提供了一个分析已解析的粗粒化动力学的框架。主要贡献在于证明了两个具有相同占据景观的系统，在转换路径和热力学效率方面存在根本差异。这表明，对于神经或类脑计算系统，状态稳定性、转换几何和耗散是既独立又耦合的属性，必须结合起来进行分析，才能理解物理实现的计算过程。该工作建议，未来的实证研究应测试观察到的转换系综是否聚集在预测的瞬时子管（instanton tubes）周围，以及非平衡模型在预测方向特定转换中间体方面是否优于平衡替代模型。