玻尔百科我们如何理解大脑内部看似混乱的电风暴？数十亿神经元以复杂的模式放电，在集体层面上理解思想、行动和知觉是科学界最大的挑战之一。一种强大的现代方法建议，我们不应追踪每一个单独的神经元，而是将大脑的集体活动视为一个在高维抽象空间中优雅移动的单点。这个点随时间描绘的路径就是一条“神经轨迹”——一个思想过程展开的几何表示。这一框架将我们的焦点从单个组件转移到定义大脑功能的整体、动态的模式上。
本文探讨了神经轨迹的理论和应用，为理解心智的几何学提供了一份指南。在“原理与机制”一节中，我们将深入探讨基本概念，探索如主成分分析 (PCA) 和动力系统理论等数学和 statistical 方法，这些方法使我们能够发现并解释这些隐藏的路径。我们将学习如何解读轨迹的语言，通过破译其形状来理解神经回路中的稳定性和旋转等概念。随后，“应用与跨学科联系”一节将展示这种方法的卓越解释力。我们将看到轨迹的几何学如何让大脑将意图与行动分开，如何建立与外部世界具有相同“形状”的内部模型，甚至如何将复杂脑部疾病的进展描绘成一条偏离正轨的终生发育之旅。
想象一下，如果你能观察到整个大脑的思考过程，那会是什么样子？你可能会想到一场耀眼的灯光秀，但一种更强大的可视化方式是，将其视为一个在广阔的抽象空间中移动的单点。这就是神经轨迹的世界，一个正在改变我们对大脑如何计算的理解的概念。
让我们先来设定舞台。大脑中数十亿个神经元中的每一个在任何给定时刻都有一个活动水平——即其放电率。如果我们记录（比如说）一千个神经元 () 的活动，我们就可以用一个包含一千个数字的列表来表示这整个群体的活动。在数学语言中，这是一个向量。这个我们可以称之为神经状态向量的向量，定义了一个 1000 维空间中的一个点。这个巨大的空间，每个神经元对应一个轴，就是该神经元群体的状态空间。
在每个瞬间，所记录神经元的集体活动都对应于这个状态空间中的一个唯一点。随着大脑思考、感受和行动，这个点会移动，描绘出一条路径——即神经轨迹。这条轨迹是大脑之舞，是一个思想过程随时间展开的几何表示。但是这个状态空间大得惊人。大脑会使用它的全部吗？还是将其舞蹈限制在一个更小、更有序的舞台上？
该领域核心的美妙假设是，神经活动并非充满整个状态空间的随机噪声。相反，它是高度结构化和受约束的，在一个嵌入高维空间中的更低维曲面上展开。这个隐藏的曲面被称为神经流形。
我们的第一个挑战是找到这个流形。完成这项任务的主力是一种经典的统计方法，称为主成分分析 (PCA)。可以把 PCA 看作是在状态空间中找到“最有趣”方向的一种方式。它旋转我们巨大空间的坐标轴，以找到新的坐标轴，即主成分，这些主成分能捕捉到神经活动中最大量的方差。 第一个主成分是数据分布最广的那个方向；第二个是次重要的方向，与第一个正交，依此类推。
值得注意的是，我们经常发现，即使我们记录了上千个神经元，也只需少数几个主成分——也许 10 个或 20 个——就足以捕捉到绝大部分的“活动”。这是低维流形假说的有力证据。通过将高维数据投影到这小组主成分上，我们获得了低维的神经轨迹。PCA 提供了高维舞蹈的最佳线性“投影”，并尽可能多地保留其结构。 我们信任这种方法，因为我们相信大脑最重要的计算涉及大規模、協調的活動模式——而这正是 PCA 设计用来寻找的。
一条轨迹不仅仅是点的集合；它是一条平滑、有序的路径。大脑的状态从一个时刻流向下一個時刻；它不会瞬移。孤立地分析每个时间点的方法，比如对单个快照应用 PCA，会错过这种基本的时间结构。这就像试图从一堆打乱的书页中阅读一个故事。
