《Frontiers in Psychology》：Gravity-awareness: a deep learning and LLM framework for predicting human adaptation to altered gravitational environments
编辑推荐：
摘要专业翻译
地球重力从根本上塑造了人类行为。大脑将这一力编码为一种重力内部模型（internal model of gravity），使其能够在感知和行动过程中预测和解释重力效应。理解该模型如何适应改变的重力环境，对于预测人类在航天飞行中的表现至关重要。研究
摘要专业翻译
地球重力从根本上塑造了人类行为。大脑将这一力编码为一种重力内部模型（internal model of gravity），使其能够在感知和行动过程中预测和解释重力效应。理解该模型如何适应改变的重力环境，对于预测人类在航天飞行中的表现至关重要。研究人员提出了一种计算框架，用于模拟多种重力环境下的神经生理适应。该框架包含两个组件，均基于改变重力研究（尤其是抛物线飞行）的开放获取数据进行训练。第一个组件CorticalG采用轻量级多层感知机（Multi-Layer Perceptron, MLP）神经网络，预测重力依赖的脑电图（Electroencephalogram, EEG）频带变化，从而在不同重力载荷下估计皮层状态。第二个组件PhysioG使用独立高斯过程（Gaussian Process, GP）模型捕获更广泛的生理反应，包括心率变异性（Heart Rate Variability, HRV）、皮肤电活动（Electrodermal Activity, EDA）和运动控制。为补充定量建模，研究人员使用大型语言模型（Large Language Model, LLM）Claude 3.5 Sonnet模拟了不同重力环境下的主观体验。生理输出提示该模型生成描述零重力、月球和火星部分重力以及超重力下警觉性、身体意识和认知状态的叙事文本。该框架为研究人类对航天飞行的适应提供了一种新方法，提供了评估表现和韧性的预测工具，支持未来太空探索任务的设计。
论文解读
一、研究背景与问题
地球重力（1?g，即9.81?m/s2）是塑造人类行为的基础性物理常量。人类神经系统并非依赖单一感受器编码重力，而是整合前庭、视觉和本体感觉等多模态感觉信息，构建对重力方向与强度的连贯表征，形成所谓的“重力内部模型”。该模型使大脑能够在感知和行动中预测和解释重力效应，维持空间定向、姿势控制和认知功能。然而，当重力偏离地球标准值——无论是微重力（0?g）、月球部分重力（0.16?g）、火星部分重力（0.38?g）还是超重力（如发射和再入阶段的1.8–6?g）——这一内部模型受到根本性扰动，引发多系统适应性反应。
已有研究表明，航天飞行可导致大脑结构性和功能性改变，包括脑组织在颅内的向上移位、中央沟变窄、灰质体积变化、白质重塑以及脑室扩大。功能层面，前庭和感觉运动网络耦合减弱，视觉和本体感觉系统代偿性增强；脑电方面，微重力下默认模式网络（Default Mode Network, DMN）的α频带（8–13?Hz）功率和连接性显著降低，而额颞叶和感觉运动区域的β频带（13–30?Hz）活动增强。这些改变反映了皮层动力学的重组，但现有研究多为离散的、特定条件下的观测，缺乏对连续重力谱系下神经生理反应的统一量化框架。
当前存在的主要问题包括：第一，人类航天实验受伦理、成本和物理条件限制，难以系统获取连续重力变化下的神经生理数据；第二，现有研究多聚焦单一系统（如仅脑电或仅心血管），缺乏整合中枢神经、自主神经和运动系统的多系统视角；第三，主观体验（如警觉性、身体意识）在极端重力条件下难以直接测量。因此，需要一种能够跨越从微重力到超重力的连续谱系、整合多系统反应并预测主观体验的计算框架。
二、研究内容与结论
研究人员提出了“重力感知”（gravity-awareness）这一统合性概念，用以描述人类有机体对重力的系统级整合反应，涵盖神经生理、感觉运动-行为和感知-认知三个相互依存的领域。在此基础上，构建了双组件计算框架：CorticalG模型和PhysioG模型，并辅以大型语言模型（LLM）模拟主观体验。
CorticalG模型采用傅里叶特征增强的多层感知机（MLP），以单一连续重力输入（g值）预测四个EEG频带（α、β、μ、γ）的功率百分比变化。模型在包含94,000个模拟观测、20名合成被试的数据集上训练，数据锚点来自抛物线飞行文献（0、0.16、0.38、1.0、1.6、1.8?g）。模型在测试集上取得低平均绝对误差（MAE）：α-DMN为2.87%、β-PFC为3.15%、μ-SMN为2.54%、γ为1.98%。预测结果显示：α和μ频带在微重力下最大程度抑制（分别约?37%和?23%），β和γ频带随重力增加单调上升（在1.8?g时分别约+35%和+22%），所有曲线在1.0?g处归零，验证了锚点校准的正确性。
