沧海与一粟的相遇：科学家发现人脑与宇宙存在结构相似性

宇宙的一个引人入胜之处是，相似的形状和图案总是能不经意间在最不相干的地方被发现。人类耳蜗和螺旋星系具有着类似的螺旋结构；闪电转瞬即逝的痕迹中出现了与人类静脉类似的走向；中子星外层和人类细胞细胞膜形态接近……而在一项最近的研究中，科学家比对了人脑神经元网络与宇宙网络的形状特点，并发现了二者在结构上的惊人类似。

在这项大胆的先导研究中，一位天体物理学家和一位神经外科医生通过定量分析，比较了自然界中两个最复杂的系统：人脑中的神经元网络和宇宙中的星系宇宙网络。而他们也确实因自己的发现而吃惊，宇宙可能与人类大脑——这个大小仅是其十亿亿分之一的物体——具有自相似性。一种神秘的结构相似性竟然穿越了27个数量级，使二者在沧海一粟的无限落差中相遇。

这一相似性对人们来说并不新鲜。早有科幻小说推想人类的大脑就是一个宇宙，通过想象力和文学将这个理念传播开来。而在更早的研究里，有研究人员利用大型计算机模拟了宇宙的生长演变，在模拟进行了一段时间后，他们惊讶地发现，宇宙生长出来的结构竟然和人脑十分相似。

Figure.1 宇宙网络物质分布模拟图（左）与小脑神经元胞体分布图（右）其中神经元经过2F11单克隆抗体染色后显示出神经纤维束（neurofilament）的形态，右图由摩德纳大学附属医院解剖病理系的Elena Zunarelli博士提供

但是，除了外观之外，人脑和宇宙还有着更多的共性。在过去的几年中，本次研究的负责人——意大利博洛尼亚大学的天体物理学家Franco Vazza和意大利维罗纳大学的神经外科医生Alberto Feletti，一直致力于探索两者表皮之下的更深入的相似性。

2017年，他们在杂志《Nautilus Quarterly》发表文章提到：星系可被分为很多不同规模的巨型结构，分别被称作“星系团”（cluster）、“超星系团”（supercluster）和“纤维束”（filament），延伸数亿光年之远。而这些结构之间的边界及其周围被称作“空洞”（cosmic void）的空间可能极其复杂。引力作用将这些边界上的物质加速到每秒数千公里，在星际气体中产生了骇人的冲击波和湍流。通过衡量描述它所需的信息位数的大小，我们已经预测到丝状结构与空洞的边界是宇宙中最复杂的空间之一。

两位科学家关心的是，这个充盈宇宙的超巨结构与我们的大脑究竟存在怎样的联系，而这种联系又是如何发生的？

Figure.2 Franco Vazza（左）和Alberto Feletti（右）

他们的研究从定义两者之间的相似之处开始。

人类小脑有将近690亿个神经元，此外，占大脑80%的皮质灰质中还有约60亿个神经元，可观测的宇宙网络则包含超过1000亿个星系。我们可以看到，人脑中的神经元总数与可观测宇宙中的星系数目大致相同。而两者也具有类似的构建形式，都是由“节点—细丝”形式连接而成的网络结构。节点之间的信息和能量流仅占每个系统质量和能量含量的25％左右。

人脑和宇宙在组成成分上也有接近之处。研究人员将暗物质和水类比，因为它们都是在各自的网络体系中扮演着惰性填充物的角色。有趣之处是，大脑中水约占77％的质量，而宇宙中的暗物质则占去了72％的质量。

不过上述的分析还是定性的。研究的定量分析部分则提供了更令人信服的论据。两位科学家通过定量比较、测量微小波动的强度，发现尽管人脑神经网路与宇宙结构在大小规模上存在实质性差异（相差了27个数量级），驱动宇宙结构和人脑结构形成的物理过程也全然不同，但两者的复杂结构分布却惊人地相似。

Figure.3 空间尺度上的波动分布函数，同时示出了云团、树枝、等离子体和湍流的功率谱密度以作比较；灰色为脑灰质曲线，蓝色为小脑曲线，红色为宇宙网络曲线。

Vazza博士表示：“我们对两个系统的谱图密度分别加以计算。这是天文学用于研究星系空间分布的一种常规手段。结果分析表明，从1微米到0.1毫米的范围内，人类小脑的神经元网络内波动和宇宙网络物质分布过程极为接近。”

研究还比较了人脑网络和宇宙网络的一些其他参数。比如，就连接到每个节点的细丝数量而言，人类大脑皮层中每个节点平均占有4.6至5.4个接口，而宇宙网络的这一数值为3.8至4.1。并且人脑和宇宙所表现的信息容量也较为接近。

人类大脑的记忆力约为2.5 PB（1PB=1024TB）。而一些模拟研究表明，想要模拟出描述整个可观测宇宙的演变需要大约 1到10PB；将宇宙结构所具有的复杂性转化为信息容量则约为4.3 PB。这些数值的极端接近，似乎意味着可以人脑中的所有信息储存编码为一个宇宙。当然，这并不是说宇宙就是个大脑抑或是具有感知能力。但人们的确可以合理推测两者背后有着类似的结构增长机制。

此外，这个分析并未指出两个系统间的动态相似性。构建信息在时间和空间内的传递模型将是接下来的研究关键。对于宇宙网络，这已经可以通过数值模拟实现；对于人脑，研究需要依靠更多全球样本的估算数据。研究人员表示，他们希望在不久的将来能够在更复杂的数字人脑模型中检验这些概念。