王琳琳 劉傳波
理解大腦如何運作一直是科學探索中的一項巨大挑戰。近日在國際期刊《科學》上，谷歌和哈佛大學的研究團隊共同發表了一項劃時代的研究成果。這項研究成功地對人腦進行了納米級精度建模，構建了迄今為止最龐大的電子顯微鏡圖像數據集和分辨率最高的人腦突觸連接圖譜。這一突破不僅展示了人腦復雜連接的精細結構，也為未來深入解析大腦功能和治療相關疾病提供了可能。
研究人員對一位45歲癲癇患者的顳葉皮層中1立方毫米大小的組織樣本進行了納米級精細切割，并利用掃描電子顯微鏡進行成像，從中獲得總計約1.4PB（1.4百萬億字節）的圖像數據。這個數據量有多龐大？可以這樣說，即使將全世界的電腦都用來存儲，也只夠儲存大約9個人腦的圖像數據。
通過對這些圖像數據進行細致的神經元形態分割和細胞結構重建，科學家們成功識別出超過5.7萬個細胞核和1.5億個神經突觸。根據這些數據推算，整個大腦中的神經突觸數量可能高達數千萬億。相比而言，目前世界上最大的人工神經網絡的參數數量還不到10萬億，這僅相當于大腦中1立方厘米大小區域的復雜度。
科學家發現，盡管大腦擁有高達860億個神經元，但這些神經元并不是各自獨立工作，而是傾向于集體行動。我們可以將這種現象比作操場上的學生：在自由活動時間內，學生們各自做各自的事情，場面非常混亂。假設有100名學生，每個學生需要兩個坐標來表示，那么總共需要200個坐標，即構造一個200維的空間。然而，在體育課上，當所有學生一起跑步時，他們便形成了有序的隊列，這時只需用遠少于200個坐標就能描述這個隊列。假設兩個班級的學生都在進行集體活動，僅四個維度就足以近似描述所有學生的運動。
這種情況可以類比大腦中神經元的集體活動，也就是說，大腦活動可以在一個低維空間中得到表示。這個低維空間與大腦的功能和行為直接相關，這一理論也被稱為“神經流形模型”。
那么，大腦的活動到底可以用多少維空間來表示呢？
最近，腦科學期刊《神經元》在線發表了來自美國洛克菲勒大學的最新研究成果。通過深入的統計分析，科學家們發現，隨著神經元數量增加，大腦皮層神經元集體運動行為的維度呈現出無限制增長。研究發現，其中16個維度與小鼠的運動行為密切相關，而其他的高維度則似乎與某些內部無法直接對應到具體運動行為的活動相關。這些隱藏的維度表現出連續的時間尺度特征，其信號分布遍及整個大腦皮層。這一發現揭示這些隱藏的維度可能與大腦皮層中信息傳遞和處理密切相關，是大腦神經網絡內部計算和適應性行為的關鍵。
科學家們推測，大腦這種看似冗余的設計，可能是為了在穩定性、效率與適應性之間達到有效的平衡。
通過研究大腦中神經元的連接網絡和它們的集體行動，我們可以更深入地理解大腦如何高效運作。這種理解不僅揭示了大腦處理信息的復雜機制，也為我們模擬大腦功能和治療神經疾病提供了新的可能性。深刻掌握大腦的運動行為不僅有助于我們應對各種神經性疾病，還能促進更高效計算硬件的設計，開發先進的腦機接口，從而在人機之間建立更流暢的溝通渠道。通過模擬神經元的工作方式，科學家們可以設計出新型的計算模型。這些模型在處理速度和效率上可能超越現有的電子計算機。
（作者王琳琳系吉林省科普創作協會會員、吉林省科學技術工作者服務中心助理研究員，劉傳波系吉林省科普創作協會會員、中國科學院長春應用化學研究所博士）
下一篇：返回列表
【免責聲明】本文轉載自網絡，與科技網無關。科技網站對文中陳述、觀點判斷保持中立，不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，并請自行承擔全部責任。