为了捕捉轨迹的“流”，我们需要更复杂的工具。于是高斯过程因子分析 (GPFA) 应运而生，该方法从一开始就内置了平滑性假设，从而优雅地解决了这个问题。高斯过程是一个强大的数学工具，它将我们的直觉——时间上相近的状态在状态空间中也应该相近——形式化。GPFA 利用这一点来引导发现潜在轨迹，确保它们形成平滑的曲线，而不是锯齿状、不连续的点。 最终发现的几何形状，是我们对平滑性的先验信念与数据本身提供的确凿证据的美妙结合。
路径与其上的时间进程之间的这种区别至关重要。想象一下一个任务的两次试验：大脑可能执行了相同的神经操作序列，但一次比另一次快。轨迹的几何形状将是相同的，但动力学——即速度——会有所不同。为了在忽略速度的情况下比较形状，我们可以使用一种巧妙的算法，称为动态时间规整 (DTW)。DTW 就像一个智能的时间手风琴，拉伸和压缩两条轨迹的时间轴，以找到其形状的最佳对齐方式。这使我们能够提出一些基本问题，例如，无论反应时间如何，大脑是否对某个任务采用了某种固定的“计算解决方案”。
既然我们已经提取出这些美丽、平滑的轨迹，我们可以提出一个更深层的问题：它们遵循什么规则？就像 Isaac Newton 发现行星的运动定律一样，我们可以寻找支配神经活动的“运动定律”。我们可以将轨迹建模为一个潜在的潜在动力系统的解，该系统由一组微分方程描述：。
在这里， 是大脑“真实”的、未被观测到的潜在状态，而 是其速度。函数 是矢量场——它是一本规则手册，为每个可能的状态分配一个速度矢量，告诉系统下一步该去哪里。我们观测到的轨迹只是穿过这个场的众多路径之一。
当然，我们的测量从来都不是完美的；它们是真实潜在状态的含噪投影。我们可以使用像卡尔曼滤波器这样的工具来形式化现实与测量之间的这种分离。这些模型假设一个真实的潜在状态根据清晰的动力学演化，然后映射到我们嘈杂的、高维的神经记录上。 这是一个至关重要的步骤，特别是因为不同类型的神经数据具有不同的统计特性；例如，用简单的高斯噪声模型来建模离散的脉冲计数是一种常见但重要的近似。
这些轨迹不仅仅是漂亮的图画；它们是一种语言，其几何形状是思想的语法。通过研究它们的形状，我们可以推断出底层神经计算的性质。
不動點是状态空间中动力学停止的位置，即 。如果一个不动点是稳定的——一个吸引子——那么附近的轨迹都会向它收敛。 这样一个状态可以代表一个稳定的记忆、一个最终的决定，或者大脑在一段时间内主动保持信息。我们可以使用李雅普诺夫理论进行数学上的稳定性验证，或者更简单地，通过检查局部动力学。如果我们在不动点附近将系统线性化，写作 ，其中 是雅可比矩阵，那么当且仅当 的所有特征值的实部都为负时，该不動點是稳定的。 实部最接近零的特征值决定了系统的最慢时间常数——即系统在受到扰动后恢复平衡所需的特征时间。
那些永不安定的动力学又是怎样的呢？极限环是状态空间中一个稳定的、孤立的闭合回路。从极限环附近开始的轨迹会被吸引进去，注定永远重复同一条路径。这些是节律性过程的几何标志，比如呼吸、行走，或者甚至是心理演练。
这些旋转从何而来？在这里我们发现一个惊人的数学见解。任何由其雅可比矩阵 描述的局部线性动力学，都可以唯一地分解为两个基本部分：一个对称部分 ，描述状态如何被拉伸或压缩；以及一个斜对称部分 ，描述纯粹的旋转。 一种名为 jPCA (j-主成分分析) 的分析技术被巧妙地设计出来，正是为了从数据中分离出这个旋转分量。结果表明，最佳拟合的旋转动力学是由真实雅可比矩阵的斜对称部分 控制的。 这个矩阵的特征值是纯虚数，形式为 ，而 的值直接揭示了神经状态空间中旋转的角频率！ 这提供了一个具体而优雅的流程，将复杂的动力学分解为其基本要素：拉伸和转动。
