含线性与非线性高阶耦合(Higher-Order Coupling)环网络中的自诱导切换(Self-Induced Switching)

《Communications in Nonlinear Science and Numerical Simulation》：Self-Induced Switching in Ring Networks with Linear and Nonlinear Higher-Order Coupling

　　

摘要：高阶相互作用（Higher-order Interactions, HoI）涉及三个及以上网络节点间的同步耦合，在研究集体动力学方面日益受到关注，但是否能产生超越两两耦合的新动力学行为仍有争议。研究人员研究了含两两耦合与高阶（2-单纯形/2-simplex）相互作用的 N=50 个FitzHugh–Nagumo（FHN）神经元环网络中自诱导切换（Self-Induced Switching）与相干性转变现象。对于线性扩散高阶耦合，研究人员通过解析证明三体项精确约化为环拉普拉斯算子（Laplacian），因此线性HoI仅重正化有效耦合强度并平移同步化阈值，不引入新机制。然而对于非线性高阶耦合，该相互作用不可约化为任何扩散算子，并产生内在亚稳性（metastability）及不同时空图案间持续切换。研究人员利用滞留时间统计（dwell-time statistics）和两个序参数量化切换：基于时间方差与转移率的相干驱动切换指数 Scoh，以及基于空间相干掩模翻转的图案驱动切换指数 Spat；两指数可区分全局同步化转变与空间组织图案重排。通过不同网络规模验证了有限尺寸鲁棒性。结果表明HoI诱导切换关键取决于相互作用的非线性结构，并为可激网络中介于重正化效应与本质高阶机制的区分提供定量判据。

论文解读：《Self-Induced Switching in Ring Networks with Linear and Nonlinear Higher-Order Coupling》发表于《Communications in Nonlinear Science and Numerical Simulation》

一、研究背景与意义

耦合非线性振子网络的集体动力学传统上用两两相互作用（pairwise interaction）建模，可解释同步、嵌合态（chimera states）、图灵斑图、行波传播等现象。近年来，基于单纯形复形（simplicial complex）与超图的"高阶相互作用（Higher-order Interactions, HoI）"——即三个及以上节点同时耦合——成为复杂网络动力学的研究热点，被认为可能带来超越两两扩散的新集体行为。然而在许多系统中，高阶项是否真正产生不可约的三体动力学效应尚存争议：常用的线性扩散2-单纯形耦合在环状拓扑下可能被证明等价于一阶拉普拉斯算子，其效果仅为有效耦合强度的重正化（renormalization）。自诱导切换（Self-Induced Switching）——即无外部强迫下网络自发在不同时空活动图案间反复跳转——是生物神经网络信息处理、记忆与自适应响应的关键特征，通常与亚稳性（metastability）、混沌鞍（chaotic saddle）或长瞬态相关。明确线性/非线性高阶耦合对自诱导切换的真实贡献，区分"伪高阶效应"与本质高阶机制，是当前高阶网络动力学亟待澄清的问题。为此，Devarajan Subhasri、Suresh Kumarasamy与P. Prakash以含一阶与2-单纯形耦合的FHN神经元环网络为对象，结合解析推导与数值模拟，阐明线性高阶耦合不引入新空间算子而仅平移同步阈值，非线性高阶耦合才产生本征图案切换，并提出量化指标区分两类现象。

二、主要关键技术方法

研究人员构建N=50（及多种尺寸验证有限尺寸效应）最近邻耦合FitzHugh–Nagumo（FHN）神经元环网络，分别施加（i）一阶线性扩散耦合σ₁∑(v_j?v_i)；（ii）线性扩散2-单纯形（2-simplex/triangular）高阶耦合σ₂∑[(v_j?v_i)+(v_k?v_i)]形式；（iii）非线性高阶耦合项（不可约化为拉普拉斯）。部分算例引入反旋转（counter-rotation，γ_i取±值）打破旋转对称性以检验切换鲁棒性。解析推导比较高阶耦合项与环图拉普拉斯矩阵关系；数值积分采用适宜刚性问题的时间步进算法，计算时空膜电位快照、局部与全局序参量、驻留时间统计（dwell-time statistics），定义相干驱动切换指数 S_coh（基于时间方差与转移率）与图案驱动切换指数 S_pat（基于空间相干掩模翻转）区分同步化跃迁与图案重组。

