用里德伯气体模拟神经网络临界性与资源动力学

神经网络的高效运行已被认为与其底层非平衡激发动力学中的临界性有关。然而，由于生物系统中的控制能力有限且采样不足，这一猜想的实验性证据仍然难以获得。在此，我们利用超冷里德伯气体这一高度可控的模拟平台，对神经网络临界性进行实验研究。我们强调了通过里德伯促进机制实现的激发传播与神经元尖峰活动的突触连接之间的相似性，从而产生了截然不同的吸收相与活跃相。我们系统地探索并解析了临界性的判据，包括激发雪崩的幂律标度以及普适雪崩形状塌缩的出现。关键在于，我们实现了一种受控增益机制，以补偿原子损失，模拟代谢资源补充，并将系统稳定在一种受控的非平衡稳态。我们发现，在临界点处时间关联达到峰值，而在活跃相中出现了随机振荡以及“龙王”雪崩，这与围绕临界性运行的系统的理论预测一致。我们的工作确立了受促进的里德伯气体作为研究神经网络中临界性、资源动力学和涌现振荡的平台。

神经网络的高效运行一直被认为与其底层非平衡激发动力学中的临界性有关。然而，由于生物系统中控制能力有限且采样不足，要获得这一猜想的实验证据仍然充满挑战。在此，我们利用超冷里德伯气体这一高度可控的模拟器，对神经网络临界性进行实验研究。我们强调了通过里德伯促进实现的激发传播与神经元尖峰活动的突触连接之间的相似性，这种相似性导致了截然不同的吸收相和活跃相。我们系统地探索并验证了临界性判据，包括激发雪崩的幂律标度以及普适雪崩形状塌缩的出现。关键在于，我们实现了一种受控增益机制以补偿原子损失，从而模拟代谢资源的补充，并将系统稳定在一个可控的非平衡稳态。我们发现，在临界点处时间关联达到峰值，而在活跃相中出现了伴随“龙王”雪崩的随机振荡，这与围绕临界性运行的系统的理论预测一致。我们的工作确立了受促进的里德伯气体作为研究神经网络中临界性、资源动力学和涌现振荡的平台。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.21.739801v1?rss=1

🏷️ 神经网络临界性 里德伯气体 激发雪崩 非平衡动力学 资源动力学