物理学家建立了小鼠大脑神经活动的理论模型

　　

埃默里大学(Emory University)的物理学家在一篇新论文中提出，小鼠大脑的神经活动以一种奇特的、意想不到的方式表现，这种方式可以在理论上建模，无需任何微调。《物理评论快报》发表了这项研究，为理论物理学框架可能有助于理解大规模大脑活动提供了证据。

“我们的理论模型与之前在小鼠大脑上的实验工作一致，准确率只有几个百分点——这在生命系统中是非常不寻常的，”埃默里大学物理和生物学教授、该论文的高级作者伊利亚·内曼曼(Ilya Nemenman)说。

第一作者是米娅·莫雷尔，她作为埃默里大学物理专业的大四学生为她的荣誉论文做了这项研究。她去年从埃默里大学毕业，现在在新墨西哥州的洛斯阿拉莫斯国家实验室(Los Alamos National Laboratory)攻读物理学学士学位后课程。

“我们的模型的美妙之处在于它很简单，”莫雷尔说，他将于今年秋天开始在纽约大学攻读物理学博士学位。“大脑真的很复杂。因此，将神经活动提取为一个简单的模型，并发现该模型可以做出与实验数据如此接近的预测，这是令人兴奋的。”

这个新模型可以应用于研究和预测一系列动态系统，这些系统有很多组成部分，并且随着时间的推移有不同的输入，从大脑的神经活动到股票市场的交易活动。

论文的合著者奥黛丽·赛德伯格(Audrey Sederberg)是内曼曼团队的前博士后研究员，现在明尼苏达大学(University of Minnesota)任教。

这项工作是基于一个被称为临界现象的物理概念，用来解释物理系统中的相变，例如水从液体变成气体。

在液体状态下，水分子彼此之间有很强的相关性。在固体中，它们被锁定在相同晶体的可预测模式中。然而，在气相中，每个分子都在自己移动。

内曼曼解释说:“在已知的液体临界点上，你无法区分这种材料是液体还是蒸汽。”“材料既不是完美有序的，也不是无序的。这既不是完全可以预测也不是完全不可预测。这种‘刚刚好’的系统被认为是‘关键的’。”

非常高的温度和压力产生了水的这个临界点。在许多看似不相关的系统中，临界点的结构是相同的。例如，水转变为气体和磁铁在加热时失去磁性是由同一个临界点描述的，所以这两个转变的性质是相似的。

为了在一个关键点上真正观察一种材料以研究其结构，物理学家必须严格控制实验，将参数调整到一个非常精确的范围内，这个过程被称为微调。

近几十年来，一些科学家开始认为人类的大脑是一个关键系统。实验表明，大脑活动处于一个“金发点”——正好处于完美秩序与无序之间的一个关键转换点。

内曼曼说:“大脑的神经元不只是一个大单位，就像一支军队一起行进，但它们也不像一群人朝不同的方向奔跑。”“假设是，随着你增加神经元之间的有效距离，它们活动之间的相关性会下降，但不会下降到零。整个大脑是耦合的，就像一个巨大的、相互依赖的机器，即使单个神经元的活动各不相同。”

研究人员开始在大脑中寻找关键现象的实际信号。他们探索了一个关键问题:是什么微调了大脑，使其达到临界状态?

2019年，普林斯顿大学的一个研究小组记录了老鼠在虚拟迷宫中奔跑时大脑中的神经元。他们将为非生物系统开发的理论物理工具应用于老鼠大脑的神经活动数据。他们的研究结果表明，神经活动表现出了关键的相关性，从而可以预测大脑的不同部分随着时间的推移以及在大脑内的有效距离之间是如何相互关联的。

在目前的论文中，艾莫利大学的研究人员想要测试，在小鼠大脑实验中观察临界性是否需要微调特定参数，或者大脑中的临界相关性是否可以通过接收外部刺激的过程来实现。这个想法来自Nemenman的团队之前合作的工作，解释了生物系统如何表现出齐普夫定律——在不同的系统中发现的一种独特的活动模式。

内曼曼说:“我们之前建立了一个模型，在生物系统中显示了齐普夫定律，而且这个模型不需要微调。”齐普夫定律是临界的一种特殊形式。在这篇论文中，我们想让这个模型更复杂一点，看看能否预测在小鼠实验中观察到的特定关键关联。”

该模型的关键成分是一组隐藏的变量，它们调节单个神经元的活跃程度。

莫雷尔编写了计算机代码来运行模拟，并在她的家用台式电脑上测试模型。她说:“最大的挑战是，在没有巨大服务器的情况下，即使在模拟一个计算机内存有限的大型系统时，也要以一种允许它快速运行的方式编写代码。”

该模型能够很好地再现模拟实验的结果。该模型不需要对参数进行仔细的调优，生成的活动显然对广泛的参数选择的任何度量都是关键的。

内曼曼说:“我们的研究结果表明，如果你不把大脑看作是独立存在的，而是把它看作是一个从外部世界接收刺激的系统，那么你就可以有关键的行为，而不需要微调。”“这引发了一个问题:类似的东西是否也适用于非生命的物理系统?”它让我们重新思考临界的概念，这是物理学的一个基本概念。”

该模型的计算机代码现在可以在网上获得，因此任何拥有笔记本电脑的人都可以访问它并运行代码，以模拟随时间变化输入的动态系统。

Nemenman说:“我们开发的模型可以应用于神经科学以外的任何系统，在这些系统中，隐藏变量之间存在着广泛的耦合。”“来自许多生物或社会系统的数据可能会通过同样的机制显得至关重要，而不需要进行微调。”