大脑网络“低能耗、高效率”的关键在于，神经连接在全局上稀疏，但在局部上紧密，形成模块化结构，进而改变动力学性质：局部的模块化大大减少了用于建立连接的总资源消耗，而每个神经元的稀疏和不规则性的发放（放电）又使神经网络在群体发放行为上表现出一定的同步性，形成带有无标度（scale-free）特点的神经雪崩，可以对外界刺激进行快速响应。
将全局随机连接的网络（RN）重连为更符合生物实际的模块网络（MN），发现在重连后，网络的运行消耗（发放率）与连接消耗均显著下降，且动力学模式上出现无标度的雪崩（即临界性），使网络能更有效地对外界刺激作出响应。
在重连过程中模块内密度的增加：网络拓扑相关性的上升带来动力学相关性的上升，使得神经元更容易发放。利用新型平均场理论，导出单个模块的宏观场方程，揭示了模块密度增加引起神经发放率降低，且使系统接近Hopf分岔的特性。这解释了在更低发放代价下临界雪崩的形成与对外界刺激敏感性的上升。
大脑是一个极其复杂的器官，结构连接上具有多样的模式，涌现出这个星球上无可比拟的认知现象和广泛的行为。解剖层面上的功能分区现象的社区结构（Community Structure）。这种结构表示脑网络可被分割成具有特定认知功能的次级网络，社区中节点很密集，社区之间很稀疏。而且，多个实验也证明，大尺度脑网络中，节点间的平均路径距离要比经典的随机网络小很多。
但在现实中，脑网络是在各种特性中不断地动态变化、调整结构的。这样的拓扑特性的变化可以理解为两个因素之间的相互竞争：长距离连接的能量限制和具有相似输入的区域间聚合。
是什么让人类与众多动物不同？我们怎么做到将抽象的概念表述给自己和他人？表征是如何在脑中传递或基于新的知识进行修改的？心灵是如何从大脑中产生的？勇敢好奇的物理学家们，大脑正在呼唤你们。
信息正在成为连接物理学和生物学的一个关键概念。
