griffiths-phase-brain-criticality

name	griffiths-phase-brain-criticality
version	1.0.0
description	脑临界性的 Griffiths 相框架。扩展的临界区域解释个体变异， 平衡鲁棒性与灵活性。结合结构网络模块性和区域异质性。 触发词：脑临界性、Griffiths相、临界点、个体变异、鲁棒性与灵活性、 brain criticality, Griffiths phase, critical point, individual variability。

Griffiths Phase Brain Criticality

核心方法论

问题定义

传统假设： 大脑在单一临界点运作以实现最优性能

挑战： 无法解释神经动力学和认知功能的广泛个体变异

解决方案： Griffiths 相（GP）- 扩展的临界区域框架

---

关键概念

1. 脑临界性假说

核心观点： 大脑在临界点附近运作，实现最优信息处理

特性	临界态	亚临界态	超临界态
信息传输	最优	局限	过度激活
稳定性	边缘	高	低
灵活性	高	低	高

2. Griffiths 相（GP）

定义： 由网络异质性协同诱导的扩展临界区域

两种异质性：

• 区域异质性： 局部兴奋性差异
• 连接异质性： 结构网络模块性

3. 鲁棒性-灵活性权衡

┌─────────────────────────────────────────────────────┐
│          Griffiths Phase 框架                       │
├─────────────────────────────────────────────────────┤
│                                                     │
│  结构网络模块性 + 区域兴奋性异质性                   │
│            ↓                                        │
│  协同作用 → Griffiths 相                           │
│            ↓                                        │
│  ┌─────────────────────────────────────┐           │
│  │  扩展的全局兴奋性范围               │           │
│  │  ┌───────────────┐                 │           │
│  │  │ 亚临界 │ GP │ 超临界 │         │           │
│  │  │  稳定   │ 最优 │ 灵活  │         │           │
│  │  └───────────────┘                 │           │
│  │      ↑ 最优点（平衡全局/局部传输）  │           │
│  └─────────────────────────────────────┘           │
│            ↓                                        │
│  个体化临界景观 → 独特认知特征                      │
│                                                     │
└─────────────────────────────────────────────────────┘

---

技术要点

GP 特性

特性	说明
扩展范围	全局兴奋性范围广泛延伸
嵌入最优点	平衡全局/局部信息传输
个体特异性	GP 内位置决定网络动力学
认知关联	功能连接配置决定认知特征

三种功能连接模式

模式	说明	认知功能
分离	局部处理增强	专门化任务
整合	全局通信增强	复杂推理
平衡	分离与整合平衡	认知灵活性

---

应用场景

场景	说明
个体差异研究	解释认知功能变异
脑疾病诊断	GP 位置偏移作为生物标志
脑网络建模	全脑动力学模拟
认知预测	从网络特征预测认知能力

---

数据验证

Human Connectome Project 数据

• 结构网络：DTI 纤维束追踪
• 功能连接：静息态 fMRI
• 认知测量：多维度认知测试

发现：

• GP 内位置与认知特征相关
• 个体化临界景观解释认知变异
• 鲁棒性-灵活性权衡的进化适应机制

---

技术实现

全脑建模

import numpy as np

class GriffithsPhaseModel:
    def __init__(self, structural_network, regional_excitability):
        """
        structural_network: 结构连接矩阵
        regional_excitability: 区域兴奋性参数
        """
        self.A = structural_network
        self.h = regional_excitability
        
    def compute_gp_range(self):
        """
        计算 Griffiths 相范围
        """
        # 模块性计算
        modularity = compute_modularity(self.A)
        
        # 异质性度量
        heterogeneity = np.std(self.h)
        
        # GP 范围估计
        gp_range = self._estimate_gp_extent(modularity, heterogeneity)
        
        return gp_range
    
    def locate_in_gp(self, global_excitability):
        """
        定位全局兴奋性在 GP 中的位置
        """
        gp_range = self.compute_gp_range()
        
        # 归一化位置
        position = (global_excitability - gp_range[0]) / (gp_range[1] - gp_range[0])
        
        return np.clip(position, 0, 1)
    
    def predict_cognitive_profile(self, position):
        """
        预测认知特征
        """
        # 基于 GP 位置预测功能连接模式
        segregation = self._compute_segregation(position)
        integration = self._compute_integration(position)
        balance = segregation / (segregation + integration)
        
         {
            : segregation,
            : integration,
            : balance
        }

---

与传统临界性框架对比

特性	传统临界点	Griffiths 相
假设	单一临界点	扩展临界区域
个体变异	视为噪声	核心特征
鲁棒性	低	高
解释力	有限	广泛

---

相关技能

• time-varying-brain-connectivity - 时变脑网络分析
• weighted-brain-community-detection - 加权脑网络社区检测

---

来源

• 论文： Optimal Griffiths Phase in Heterogeneous Human Brain Networks: Brain Criticality Embracing Stability and Flexibility across Individuals
• arXiv： 2512.03409
• 效用评分： 0.9
• 学习日期： 2026-03-21

Activation Keywords

• 脑网络分析
• 神经科学方法
• 计算神经科学
• 脑连接建模

Tools Used

• read: Read skill documentation and references
• exec: Run analysis scripts and data processing
• web_fetch: Fetch papers and resources

Instructions for Agents

1. Read the skill documentation carefully
2. Understand the methodology and key concepts
3. Apply the techniques to the specific problem
4. Document results and insights

Examples

# Example usage of the skill methodology
# Refer to the Technical Implementation section for details