Similar local neuronal dynamics may lead to different collective behavior

This report is concerned with the relevance of the microscopic rules that implement individual neuronal activation, in determining the collective dynamics, under variations of the network topology. To fix ideas we study the dynamics of two cellular automaton models, commonly used, rather in-distinctively, as the building blocks of large-scale neuronal networks. One model, due to Greenberg and Hastings (GH), can be described by evolution equations mimicking an integrate-and-fire process, while the other model, due to Kinouchi and Copelli (KC), represents an abstract branching process, where a single active neuron activates a given number of postsynaptic neurons according to a prescribed "activity"branching ratio. Despite the apparent similarity between the local neuronal dynamics of the two models, it is shown that they exhibit very different collective dynamics as a function of the network topology. The GH model shows qualitatively different dynamical regimes as the network topology is varied, including transients to a ground (inactive) state, continuous and discontinuous dynamical phase transitions. In contrast, the KC model only exhibits a continuous phase transition, independently of the network topology. These results highlight the importance of paying attention to the microscopic rules chosen to model the interneuronal interactions in large-scale numerical simulations, in particular when the network topology is far from a mean-field description. One such case is the extensive work being done in the context of the Human Connectome, where a wide variety of types of models are being used to understand the brain collective dynamics.Fil: Sánchez Diaz, Margarita Maria. Universidad Nacional de San Martin. Escuela de Ciencia y Tecnologia. Centro de Estudios Multidisciplinarios En Sistemas Complejos y Ciencias del Cerebro.; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Ciencias Físicas. - Universidad Nacional de San Martín. Instituto de Ciencias Físicas; ArgentinaFil: Aguilar Trejo, Eyisto José. Universidad Nacional de San Martin. Escuela de Ciencia y Tecnologia. Centro de Estudios Multidisciplinarios En Sistemas Complejos y Ciencias del Cerebro.; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Ciencias Físicas. - Universidad Nacional de San Martín. Instituto de Ciencias Físicas; ArgentinaFil: Mártin, Daniel Alejandro. Universidad Nacional de San Martin. Escuela de Ciencia y Tecnologia. Centro de Estudios Multidisciplinarios En Sistemas Complejos y Ciencias del Cerebro.; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Ciencias Físicas. - Universidad Nacional de San Martín. Instituto de Ciencias Físicas; ArgentinaFil: Cannas, Sergio Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Física Enrique Gaviola. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola; ArgentinaFil: Grigera, Tomas Sebastian. Universidad Nacional de La Plata. Facultad de Ciencias Exactas. Departamento de Física; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata. Instituto de Física de Líquidos y Sistemas Biológicos. Universidad Nacional de La Plata. Facultad de Ciencias Exactas. Instituto de Física de Líquidos y Sistemas Biológicos; ArgentinaFil: Chialvo, Dante Renato. Universidad Nacional de San Martin. Escuela de Ciencia y Tecnologia. Centro de Estudios Multidisciplinarios En Sistemas Complejos y Ciencias del Cerebro.; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Ciencias Físicas. - Universidad Nacional de San Martín. Instituto de Ciencias Físicas; Argentin