三、研究结果

Model of FitzHugh–Nagumo neurons

研究人员介绍二维FHN模型：dv/dt = ?v(v?a)(v?1)?γw，dw/dt = b(γv?fw)，其中v为膜电位（membrane potential），w为恢复变量（recovery variable），参数取可激（excitable）或自振荡 regime，并说明γ符号决定相位空间中旋转方向（正向/反向旋转即counter-rotation），为后续异质旋转对称性破缺做准备。

Network of FHN neurons with first-order coupling

研究人员给出最近邻一阶扩散耦合FHN环网络方程，引入耦合强度σ₁与耦合半径R=1。通过数值仿真展示该网络可在特定σ₁区间出现完全同步、嵌合态（相干与不相干域共存）、及自诱导切换——即系统在多个亚稳时空图案（如不同节点组的相干团簇、行波片段）间无外驱作长时间交替跳转，表现为时间序列方差增大与序参量间歇性跳变，为后文对照基准。

Network dynamics with higher-order interaction

研究人员加入2-单纯形高阶耦合项σ₂H⁽²⁾(Y_i,Y_j,Y_k)，M_ijk⁽²⁾标记相邻三角(triangular triplet)参与作用。分两种情形讨论：（1）线性扩散高阶耦合形如σ₂[(v_j?v_i)+(v_k?v_i)]，研究人员解析证明在局域三角环结构上该项恒等于2倍一阶最近邻拉普拉斯作用，即高阶邻接矩阵经组合后生成与一阶相同的图拉普拉斯算子L，因此整体耦合等价于将有效耦合强度变为σ₁+2σ₂，只使同步化阈值按(σ₁+2σ₂)crit移动，不改变动力学机制，不诱发新切换模式；（2）非线性高阶耦合（耦合函数含节点变量非线性组合，不可写为差分线性叠加），此时无法约化为L算子，在合适参数下产生内禀亚稳流形并驱动不同空间相干图案间持续切换，切换特性可用滞留时间呈宽峰分布刻画。

研究人员进一步引入相干驱动切换指数 S_coh＝(切换事件频率×时间方差度量)/归一化因子，反映全局相干水平波动引发的切换；图案驱动切换指数 S_pat基于空间相干掩模（spatial coherence mask）在不同时刻取不同节点组相干/非相干划分，统计掩模翻转频度标识空间图案重组。两指数解耦：S_coh升高可源于接近同步临界涨落但不伴图案改变，S_pat升高标志真实空间图案切换。变网络规模N验证结论具有限尺寸鲁棒性。

Conclusion（结论部分翻译）

本研究考察了一阶与高阶相互作用在非线性振子环网络产生相干性转变与自诱导切换中的作用。研究人员解析证明：在环网络上具局域单纯形结构时，线性扩散2-单纯形相互作用约化为等同于最近邻扩散的有效拉普拉斯算子；因此线性高阶相互作用的效果局限于重正化有效耦合强度并平移同步化阈值，不产生新动力学机制。自诱导切换起源于空间结构化的一阶耦合及其与局部相干的相互作用，线性高阶项主要通过调制切换统计（如驻留时间与切换率随有效耦合变化）影响现象而非独立产生切换。非线性或 nonlocal 高阶相互作用可引致超越重正化效应的新动力学行为。所提出的双切换指数 S_coh与 S_pat可分离全局同步化跃迁与空间组织图案重排。结果表明高阶相互作用诱导切换关键依赖耦合函数非线性结构，并为可激网络中区分重正化效应与本征高阶机制提供定量准则。

四、总结与讨论

作者在讨论中指出，许多文献默认加入2-单纯形耦合即意味不可约三体效应，本文以环状最近邻拓扑严格证否该预设——线性扩散高阶项在数学上坍缩至同一Laplacian，提醒高阶网络建模中须谨慎解读"高阶引起新行为"之论断。真正的新机制要求非线性（或更长程/非均匀单纯形）耦合形式。自诱导切换在引入反旋转神经元后仍可观测，说明该现象对旋转对称性破缺具鲁棒性。所定义 S_coh与 S_pat为今后量化神经网络、生态网及社交网中图案切换提供通用工具。研究对理解生物神经体系多稳态跳转、及设计可控切换的人工高阶耦合系统具有理论与潜在应用价值。