《Physics of Life Reviews》：Beyond static perception: Animals, neurons and synapses move to compute efficiently
编辑推荐：
研究人员提出，经典香农信息论将神经通信视为静止、单向、加性噪声通道，但生物神经系统实为形态动力学（morphodynamic）系统：神经元与突触结构持续运动、重塑并受遗传、物理和算法约束。信息以量子（quantal）事件被分隔亚结构（微绒毛 microvill
研究人员提出，经典香农信息论将神经通信视为静止、单向、加性噪声通道，但生物神经系统实为形态动力学（morphodynamic）系统：神经元与突触结构持续运动、重塑并受遗传、物理和算法约束。信息以量子（quantal）事件被分隔亚结构（微绒毛 microvilli、膜盘 discs、树突棘 dendritic spines、突触扣结 boutons）采样；激活后采样单元进入不应期（refractory state），使采样能力取决于事件时间分布而非平均率。研究人员据此阐释形态动力学量子采样（morphodynamic quantal sampling）、主动感觉（active sensing）与神经生物学边缘计算（neurobiological edge computing）：自生运动重塑感觉输入，在采样端完成自适应、抗混叠、除法归一化（divisive normalisation）与高时频同步，从而降低传输延迟、能耗与数据过载。研究人员强调语法信息（syntactic information，Shannon 比特）与语义信息（semantic information，刺激在情境中对感知/动作的意义）不可混淆；单 spike 可在内部世界模型中携带丰富语义。该综述主张以多尺度形态动力学神经元模型替代静止加性噪声模型，把动物、神经元、突触和受体的机械运动纳入计算框架，以解释视觉等感觉系统如何在 104–108 倍亮度范围与 ～60 mV、～1000 Hz 生物物理边界内实现高效、可靠、预测性的信息捕获与处理。
研究背景方面，传统神经科学常把神经元当作静止、单向输入输出的处理单元，用香农信息论（Shannon information theory）和加性噪声、平稳性假设估计信息率；这类降维模型把动作电位看成固定时间窗内的零一事件，把不应期、机械形变、突触重塑等波动误归为噪声。但真实神经系统是形态动力学（morphodynamic）系统：从受体微绒毛、膜盘、树突棘到轴突和突触扣结，都会在电化学信号下发生快速形变、收缩、生长与状态改变，并把过去活动以分子状态和钙负荷形式保留下来，形成细胞层级的形态动力记忆。现有基于调谐曲线、连接组学、高斯白噪声（GWN）和高斯刺激的模型，往往加剧不应期饱和、低估中枢神经元真实信息容量，因此研究人员认为需要超越静态感知，建立形构与功能合一的多尺度模型。论文发表在《Physics of Life Reviews》，其意义在于把“运动”从被忽略的噪声源提升为高效神经计算的核心机制，为感觉编码、感知、认知与智能研究提供统一框架。
主要技术方法方面，研究人员采用综述与跨尺度整合方法：以光感受器量子隆起（quantum bump）、光子泊松统计、蝇类大单极细胞（LMC）与视网膜环路为模型系统；利用系统辨识中的黑箱输入—输出形式、冲激响应与频率响应函数、高斯白噪声（GWN）与自然场景对比序列、对比响应归一化曲线、联合概率分布与突触增益分析；并结合拓扑地图（topographic maps）、眼动/头动/躯体运动行为范式与生物物理边界（～60 mV、～1000 Hz）约束进行理论推演。样本并非临床队列，而是以昆虫复眼、哺乳动物视网膜及感觉—运动动物模型为比较对象。
研究结果方面，第一部分本地采样与处理——快速、可靠地编码多变世界下设若干小节。1.1 历史性回顾：带加性噪声和平稳性假设的神经模型。研究人员指出早期电生理把眼当相机，用稳态适应曲线和阶跃光描述感受器，忽视波形与时间结构，把非平稳适应误作噪声。1.2 通过形态动力学量子采样捕获信息。量子事件由分隔亚结构检测，激活后机械运动与不应期使采样容量由时间分布决定，集合平均产生稳健、抗混叠宏观信号。1.3 光感受器中形态动力学量子采样的结构与功能。微绒毛吸光子后产生量子隆起与光机械收缩，40–500 ms 不应期使持续均一输入饱和，间歇弱输入促恢复，从而实现超急性时空分辨与对比编码。1.4 主动感觉驱动高效采样与预测编码。扫视、微扫视和躯体运动改变感受野位置与量子事件率，亮—暗边界提高事件率、暗间隔缓解不应期，使突触信息传输向高频跳变并同步快速行为。1.5 主动感觉适应自然环境以增强时空分辨。动物通过自生运动把广阔亮度范围转为对比与相位信息，在膜属性限制内最大化信息流，并突出新奇、显著刺激。
第二部分把高效编码推广到感知、认知与智能：随着信号离感觉器官变远，反应越来越多受侧抑制和自上而下反馈塑造，信息从局部语法编码转向分布式、组合式、高维语义表征（semantic representations）。研究人员认为神经元在发育决定的内部世界模型中含有结构—功能知识，“单 spike”可触发童年记忆般丰富语义，标准香农估计会严重低估中枢处理容量；记录本身也因损伤和脑状态非遍历而偏差结果。
讨论与结论部分，研究人员总结称：神经编码不能简化为固定时间窗电压序列或香农理想化信息率；形态动力学量子采样、主动感觉与神经生物学边缘计算共同说明，动物、神经元和突触的运动不是误差，而是高效计算的一部分。通过把采样、处理与行为控制放在感觉边缘完成，系统获得低延迟、低能耗、抗过载与高保真信号。未来模型应纳入超微结构运动、不应期恢复、局部回路反馈和行为的多尺度耦合。结论可译为：超越静态感知，动物、神经元与突触借助形态动力学量子采样和主动感觉而“运动着计算”，从而在巨大强度范围、严格生物物理限制和连续变化的环境中实现高效、预测性与语义丰富的神经信息处理。
研究人员由此主张，《Physics of Life Reviews》所刊这一综述把生命系统的“运动—结构—信息”三位一体放回理论神经科学中心：神经科学应从工程化静止通道转向生物物理准确的形态动力学范式，这对视觉、听觉、体感、记忆与高阶认知建模均有范式转换意义。
