演化神经动力学的波函数形式化：一个由脑电图（EEG）启发的数学框架

《Frontiers in Computational Neuroscience》：Wave-function formalism for evolving neural dynamics: a mathematical framework informed by EEG

　　

分布式神经活动的组织仍是计算神经科学的核心挑战之一。包括整合信息理论（Integrated Information Theory, IIT）、全局工作空间理论（Global Workspace Theory, GWT）、基于熵的方法（entropy-based approaches）和电磁场理论（electromagnetic field theories）在内的当代框架推进了对神经协调的理解，但采用不同的大规模脑动力学数学描述。本研究考察波函数形式化（wave-function formalism）是否为表征经脑电图（electroencephalography, EEG）测量的演化神经动力学提供有用的数学框架。该框架并非引入新的电生理测量指标或提出新的意识机制，而是在神经活动的共同状态空间描述中表征互补的EEG可观测量。数学灵感取自 Everett 对演化状态空间的表示，但不声称量子计算或脑内量子过程。研究人员分析了发作间期（interictal）、发作前期（preictal）和发作期（ictal）癫痫状态的EEG记录（150个EEG片段），采用信号幅度、频谱组织、熵、相位动力学、跨频率耦合和递归量化等互补测量。统计比较采用非参数分析、效应量估计、置信区间和事后检验。所有主要电生理领域均观察到显著差异。发作期记录表现出信号幅度增高、频谱功率向低频重分布、熵降低、相位组织改变、跨频率耦合变化以及递归结构增加，提示癫痫进展过程中演化神经动力学发生协调性变化。这些发现被置于一个数学框架中解释，该框架将已有EEG可观测量视为单一演化神经状态的互补描述符。本工作的主要贡献是提出一种有数学基础且可实验检验的演化神经动力学表示。该形式化是否对认知或意识体验提供新洞见，仍是未来研究的一个实证问题。

论文主体解读：

研究背景方面，分布式神经活动如何随时间演化并产生连贯脑功能，是当代神经科学的核心挑战之一。EEG、脑磁图（magnetoencephalography, MEG）、功能磁共振成像（functional magnetic resonance imaging, fMRI）和颅内电生理（intracranial electrophysiology）等技术表明，神经处理本质上是动态的，涉及空间分布神经元群体之间持续变化的相互作用，并体现在振荡、相位关系、大规模同步和非线性时间动力学中。尽管测量手段日益精细，但用于表示这些动力学的数学语言受到的关注相对较少。多数定量EEG分析将信号幅度、频谱功率、熵、相位组织、跨频率耦合和递归结构等电生理可观测量分别作为神经活动的独立描述符；没有单一测量能捕捉大规模神经动力学的完整演化。现有理论如IIT、GWT、基于熵的方法和电磁场理论，虽推进了理解，却采用不同数学描述。该研究因此询问：波函数形式化是否可为表示这些演化神经动力学提供有用数学框架。该研究并不主张脑是量子力学系统或神经活动服从量子力学，而是考察波函数形式化的数学结构，即对演化复值状态尤其是幅度与相位的表示，能否为多个互补电生理可观测量提供单一演化神经状态表示。研究还引入“多个同时活跃的神经构型”作为分布式神经动力学的数学描述，而非独立意识状态；其目标是数学表征而非意识物理本体论。

研究人员开展了以下研究：使用公开癫痫EEG数据集，样本队列来自 Indian Institute of Technology (IIT) Delhi 的 Neurocomputing Laboratory 与 Neurology & Sleep Center, Hauz Khas, New Delhi, India 合作采集的10例癫痫患者记录，共150段（发作间期、发作前期、发作期各50段；200 Hz采样，0.5–70 Hz硬件滤波，每段1 024点、5.12 s，单通道）。关键技术方法包括：Welch功率谱密度（power spectral density, PSD）及δ、θ、α、β、γ频带相对功率，均方根（root-mean-square, RMS）幅度与Hilbert解析信号包络，谱熵、排列熵、样本熵，Hilbert瞬时相位与α相位时间集中度，θ–γ相位-振幅耦合（phase-amplitude coupling, PAC）调制指数（modulation index, MI）及替代检验，时延嵌入 m=3、τ=8 samples 后的递归量化分析（recurrence quantification analysis, RQA；RR、DET、L、轨迹速度/平均状态空间位移），以及Kruskal–Wallis检验、Mann–Whitney U检验、Holm校正、ε²、Cohen’s d和5 000次bootstrap置信区间。研究人员得出，癫痫状态在多个电生理领域存在显著差异，发作期表现为幅度增高、频谱功率向低频重分布、熵降低、相位组织改变、跨频率耦合变化和递归结构增加，说明癫痫进展伴随演化神经动力学的协调变化。其意义在于提出一个有数学基础且可实验检验的演化神经动力学表示，为统一解释既有EEG可观测量提供候选状态空间框架。

