Begränsad integreringstid kan förflytta optimal känslighet bort från kritikalitet

Varför tidpunkten spelar roll för precisa beslut

Våra hjärnor, sinnen och även många artificiella enheter står inför samma utmaning: de måste upptäcka små skillnader i omvärlden och omvandla dem till tillförlitliga beslut, ofta inom en bråkdel av en sekund. En populär idé inom fysik och neurovetenskap är att sådana system fungerar bäst när de ligger precis vid kanten av ett plötsligt beteendeförändring, en så kallad kritisk punkt. Denna studie ställer en enkel men ofta förbisedd fråga: om du bara har begränsad tid att observera ett systems respons, är den kanten verkligen den bästa platsen att verka på?

Den bästa punkten är inte alltid vid kanten

Författarna studerar en förenklad modell av en hjärnliknande krets: ett stort nätverk av spikande enheter som exciterar varandra i loopar. En liten delmängd av enheterna tar emot en extern signal, som styrkan hos en doft eller ett ljud, och en annan delmängd levererar utdata. En separat avläsningsenhet reagerar inte omedelbart; i stället medelvärderar den utgående spikar över ett valt tidsfönster, ungefär som en läckande hink som långsamt fylls och töms. Två reglage styr systemet. Det ena bestämmer hur starkt enheterna exciterar varandra, vilket i sin tur avgör hur nära nätverket ligger en kritisk punkt där aktiviteten skulle explodera eller dö ut. Det andra bestämmer hur länge avläsningen samlar spikar innan den fattar ett omdöme.

När större känslighet medför mer förvirring

Nära den kritiska punkten blir nätverket extremt känsligt för små förändringar i ingången, vilket vanligtvis ses som fördelaktigt. Men i detta regime fluktuerar aktiviteten också kraftigt och långsamt över tiden. Författarna visar att dessa interna skakningar kan förvränga signalen om man bara tittar under en kort tid. För att kvantifiera detta definierar de hur lätt en ideal observatör kan skilja mellan två olika ingångsstyrkor enbart genom att se utdata, och de räknar hur många skilda ingångar som pålitligt kan särskiljas samtidigt som felprocenten hålls under en vald tröskel. De generaliserar sedan det klassiska måttet ”dynamiskt omfång”, som beskriver spannet av ingångsintensiteter ett system kan koda, så att det uttryckligen tar hänsyn till dessa brusiga fluktuationer.

Tidsbegränsade observatörer föredrar lugnare nätverk

Genom att använda exakta matematiska lösningar i två ytterlighetsfall—omedelbar avläsning och oändligt lång medelvärdering—tillsammans med omfattande datorbaserade simuleringar däremellan, kartlägger författarna hur diskriminationsprestanda beror på både nätverkskoppling och avläsningstid. För varje ändlig observationstid finner de att den bästa prestationen inte inträffar exakt vid den kritiska punkten. I stället finns en optimal ”subkritisk” inställning där nätverket fortfarande är känsligt men fluktuationerna är mer begränsade, vilket gör att avläsningen kan bilda en klarare bild inom den tillgängliga tiden. Allteftersom integreringsfönstret blir längre rör sig denna optimala punkt närmare kritikaliteten, eftersom avläsningen då har tid att medelvärdera över de vilda fluktuationerna och dra nytta av den ökade känsligheten.

Konsekvenser för hjärnor och maskiner

Denna avvägning mellan känslighet och tillförlitlighet uppträder när ett brusigt system med starka interna interaktioner måste fatta snabba beslut. Författarna hävdar att deras fynd bidrar till att förklara varför mätningar från verkliga hjärnor visar ändliga bearbetningstidskalor snarare än oändligt långsamt, perfekt kritiskt beteende. Många perceptuella beslut hos djur sker långt under en sekund, så nätverk som ligger något från kritikaliteten kan erbjuda en bättre kompromiss mellan snabbhet och noggrannhet. Resultaten föreslår också designprinciper för artificiella system, såsom återkommande neurala nätverk och fysiska ”reservoir computing”-enheter: om avläsningen är nästan omedelbar bör det interna nätverket hållas längre från kritikalitet; om avläsningen kan integrera över längre perioder kan enheten ställas närmare kanten för att öka känsligheten utan att offra tillförlitligheten.

Hitta balans istället för perfektion

I vardagliga termer visar studien att det inte alltid är klokt att ”skruva upp känsligheten till elva” när du måste fatta snabba beslut och hantera brus. För ändliga observationstider finns en optimal punkt något under det mest exciterade tillståndet, där signaler är tillräckligt starka för att märkas men inte så skakiga att de flyter ihop. Denna balans mellan att vara responsiv och att vara pålitlig kan vara en allmän princip för hur levande och artificiella system anpassar sig till kraven i verkliga uppgifter.

Citering: Azizpour, S., Priesemann, V., Zierenberg, J. et al. Finite integration time can shift optimal sensitivity away from criticality. Commun Phys 9, 119 (2026). https://doi.org/10.1038/s42005-026-02584-w

Nyckelord: kritikalitet, neuronätverk, dynamiskt omfång, informationsbearbetning, integreringstid