解码大脑"物理引擎"中的未来状态预测：前顶叶网络对物体接触关系的抽象表征与模拟机制

MIT团队通过fMRI技术揭示人脑前顶叶网络(PN)作为"物理引擎"的核心机制，发现该区域能跨场景抽象表征物体接触关系(contain/support/attach vs. occlude)，并在未观察情况下预测碰撞事件(collision/noncollision)，为理解人类物理直觉的神经基础提供直接证据。成果发表于《Science Advances》。

　　

人类大脑如何预测物理世界的未来状态？这个看似简单的日常能力背后，隐藏着精密的神经计算机制。从接住飞来的棒球到判断倾倒的塔楼，我们时刻依赖着大脑内置的"物理引擎"。麻省理工学院的研究团队在《Science Advances》发表突破性研究，首次证实前顶叶网络(PN)通过前向模拟(forward simulation)预测未来物理事件，为"大脑物理引擎"假说提供直接证据。

研究采用功能磁共振成像(fMRI)双实验设计。实验1通过自然/合成视频刺激(contain/support/attach vs. occlude)结合多体素模式分析(MVPA)，发现PN区域能跨场景区分接触/非接触关系(解码指数0.045±0.01,P=0.0002)，且不受物体形状干扰(contain vs. occlude解码指数0.026±0.022,P=0.016)。实验2创新性地设计"感知-预测"范式(roll/throw场景)，证明PN对未观察到的碰撞事件表现出与真实感知相似的模式激活(跨场景解码指数0.032±0.01,P=0.0052)，表征相似性分析(RSA)进一步验证该表征超越视觉特征(IC-RDM相关性0.023,P<0.05)。

关键发现包括：1. 接触关系表征：PN区域对contain/support/attach关系表现出场景不变的抽象编码，且该编码独立于LOC区的物体形状表征；2. 未来事件预测：PN对预测碰撞的神经表征与实际观察碰撞高度相似，且能跨不同运动轨迹和物体类型泛化；3. 计算特性：这种预测表征符合物理引擎的层级模型特征，可能通过接触关系的抽象编码降低计算复杂度。

研究结论指出，前顶叶网络通过"接触检测-状态预测"的双阶段机制实现物理推理：首先编码物体间接触关系这种物理场景关键属性(contact relationship)，继而运行前向模拟预测关联物体的运动命运。该发现不仅证实PN作为大脑物理引擎的核心假说，更揭示了抽象表征在复杂物理推理中的计算优势——通过接触关系这种"因果开关"简化动力学模拟，为人工智能物理推理模型提供神经启发。

讨论部分强调，该研究首次在任务无关状态下捕获预测性神经表征，说明物理模拟可能是PN的自动功能。未来研究可探索：1. 多层级表征如何整合(如质量/力等定量信息)；2. 预测时间窗的神经机制；3. 与工具使用、动作规划等认知功能的神经交互。这项研究为理解人类独特物理智能的神经基础树立了新标杆。