我们还必须理解最后一个关键的精微之处。在探索这个隐藏的景观时，我们经常使用简单的欧几里得度量——即“直线”距离——来测量点与点之间的距离。但神经流形很可能是一个曲面。两点之间真实的、内在的距离是测地距离：即在保持在曲面上的前提下可以走的最短路径。
欧几里得“弦距离”仅仅是一个近似值。它有多好呢？对于彼此靠近的点来说，它非常精确。但我们产生的误差直接取决于流形的曲率。对于一个半径为 的球面（曲率为 ），在一个大小为 的小邻域内，测地距离 和弦距离 之间的最大相对误差约为 。
这个优美的结果让我们确信，我们的局部测量是可信的，这也是许多现代流形学习算法的基础。但它也深刻地提醒我们，我们始终是在解读一幅关于领土的地图，而不是领土本身。理解我们绘图工具的假设和潜在扭曲，是揭示心智真实几何的终极鑰匙。
在上一节中，我们发现了一种思考大脑的非凡方式。我们不再将大脑活动看作亿万神经元放电的混乱纠缠，而是开始将其视为一个在高维广阔空间中优雅移动的单点——一条‘神经轨迹’。这或许曾看似纯粹的数学抽象，一种方便的虚构。但它有何用处？事实证明，这个想法不仅有用，它还是一把钥匙，能解开关于我们如何思考、行动，甚至我们的大脑是如何从头构建起来的深层秘密。在本节中，我们将拿起这把钥匙，踏上一段旅程。我们将看到这些轨迹的几何学如何让大脑将思想与行动分离。我们将戴上‘拓扑学眼镜’来感知我们思想的形状，并发现我们的大腦建立的世界模型与世界本身具有相同的几何结构。最后，我们将把视野拉远，看到轨迹的概念不仅可以描述短暂的思想，还可以描述整個人生的弧线，从而阐明复杂脑部疾病的起源。这就是动力学和几何学的数学与人类心智的血肉现实相遇的地方。
让我们从你每时每刻都在做的事情开始：决定行动。假设你正伸手去拿一杯咖啡。有那么一会儿，你计划着这个伸手动作——你知道杯子在哪里，你准备好你的手臂——但你还没有移动。然后，你执行了这个动作。大脑是如何将这两个阶段——计划和执行——分开的呢？它如何‘思考’移动而不实际移动？答案就在神经轨迹的美妙几何学之中。
想象一下你运动皮层的活动是其状态空间中的一个点。一个线性解码器是一个简单的数学规则，它规定：‘对于这种神经活动模式，产生这种相应的手部速度。’所有产生无运动的神经活动模式的集合构成一个特殊的子空间，数学家称之为‘零空间’。任何完全在这个零空间内移动的轨迹都是‘输出无效’的——它对肌肉是不可见的。相反，确实引起运动的活动模式位于另一个子空间，即‘输出有效’空间。
研究人员的发现令人震惊。在运动的计划阶段，神经轨迹剧烈地展开，但它几乎完全被限制在输出无效空间内。大脑正在‘预热’正确的神经元，为运动准备初始条件，但它这样做的方式不会产生任何力。这是一种动态的、无声的准备。然后，当‘开始’信号到达时，轨迹被发射出零空间，进入有效空间，手臂便开始移动。这个美妙的原理——准备性大脑活动在一个与运动输出解耦的子空间中展开——展示了大脑如何利用其自身活动空间的几何结构来区分意图和行动。
我们已经看到轨迹的方向很重要。但它的整体形状又如何呢？如果你追踪自己神经活动随时间的路径，得到的曲线是否有可识别的形态？如果有，这种形态告诉我们什么？为了回答这个问题，科学家们转向了一个强大的数学分支——拓扑学，即研究形状的学科。
想象你正在看一团点云——每个点代表大脑在一个瞬间的状态。这团点云存在于一个有数千维的空间中，所以我们无法直接‘看见’它。但借助拓扑数据分析 (TDA) 的工具，我们可以询问关于其内在形状的问题。它有孔吗？有空洞吗？它仅仅是一团无定形的斑点吗？
考虑一个简单的实验，一只动物正在观看一个连续旋转的条纹图案。条纹的方向是一个循环变量——旋转360度后，你又回到了起点。当我们观察视觉皮层在此任务期间的神经轨迹时，TDA揭示了一些惊人的事情：数据云形成了一个幽灵般的圆环，一个一维的环。大脑已将刺激的循环性质编码进了其自身活动路径的循环形状中。
