Нейрон в мозге похож на человека, который раздаёт свои визитки на многолюдной конференции. Сначала он легко знакомится, но по мере заполнения записной книжки каждый новый контакт требует всё больше усилий — свободного места остаётся мало. Это правило «скученности» авторы положили в основу модели: чем больше входящих связей уже есть у нейрона, тем труднее сформировать ещё одну.
Модель с одним параметром дала точное решение: среднее число связей растёт лишь логарифмически с размером сети, а разброс остаётся ограниченным. Это согласуется с тем, что мозг не допускает ни перегрузки, ни недогрузки нейронов. Когда новые связи добавляются в порядке пространственной близости, возникает широкое распределение длин связей, близкое к степенному закону, — без каких-либо явных правил о предпочтении длинных или коротких связей.
Дальше авторы показали, что статистика связей определяет границы устойчивых состояний в динамике пороговых сетей. Локальная кластеризация, в свою очередь, влияет на появление долгоживущих нестабильных состояний возле этих границ. Так простая локальная механика роста связей объясняет макроскопическую организацию и динамику нейронных цепей.
как её написали авторы, на английском arXiv:2603.19320
Neural circuits must balance local connectivity constraints against the need for global integration. Here we introduce a minimal wiring rule motivated by synaptic crowding: as a neuron accumulates incoming connections, each additional synapse becomes progressively harder to form. This single-parameter model admits an exact finite-size solution for the induced in-degree distribution and yields simple scaling laws: mean connectivity grows only logarithmically with network size while variance remains bounded -- consistent with homeostatic regulation of synaptic density. When candidates are encountered in order of spatial proximity, the crowding rule produces a broad, approximately power-law distribution of connection lengths without prescribing any explicit distance-dependent wiring law; combined with shortcut rewiring, this yields networks with small-world characteristics. We further show that the induced degree statistics largely determine attractor basin boundaries in threshold network dynamics, while local clustering primarily modulates the prevalence of long-lived non-absorbing outcomes near these boundaries. The model provides testable predictions linking local developmental constraints to macroscopic network organization and dynamics.
Логарифмический рост числа связей означает, что удвоение размера сети увеличивает среднее число связей лишь на одну-две единицы — мозг удивительно скуп на новые контакты.
В романе «Ложная слепота» Питера Уоттса инопланетный разум построен на иных принципах связей, чем у людей, — модель скученности показывает, насколько жёстко локальные ограничения формируют мышление.