大脑中的神经网络可以在接近临界点时特别好地处理信息 - 或者大脑研究人员基于理论考虑所假设的。然而，大脑活动的实验研究显示，这种关键状态的指标远低于预期。来自ForschungszentrumJülich和亚琛工业大学的科学家们现在提出了一个可能的解释。他们表明神经元网络可以采用第二种先前未知的临界模式，其隐藏的动态几乎不可能用传统方法来衡量。

复杂系统突然改变其特征的关键点是物理学中熟悉的概念。铁磁材料就是一个例子。低于临界温度，也称为居里温度，材料的电子自旋对齐，使得它们都指向相同的方向。因此，各个自旋的微小磁矩加在一起，可以从外部测量为材料的自发磁化。

先前在大脑活动的测量中检测到非常相似的动态。脑信号是典型的情况，其中网络的大部分区域在非常短的时间内以类似雪崩的方式同时变得活跃。但总的来说，这种现象比预期的要少得多。来自ForschungszentrumJülich和亚琛工业大学的科学家们现在已经在PNAS期刊中找到了这种明显矛盾的解决方案。他们表明，神经网络可以表现出第二种，以前未知的临界类型。

对155个神经细胞的同时活动的分析表明，对于第二种类型的临界性，大量神经细胞也表现出协调行为。然而，相互作用不仅包括同时激活，还包括大组神经元的靶向抑制。这种新发现的关键性允许网络在激活的神经元的多种组合中表示信号，因此 - 根据研究人员 - 有效地并行处理信息。

对于他们通过理论和模拟预测的网络状态的直接实验检测，研究人员与主要作者David Dahmen博士一起，利用SonjaGrün教授在分析许多神经细胞的关节活动方面的专业知识。这也解释了为什么不能从外部检测到网络活动的突然增加。诸如EEG或LFP的标准方法基本上将许多神经元的信号加在一起。然而，在第二临界状态下，活跃的神经细胞的数量基本保持不变。因此，不能用这些方法记录异质动力学。只有使用从统计物理学中借鉴的高度发达的数学方法，由Moritz Helias教授领导的研究人员才能对神经细胞之间的相关性做出实验可验证的预测。