科学前沿观天下 笃学明理洞寰宇
早在2017年发表在《计算神经科学前沿》杂志上的研究中，神经科学家就以一种全新的方式，通过数学的一个经典分支来研究我们的大脑结构。研究发现，我们的大脑中充满了多维几何结构，可以在多达11个维度里运作。
多维几何结构
晦涩的高维结构因为我们习惯于从三维的角度来思考世界，所以科学家所提出的11个维度在我们正常人听来会略显晦涩和棘手。但是这项研究的结果可能会成为我们理解人体最复杂结构——人脑结构的里程碑式成果。
11维结构抽象画
“蓝脑计划”瑞士一支研究团队致力于通过超级计算机重建人脑，并制作出了人类大脑模型，该项目名为“蓝脑计划”（the Blue Brain Project）。科学家使用代数拓扑（algebraic topology）来描述物体和空间的性质（忽略了物质形状的变化）。实验发现，神经元群会连接成“小团体”，而每一小团体中神经元的数量将会直接导致高维几何对象（一个数学维度概念，而不是时空概念）的大小。
Al重建人脑
该项目的首席研究员兼瑞士EPFL（瑞士洛桑邦理工学院）研究所的神经学家Henry Markram曾表示：“我们发现了一个我们从未想象过的世界！即使是大脑中的一个小斑点里，甚至存在着高达7维的空间，里面有数千万个这样的物体。而在一些神经元网络中，我们甚至发现了高达11维的结构！”
代数拓扑描述大脑结构
维度与神经元我们的宇宙是由已知的三个空间维度和一个时间维度构成，但人类大脑中的世界远非如此简单。研究人员曾在论文中解释称，通过观察神经元群来确定它们之间的联系十分重要，神经元群连接成“小团体”经常被划分为一组相互连接的节点来进行分析，一组节点中神经元的数量决定了它的大小，或者更正式地说——是决定了它的维度。
神经元
据估计，人类大脑中拥有惊人的860亿个神经元，而每个神经元细胞都存在多个连接，向各个可能的方向延伸从而形成一个巨大的神经细胞网络，从而令人体能够拥有思考和意识的能力。但也正因为有那么多的连接体，所以我们至今对大脑神经网络的运作模式没有一个全面、正确的认识。不过，此次研究所建立的数学模型框架将上述问题进行了大大的简化。为了进行数学测试，蓝脑项目团队创建并发布了一个更为详细的新皮质（neocortex）模型。
神经细胞网络
新皮质是我们大脑中最晚进化的部分，参与了人脑的很多高级功能，如认知、感觉和知觉等。在创建该新皮质数学框架并进行部分虚拟刺激的测试后，研究小组还在大鼠的真实脑组织上证实了他们的实验结果。科学家表示，无论是在单个神经元水平上的近距离微缩探测，还是在整个大脑结构的宏观尺度上观察，代数拓扑结构都是用以识别神经网络细节的绝佳数学工具。
图片来源：Frontiers in Computational Neuroscience
宏观与微观下的高维几何结构通过宏观与微观两个不同层次的相互对比分析，研究人员可以辨别出大脑中由紧密连接的神经元和它们之间的空隙组成的高维几何结构。研究小组在研究报告中写道：“无论是生物网络还是人工网络，我们发现了在以前的神经网络中从未见过的、数量惊人、种类繁多的高维定向神经元群和空洞。”
神经细胞突触结构
该研究小组的成员之一、EPFL数学家Kathryn Hess形象地描述道，代数拓扑结构就像是望远镜和显微镜同时存在：它既可以将神经网络放大，找到其中隐藏的结构，就像是森林中的一颗小树，还可以同时看到空旷的空间和空地。更重要的是，研究人员发现这些神经元间的间隙或空洞似乎对大脑功能起着至关重要、不可替代的作用。当给虚拟脑组织一个刺激时，研究人员发现神经元以一种高度有组织的方式对该刺激做出相应的反应。
神经元
苏格兰阿伯丁大学的数学家Ran Levi解释称：“大脑对刺激做出反应的方式就好比是构建多维块塔。从线型（1D）到平面（2D），再到立体（3D），然后用4D更为复杂的几何形体构建更高维度的大脑……简单地说，大脑活动的过程就像一个多维度的沙堡，从沙中具体化，然后通过解体、解构来实现高维转换。
图片来源：Frontiers in Computational Neuroscience
“超自然”结构的奥秘不得不说，这一发现使得大脑信息处理这一研究领域展现出一幅诱人的新图景，但是目前科学家们还不清楚到底是什么让这些神经元“小团体”和空洞以高度特定的组织方式形成。所以接下来，研究人员还需要做更多的工作来确定大脑中的的这些多维几何形貌的复杂性与各种认知任务复杂性之间的关系。
大脑的“超自然”结构
大脑多达11个维度的“超自然”结构或许并非偶然，这次绝不是我们最后一次听到代数拓扑学在探究大脑方面的应用。作为人类最神秘的器官，大脑将受到研究人员持续的关注，并加深在该领域的不断探索。现代科技力量日新月异，相信在不久的将来会有更深层次的研究成果出现，大脑也将不再神秘。
（此处已添加圈子卡片，请到今日头条客户端查看）作者/朱张航宇
图源/ Frontiers in Computational Neuroscience
参考文献：Reimann, M. W., Nolte, M., Scolamiero, M., Turner, K., Perin, R., Chindemi, G., … Markram, H. (2017). Cliques of Neurons Bound into Cavities Provide a Missing Link between Structure and Function. Frontiers in Computational Neuroscience, 11. doi:10.3389/fncom.2017.00048