研究结果部分：

4.1 队列结果概述：通过处理150段EEG记录并比较癫痫状态，研究人员发现RMS幅度、谱熵、排列熵、样本熵、α频带时间相位集中度、θ–γ PAC、递归确定性和平均状态空间位移等多项指标存在显著差异；主导频率也显著但效应较小。结论是癫痫进展伴随多维电生理变化，但这些结果不被解释为神经构型、统一思维或意识的直接测量。

4.2 频率与时域结果：通过PSD、频带相对功率、RMS和Hilbert包络分析，研究人员比较发作间期、发作前期和发作期。结论是发作期信号幅度大幅增加，频谱功率向低频重分布。

4.2.1 结果：RMS幅度、Hilbert包络和主导频率经Kruskal–Wallis检验显示显著差异。RMS幅度由发作间期23.49±7.44 μV升至发作前期29.37±18.20 μV和发作期138.94±49.85 μV；Hilbert包络由28.79±9.16升至34.16±19.72和179.00±67.59；主导频率由4.70 Hz降至3.63 Hz和2.59 Hz。结论是癫痫进展主要表现为信号幅度显著增加和主导频率轻度减慢。

4.2.2 结果：相对谱功率在几乎所有常规频带存在显著差异。δ频带由0.400±0.104升至0.514±0.192和0.754±0.128；θ由0.264±0.065降至0.222±0.114和0.076±0.034；α由0.251±0.080降至0.188±0.109和0.085±0.051；γ下降；β变化较小。结论是发作进展伴随振荡功率向低频重分布，发作期δ占优而θ、α、γ贡献降低。

4.3 熵结果：通过谱熵、排列熵和样本熵分析，研究人员表征信号复杂度。结论是癫痫进展总体伴随复杂度降低，但不同熵指标揭示互补方面。

4.3.1 结果：谱熵由0.605±0.025降至0.554±0.062和0.466±0.088；样本熵由0.746±0.135降至0.562±0.130和0.456±0.077；排列熵在发作间期最高0.772±0.060，发作前期降至0.686±0.059，发作期0.710±0.063。结论是发作进展伴随谱复杂度和信号不规则性降低，排列熵呈不同时间轨迹。

4.4 相位组织与跨频率耦合：通过Hilbert瞬时相位、α频带时间相位集中度和θ–γ PAC分析，研究人员评估时间组织。结论是相位组织与跨频率耦合在癫痫状态间发生显著改变。

4.4.1 结果：α频带时间相位集中度在发作间期0.0116±0.0067、发作前期0.0100±0.0042、发作期0.0191±0.0116，发作期显著高于发作间期和发作前期；θ–γ PAC的MI由0.00165±0.00075升至0.00561±0.00891和0.00444±0.00351，发作期与发作间期差异显著。结论是发作期α相位集中度增加，θ–γ耦合主要在发作间期与发作相关状态间不同。

4.5 递归分析：通过状态空间重构和RQA，研究人员评估EEG轨迹重复结构。结论是癫痫状态间状态空间动力学存在系统改变。

4.5.1 结果：递归率、确定性、平均对角线长度和平均状态空间位移均显著差异。确定性由0.908±0.042升至0.945±0.033和0.947±0.026；平均对角线长度由4.05±0.41升至5.25±1.38和7.70±2.23；平均状态空间位移由0.422±0.061降至0.334±0.083和0.291±0.055。结论是发作相关状态中递归轨迹更持久、状态空间移动减少。

4.6 整合电生理发现：通过跨分析域比较，研究人员发现最大效应集中于信号幅度、熵和递归动力学，所有主要分析类别均显示癫痫状态显著差异。结论是癫痫进展与多个电生理性质的广泛协调变化相关；这些变化是否对应统一思维相关原则属于讨论中的理论问题。

