量子原理或可解释大脑“噪音”：神经科学新视角

长期以来，神经科学将大脑视为离子电流和看似无序放电的电学交响乐。这些被称为“神经噪音”的细微波动，过去常被视为干扰测量的混沌现象。然而，一组研究人员提出了一个革命性的观点：这种噪音或许并非信息干扰者，反而可能赋予大脑一种量子力学般的非凡连贯性。

在一项发表于《计算与结构生物技术杂志》的研究中，理论物理学家帕尔塔·戈斯（Partha Ghose）与神经科学家迪米特里斯·皮诺茨斯（Dimitris Pinotsis）证明，描述神经元活动的经典方程可以转化为量子物理学的基本方程——薛定谔方程的一个变体。这一发现开辟了一条不同寻常的路径，暗示大脑的运作方式可能在一定程度上遵循量子原理。该研究的关键在于，噪音不再被视为秩序的对立面，而是其意想不到的助力，作者将其定义为“从无序中诞生的有序”的例子。研究人员通过一个简单的随机游走模型进行验证，发现当用正确的数学语言表述时，一个与薛定谔方程惊人相似的方程出现了，该模型能够描述神经元达到放电阈值或保持静默的概率。更重要的是，这种形式化不仅是数学上的抽象，它与真实神经元电位波动的实验数据也高度吻合。

这一理论的意义深远。它表明，神经活动可以被表述为一种量子波，其中细胞膜电位并非固定值，而是具有一系列概率。这并非意味着大脑是一个微型量子计算机，而是其过程可能展现出在宏观生物系统中此前认为不可能的特性。研究人员进一步将此逻辑应用于更复杂的菲茨休-纳古莫模型（FitzHugh-Nagumo model），一个常用于简化描述神经元电脉冲生成和恢复的模型。尽管该模型通常被视为经典模型，但通过引入噪音，研究人员证明它同样可以被改写为量子方程的形式。该发现尤为重要，因为菲茨休-纳古莫模型是神经科学中模拟神经元和神经网络功能的关键工具，其拥有一个“量子对应体”，暗示大脑的物理学可能比我们之前认为的更为丰富。

此外，量子化重构为经典计算提供了修正，例如在预测放电频率变异性或刺激后恢复时间方面。它可能为解释大脑为何对同一信号的反应从不完全相同时提供更精确的线索。该研究最引人注目的一个提议是引入一个新的参数：“神经元常数”，类似于量子物理学中定义微观现象尺度的普朗克常数。根据作者的说法，每个神经元可能拥有其自身的神经元常数，或者它们可能共享一个普遍但未知的数值。为了在实践中测量它，研究人员建议进行多项实验，例如分析放电阈值以下的电振荡，这些振荡可能表现出具有离散能级的量子振荡器行为。如果这种神经元常数存在且可被测量，将为量子现象在单个神经元层面存在的直接证据，这将是神经科学与量子物理学交叉领域的一大步。

这一理论的潜在影响已超越数学范畴。例如，罗杰·彭罗斯（Roger Penrose）和斯图尔特·哈默罗夫（Stuart Hameroff）等研究者曾提出意识可能与微管中的量子相干性有关。尽管他们的观点广受讨论，但这项新工作提供了一个严谨的框架，可能使这些直觉更接近实验验证。从实际应用角度看，研究人员推测，神经可塑性等现象——即大脑适应和学习的能力——可能具有量子成分。他们还猜测，某些与神经系统疾病相关的脑振荡模式，或许能从这一新视角得到更好的解释。若该理论得到证实，它将为理解癫痫病等疾病，甚至麻醉剂的作用机制开辟新的途径，将神经元的电学行为与此前似乎仅限于亚原子粒子的量子原理联系起来。

尽管目前仍是理论发展阶段，戈斯和皮诺茨斯的这项工作促使我们改变视角。生物学与量子学之间的界限，或许并非由微观尺度决定，而是取决于探测噪音中隐藏模式的能力。未来的挑战在于将这些想法转化为实验室可验证的实验。对于研究者而言，关键在于设计出能够以高分辨率技术测量最小电波动的实验。如果这些测试证实了离散能级或量子相干态的存在，那么大脑将不再仅仅是经典生物学的专属领域。这不仅关乎技术细节，更关乎一种全新的思维方式——一座连接基础物理学与意识体验的桥梁。如果这座桥梁得以证实，神经科学和物理学的历史将以一种直到不久前还如同科幻般的方式交织在一起。

这项研究将经典神经科学中的“神经噪音”与量子力学中的基本方程联系起来，特别是借鉴了爱德华·尼尔森（Edward Nelson）在20世纪60年代提出的，关于随机运动（如布朗运动）可以用与量子物理学相同的方程来描述的观点。研究者证明，描述神经元活动的经典方程可以转化为薛定谔方程的一个变体，暗示大脑的运作可能遵循量子原理。他们还发现，更复杂的菲茨休-纳古莫模型，一个常用于模拟神经元电脉冲的模型，也可以被改写为量子方程的形式，这表明大脑的物理学可能比以往认为的更为丰富。

研究的核心在于将“神经噪音”视为一种隐藏的结构，类似于概率波，而非简单的干扰。这种视角为理解神经元如何处理信息开辟了新途径。研究者提出的“神经元常数”概念，类似于量子物理学中的普朗克常数，如果能被测量，将为量子现象在单个神经元层面的存在提供直接证据。这一理论的潜在影响包括为理解意识、神经可塑性以及某些神经系统疾病提供新的解释框架。