理解大脑如何运作一直是科学探索中的一项巨大挑战。近日在国际期刊《科学》上，谷歌和哈佛大学的研究团队共同发表了一项划时代的研究成果。这项研究成功地对人脑进行了纳米级精度建模，构建了迄今为止最庞大的电子显微镜图像数据集和分辨率最高的人脑突触连接图谱。这一突破不仅展示了人脑复杂连接的精细结构，也为未来深入解析大脑功能和治疗相关疾病提供了可能。

研究人员对一位45岁癫痫患者的颞叶皮层中1立方毫米大小的组织样本进行了纳米级精细切割，并利用扫描电子显微镜进行成像，从中获得总计约1.4PB（1.4百万亿字节）的图像数据。这个数据量有多庞大？可以这样说，即使将全世界的电脑都用来存储，也只够储存大约9个人脑的图像数据。

通过对这些图像数据进行细致的神经元形态分割和细胞结构重建，科学家们成功识别出超过5.7万个细胞核和1.5亿个神经突触。根据这些数据推算，整个大脑中的神经突触数量可能高达数千万亿。相比而言，目前世界上最大的人工神经网络的参数数量还不到10万亿，这仅相当于大脑中1立方厘米大小区域的复杂度。

科学家发现，尽管大脑拥有高达860亿个神经元，但这些神经元并不是各自独立工作，而是倾向于集体行动。我们可以将这种现象比作操场上的学生：在自由活动时间内，学生们各自做各自的事情，场面非常混乱。假设有100名学生，每个学生需要两个坐标来表示，那么总共需要200个坐标，即构造一个200维的空间。然而，在体育课上，当所有学生一起跑步时，他们便形成了有序的队列，这时只需用远少于200个坐标就能描述这个队列。假设两个班级的学生都在进行集体活动，仅四个维度就足以近似描述所有学生的运动。

这种情况可以类比大脑中神经元的集体活动，也就是说，大脑活动可以在一个低维空间中得到表示。这个低维空间与大脑的功能和行为直接相关，这一理论也被称为“神经流形模型”。
那么，大脑的活动到底可以用多少维空间来表示呢？

最近，脑科学期刊《神经元》在线发表了来自美国洛克菲勒大学的最新研究成果。通过深入的统计分析，科学家们发现，随着神经元数量增加，大脑皮层神经元集体运动行为的维度呈现出无限制增长。研究发现，其中16个维度与小鼠的运动行为密切相关，而其他的高维度则似乎与某些内部无法直接对应到具体运动行为的活动相关。这些隐藏的维度表现出连续的时间尺度特征，其信号分布遍及整个大脑皮层。这一发现揭示这些隐藏的维度可能与大脑皮层中信息传递和处理密切相关，是大脑神经网络内部计算和适应性行为的关键。

科学家们推测，大脑这种看似冗余的设计，可能是为了在稳定性、效率与适应性之间达到有效的平衡。

通过研究大脑中神经元的连接网络和它们的集体行动，我们可以更深入地理解大脑如何高效运作。这种理解不仅揭示了大脑处理信息的复杂机制，也为我们模拟大脑功能和治疗神经疾病提供了新的可能性。深刻掌握大脑的运动行为不仅有助于我们应对各种神经性疾病，还能促进更高效计算硬件的设计，开发先进的脑机接口，从而在人机之间建立更流畅的沟通渠道。通过模拟神经元的工作方式，科学家们可以设计出新型的计算模型。这些模型在处理速度和效率上可能超越现有的电子计算机。（文章内容来源于科普时报。）