讨论部分总结：5.1 主要发现指出，发作进展在信号幅度、频谱组织、熵、相位动力学、跨频率耦合和递归结构等多个维度发生协调变化，其中幅度效应最大，频率域表现为低频重分布而非全新节律出现，不同熵指标互补，递归确定性和平均对角线长度显示状态空间组织改变。5.2 与现有EEG文献的关系指出，这些结果与癫痫EEG文献一致，但本研究不提出新生物标志物，而在于将既有可观测量纳入共同数学表示。5.3 熵作为神经协调的一个组分认为，熵降低与癫痫、麻醉和意识障碍中受限动力学一致，但熵仅是共同演化神经场的一个描述符，不能单独解释统一思维。5.4 与IIT的关系指出，IIT以Φ量化整合信息，本研究不直接估计Φ，也不检验IIT，而是强调神经协调的时间演化，与IIT互补而非竞争。5.5 与电磁场理论的关系指出，CEMI理论和Pockett的电磁场理论赋予脑电磁场因果或本体角色；本研究中的“神经场”是EEG可测动力学的数学表示，不主张其为意识物理基质，也不讨论因果性。5.6 波函数形式化作为神经动力学数学表示：解析信号 Ψ(t)=A(t)e^i?(t) 提供幅度和相位的紧凑表示；进一步将演化神经状态写作 Ψ(t)=Σ_i=1^N c_i(t)Ψ_i(t)，其中 c_i(t) 不是量子概率幅。统一思维被理论化为某一构型暂时占优，即 Ψ_thought(t)=argmax_i C_i(t)，而 C_i(t)=f(A_i, ?_i, H_i, PAC_i, RQA_i…) 为理论神经协调泛函。该形式化受 Everett 相对态表述数学启发，但不涉及量子计算、多世界或波函数坍缩。5.7 优势与局限：优势是多指标整合、可重复流程、公开数据集及经验观察与理论解释分离；局限包括癫痫病理状态、单通道EEG、神经构型与协调泛函未直接从数据估计、不直接测量主观体验、统一思维、整合信息或转移。5.8 未来方向：将框架用于健康认知、睡眠、麻醉、冥想、致幻状态和意识障碍，结合MEG、fMRI、颅内EEG及隐藏马尔可夫模型、神经流形、动力系统建模、图论和吸引子重构，并进行计算建模、纵向EEG和公开数据集检验，最终以可证伪预测评价框架价值。

研究结论翻译：本研究考察癫痫发作转换期间观察到的大规模神经动力学是否可在动态神经场框架内解释。使用已有定量EEG分析，研究人员在发作间期、发作前期和发作期脑状态中识别出信号幅度、振荡组织、熵、相位动力学、跨频率耦合和递归特征的系统差异。尽管每种分析方法量化了神经活动的不同方面，这些互补发现的汇聚表明，癫痫进展的特征是跨越多个演化神经动力学维度的协调改变，且这些维度由EEG测量。重要的是，本论文中的实证分析并不直接测量统一思维或意识。相反，它们使用成熟电生理方法量化经EEG测量的演化神经动力学的客观属性。总体而言，这些发现支持如下观点：神经活动更适合描述为演化动力系统，而非孤立电生理事件的集合。多个互补EEG测量中观察到的协调变化提示，理解脑功能需要考虑分布式神经活动如何随时间演化，而非依赖任何单一电生理指标。在这些实证观察基础上，本论文提出，波函数形式化为表示经EEG测量的演化神经动力学提供了有用数学框架。在该框架内，神经信号被概念化为由多个同时活跃神经构型组成的演化状态，为幅度、相位组织、熵、跨频率耦合和递归结构等互补电生理可观测量提供共同数学表示。所提框架并不声称这些神经构型已被直接识别，也不声称当前发现确立了意识机制。相反，它提供一种有数学基础且可生成可实验检验假设的表示，关于神经动力学组织与演化的更广泛认知和意识体验含义留待未来研究评估。因此，本工作的主要贡献不是引入新的电生理测量或新的意识本体论理论，而是提出一个数学上连贯且可实验检验的框架，用于在单一神经组织动力学描述中解释多个已有电生理可观测量。这样，该框架提出一种可能机制：一个统一思维可从多个同时活跃神经构型中涌现，同时与现有大规模神经组织理论保持兼容。该框架应被视为对现有方法的补充而非竞争。IIT强调神经系统中信息整合的程度，而电磁场理论关注脑电磁场可能具有的因果角色。最终，所提框架的意义不仅取决于数学优雅性，还取决于其实证效用，即波函数形式化是否相较现有神经动力学数学描述具有解释或预测优势，是否能产生可用多通道电生理、计算建模以及直接比较意识与无意识神经处理范式验证的实验上可区分预测。因此，本工作应被视为一个研究计划的开始，旨在评估波函数形式化作为演化神经动力学数学表示的有用性。未来工作不仅应验证所提数学框架，还应识别其失败条件。建立清晰证伪标准对于确定波函数形式化是否超越现有动力系统方法而具有真正解释价值至关重要。