Una neurona en el cerebro se parece a una persona que reparte sus tarjetas de visita en una conferencia abarrotada. Al principio conoce gente fácilmente, pero a medida que se llena la agenda, cada nuevo contacto requiere más esfuerzo: queda poco espacio libre. Los autores basaron su modelo en esta regla del "hacinamiento": cuantas más conexiones entrantes tiene ya una neurona, más difícil le resulta formar una más.

El modelo con un solo parámetro dio una solución exacta: el número medio de conexiones crece solo logarítmicamente con el tamaño de la red, y la dispersión permanece acotada. Esto concuerda con que el cerebro no permite ni sobrecarga ni subcarga de neuronas. Cuando las nuevas conexiones se añaden en orden de proximidad espacial, surge una amplia distribución de longitudes de conexión, cercana a una ley de potencias, sin reglas explícitas sobre preferencia por conexiones largas o cortas.

A continuación, los autores mostraron que la estadística de las conexiones determina los límites de los estados estables en la dinámica de redes umbral. La agrupación local, a su vez, influye en la aparición de estados inestables de larga duración cerca de esos límites. Así, una mecánica local simple de crecimiento de conexiones explica la organización macroscópica y la dinámica de los circuitos neuronales.