我们可以更进一步。如果任务更复杂，比如记住一个物体在空间中的三维方向呢？所有可能的三维方向的空间具有与球面相关的拓扑结构（想象一个从地球中心指向表面任何一点的向量）。当神经科学家分析猴子执行此类任务时的大脑活动时，TDA显示神经活动被限制在一个具有球面拓扑结构的高维曲面上！数据云的中心有一个持久的二维空洞（ 特征），就像一个空心球。这是一个惊人的发现：大脑不仅仅是在处理信息；它在建立世界的内部模型，其形状或拓扑结构本身就反映了它试图解决的问题的结构。我们内心世界的几何形状反映了外部世界的几何形状。
轨迹的概念如此强大，以至于我们不仅可以将其应用于毫秒级展开的思维快速动力学，还可以应用于跨越一生的缓慢而宏大的大脑发育过程。正如一个单一的思想是放电率状态空间中的一条路径，一个发育中的大脑也在一个由可能的布线图和功能构成的‘状态空间’中遵循一条路径。健康的人生对应于一条健康的发育轨迹。但当这条轨迹偏离航向时会发生什么？
在某些遗传性疾病如结节性硬化症 (TSC) 中，大脑容易发生癫痫，甚至从婴儿期就开始了。这些癫痫发作，甚至在其之前的亚临床癫痫样活动，都可以被认为是病理轨迹——异常的、超同步的活动风暴。在早期发育的关键时期，大脑根据其‘经验’（即其自身的神经活动）进行布线。当这些病理轨迹占主导地位时，它们会劫持突触可塑性的机制。大脑不再构建用于健康认知的回路，而是构建用于更多癫痫发作的回路。因此，早期医疗干预是一场与时间的赛跑，旨在抑制这些破坏性轨迹，并将大脑的发育推回到更健康的道路上。
在其他情况下，偏差更为微妙。精神分裂症的神经发育假说提出，遗传风险和早期生活创傷的结合可能会从一开始就使大脑的发育轨迹略微偏离正轨。这可能表现为童年时期微妙的认知和社交困难。多年来，这种偏差可能很小。但接着是青春期，这是一个大规模重新布线的时期，大脑会经历广泛的‘突触修剪’。这个正常的成熟过程，当施加在一个本已脆弱的系统上时，可能会放大早期的偏差，使轨迹螺旋式地走向一个灾难性的状态变化：第一次精神病发作。从这个角度来看，精神分裂症不是一种突然出现的成年疾病，而是一条终生的、异常发育轨迹的终点[@problemID:4756340]。
这些功能性轨迹，无论是快的还是慢的，都依赖于大脑的底层物理结构——连接不同区域的白质束‘道路系统’。在自闭症谱系障碍 (ASD) 等情况下，有证据表明这个道路系统可能发育不同。一些模型虽然简化，但提出了一种偏向于过多的局部‘小路’和缺乏长程‘州际高速公路’的倾向。这种结构配置会使神经轨迹更難跨越遥远的大脑区域。需要整合来自全脑信息才能完成的复杂认知功能，例如理解他人的意图或情绪，效率就会降低。这在脑部布线的微观细节、神经通信的全局效率以及我们在ASD中看到的独特认知特征之间，提供了一个强大的机制性联系。
我们的旅程结束了。我们从一个点在空间中移动的抽象图像开始，并看到它发展成为一个具有惊人解释力的框架。将大脑活动视为一条轨迹，使我们能够理解我们如何能在不行动的情况下为行动做准备，我们的大脑如何在思想的形态中捕捉世界的几何结构，以及大脑发育的宏伟而缓慢的弧线如何能被视为一条宏大的轨迹，当它受到干扰时，会导致毁灭性的神经和精神疾病。
這裡深刻的教訓是统一性。抽象数学中看似迥然不同的世界——子空间的线性代数、环和球体的拓扑学、路径的动力学——不仅仅是物理学家或工程师的工具。它们是大脑的母语。大自然以其无穷的创造力，偶然发现了这些深刻的原理，来构建一个能够思考、感受和理解的机器。随着我们继续破译这种美丽的语言，我们离理解我们自身的本质越来越近。