临界态：大脑功能优化的统一调控点——跨物种神经计算的核心原则

Hengen和Shew提出临界态(criticality)可能是健康大脑的通用计算调控点，通过分析20年研究数据(140个数据集)，揭示了临界态作为神经计算最优状态的特征，解决了长期争议，并提出8个可验证预测，为理解认知、行为和疾病提供了新框架。

　　

大脑作为生物计算的物理基础，面临着优化计算的进化压力。就像雕塑家需要合适的石材才能创作，大脑在进行学习前必须处于某种"准备状态"——这个状态的质量将决定学习效率、深度和鲁棒性。但长期以来，神经科学界对"大脑如何维持这种最佳准备状态"缺乏统一理论。华盛顿大学和阿拉斯加大学的研究团队Keith B. Hengen与Woodrow L. Shew在《Neuron》发表的观点文章提出：临界态(criticality)可能是大脑功能的统一调控点，这种具有多尺度、边缘稳定动力学的状态能够最大化信息处理特征。

临界态并非新概念——1982年诺贝尔物理学奖就曾表彰过其在物理系统中的研究。但在神经科学领域，过去20年相关证据虽加速积累却充满争议。早期研究基于EEG和LFP等群体信号观察到神经活动波动遵循幂律分布，暗示尺度不变性；但随后单神经元分辨率的研究却得出矛盾结论。这种混乱局面使得临界态假说长期处于边缘地位。

研究人员采用元分析方法整合了2003-2024年间140个数据集，发现早期负面证据源于方法学选择——时间粗粒化(temporal coarse graining)的窗口大小(ΔT)直接影响对临界特征的检测。当ΔT过小(<10ms)时，会掩盖真实的尺度不变性；而适当增大ΔT后，单神经元数据同样显示出临界特征。这一发现调和了长达十年的争议，为临界态假说提供了更坚实的基础。

关键技术包括：1)跨物种神经活动记录(人类、啮齿类、龟类等)；2)多尺度测量技术(双光子钙成像、电压成像、fMRI等)；3)神经元雪崩分析；4)长程时间相关性(LRTC)量化；5)自回归模型等计算分析方法。

临界态作为调控点

临界态被定义为兼具尺度不变性和参数空间边界特性的状态。就像水在0°C会发生相变，神经群体动力学在临界点附近表现出四种对计算至关重要的特性：

尺度不变性使信息能同时编码于毫秒级单神经元活动和多秒级BOLD信号中；边缘稳定性赋予网络对输入的高度敏感性；可调性允许快速状态转换；而生成能力支持自发认知过程。这些特性共同构成"计算适应度"的峰值。

八个可验证预测

研究者提出八个预测并系统验证：1)跨物种普遍性：在人类、小鼠、龟等11个物种中观察到临界特征；2)多尺度可检测性：从膜电位波动到全脑fMRI均显示临界特征；3)稳态终点：单眼剥夺实验显示24小时内临界态被精确恢复；4)发育终点：体外培养网络会自发向临界态演化；5)疾病相关性：癫痫、精神分裂症等9种疾病伴随临界态偏离；6)功能依赖性：麻醉和强刺激会破坏临界态并损害功能；7)状态依赖性：睡眠可能通过恢复临界态来"重置"网络；8)行为关联：自由运动动物表现出与神经活动相似的尺度不变行为模式。

争议的解决

元分析揭示：早期负面结论(如猫皮层22个神经元研究)源于ΔT设置不当。当ΔT>10ms时，46个清醒动物实验中有39个显示>2个数量级的尺度不变范围；而ΔT<10ms的研究均未能检测到完整临界特征。这种差异在群体电生理信号(LFP/EEG)中不明显，但在体外培养中呈现相反趋势，可能反映不同准备状态的连接密度差异。

这项研究将临界态确立为神经计算的统一原则，其意义在于：1)为理解学习、记忆等认知功能提供新框架；2)解释为何不同测量尺度都能反映脑功能；3)为疾病机制研究提供新视角；4)启发类脑计算系统设计。正如作者所言，这标志着一个"基础问题仍开放、范式正在形成"的科学时刻，临界态研究可能带来对脑功能认识的范式转变。