PhysioG模型采用11个独立高斯过程（GP）回归器，每个回归器使用复合核函数（常数项+RBF项+白噪声项），预测11个生理变量，包括心率变异性指标（SDNN、RMSSD、平均NN间期）、心率、收缩压及其高频功率、左右手皮肤电导及不对称性、躯干和腕部活动。模型采用留一被试交叉验证（Leave-One-Subject-Out, LOSO）。预测结果显示：微重力下迷走张力显著升高（SDNN和RMSSD正向峰值、心率下降），超重力下交感神经占优势；皮肤电导呈V形响应，在1.0?g时最低，在0?g和1.8?g两端均显著升高（右侧皮肤电导在1.8?g时超过+200%）；躯干活动呈倒U形，在1.0?g时峰值，在0?g时下降超过50%，而腕部活动相对稳定。
LLM模拟部分使用Claude 3.5 Sonnet，以固定生理和生物力学参数（EMG 20–60%、HRV 20–100?ms、姿势摆动5–10?mm、步长1.2–1.5?m、步频1.1–1.4?Hz、线性加速度按g水平缩放、头部倾斜0°）作为提示，模拟六种重力场景（0?g、0.16?g、0.38?g、1?g、4?g、6?g）下的主观体验。模型输出显示：微重力下出现空间定向障碍和感觉碎片化；部分重力下运动协调的注意力需求增加；极端超重力下生理应激导致意识收窄；地球重力为最优校准基线。这些定性描述与定量模型预测高度一致。
三、主要关键技术方法
研究人员采用的主要技术方法包括：第一，基于文献锚点的合成数据生成——从抛物线飞行和部分重力模拟研究提取离散锚点值，通过分段线性插值生成连续数据集；第二，傅里叶特征增强的多层感知机（CorticalG）——将标量重力输入通过正弦函数扩展为九维表示，经两层64单元隐藏层（SiLU激活、dropout 0.1）映射到四个EEG频带输出，使用加权Huber损失和AdamW优化器训练；第三，独立高斯过程回归器（PhysioG）——每个生理变量独立建模，复合核函数包含常数项、RBF项和白噪声项，通过最大化对数边际似然学习超参数，采用LOSO交叉验证评估泛化能力；第四，结构化提示的大型语言模型模拟——以固定生理参数集提示Claude 3.5 Sonnet生成第一人称叙事，隔离重力载荷作为唯一变量。
四、研究结果
CorticalG和PhysioG输出。 通过测试集评估，CorticalG在四个EEG频带上均取得低MAE，最终加权Huber损失为0.2315。模型推理显示α和μ频带在微重力下最大抑制，β和γ频带在超重力下增强，所有曲线在1.0?g处归零。中间重力区间的局部次级峰值（如β和γ在约0.7?g附近的波动）被识别为模型在稀疏锚点之间的插值伪影，而非直接观测的生理效应。
外周和自主神经动力学（PhysioG）。 模型预测显示微重力下迷走张力显著升高（SDNN和RMSSD正向峰值、心率下降），超重力抑制这些指标表明交感优势。收缩压高频功率（HF SBP）在微重力下下降超过60%，提示压力反射敏感性改变。皮肤电导呈V形响应，两端重力极端均驱动高交感唤醒。躯干活动在1.0?g时峰值，在0?g时下降超过50%，反映姿势肌肉卸载；腕部活动相对稳定。
LLM模拟输出。 Claude 3.5 Sonnet生成的第一人称叙事呈现连贯梯度：微重力引发高度警觉伴定向障碍，部分重力增加运动协调的注意力需求，极端超重力在急性生理应激下收窄自我意识。地球重力作为最优校准基线。研究人员对LLM将高g条件下姿势参数描述为“不相关”提出批判性限定——在不受约束的操作者（如战斗机飞行员）中，姿势偏差产生的重力力矩与g值成正比，4?g时相同位移产生4倍失稳力矩，该简化反映了受约束航天员场景的局限性。
五、讨论与结论
讨论部分指出，CorticalG和PhysioG模型的预测与经验文献高度一致：微重力下α和μ抑制复现了DMN α降低和感觉运动μ重分配的已知发现；超重力下β和γ增强捕获了高g暴露的皮层唤醒和认知负荷特征；皮肤电导的V形模式表明自主神经系统将两个重力极端均解读为显著应激源。双模型输出相互印证：EDA尖峰对应的唤醒状态与EEG预测的β/γ增强和α抑制一致，EEG指示的中央感觉运动适应（μ抑制）与躯干活动减少相互对应。方法论上，文献锚定加数据合成的方法在连续实验数据稀缺条件下实现了跨g载荷的连续插值；CorticalG的高效性和GP的概率性不确定性估计形成互补。
讨论同时强调模型的局限性：两者均为预测性和插值性模型，学习g载荷与可观测生理输出之间的映射，但不提供机制性解释；LLM模拟将客观数值参数转化为现象学描述，而人类对这些参数的感知本质上是主观的，限制了与经验自我报告数据的直接可比性。未来方向包括：纳入更长时程微重力暴露、多LLM比较研究、整合个体差异和心理应激维度、扩展至高g阈值（≥2?g）以建模G诱导意识丧失（G-LOC）风险、以及将模型扩展至负有效g载荷。
结论部分指出，CorticalG和PhysioG模型的组合，辅以定性LLM模拟，提供了重力对人类认知和生理影响的多系统综合视角。该双模型框架成功捕获了g载荷在中央和外周系统中的连续非线性效应，包括微重力下DMN α和μ抑制、超重力下前额叶β/γ增强以及交感唤醒的V形模式等标志性特征。这项工作为预测性、个性化工具奠定了稳健的计算基础，可用于极端重力条件下人类表现的监测、模拟和训练，推进了重力适应的科学理解以及航天员健康和操作准备度的实践方法。
