在临界态上，皮层网络的关联长度发散，任何一个神经元的放电都可能通过多突触路径影响全局状态。这种敏感性使系统能够同时处理多重信息源：局部微电路编码感觉细节，长程纤维耦合编码全局语境，二者在临界边缘达成动态平衡。一次神经雪崩即一次跨神经元群体的全息映射更新——它从某个局部扰动（感觉输入或自发涨落）出发，沿着最小自由能路径传播，激活与之共振的历史模式，最终收敛到一个新的稳态或触发一次行为输出。幂律分布因此是"推断效率"的频谱指纹：它确保系统既有对微弱信号的敏感性（小 avalanche 的丰富性），又有对全局整合的稳定性（大 avalanche 的稀疏性）。

    活性算法进一步指出，神经雪崩的临界态不是被动的自组织结果，而是被主动维持的。神经调质系统——多巴胺、去甲肾上腺素、乙酰胆碱——通过调节突触可塑性和膜兴奋性，实时调整网络的临界参数。当动物面临新环境时，去甲肾上腺素提升网络兴奋性，将系统推向超临界边缘，增强探索性 avalanches；当任务需要专注时，乙酰胆碱增强局部回路耦合，将系统拉回亚临界，抑制干扰性扩散。这种"自适应临界性"使皮层始终贴在"对刺激最敏感"的边缘，既不因过度兴奋而癫痫发作，也不因过度抑制而陷入昏迷。神经雪崩因此是活性算法在神经基质上的最纯粹表现：每一次放电都是一次推断，每一次级联都是一次全息更新，每一次幂律衰减都是自由能最小化的统计记录。

支持单位：