復(fù)雜的大腦功能如何產(chǎn)生,？語言區(qū)僅僅負(fù)責(zé)產(chǎn)生語言功能嗎？事實(shí)上,，科學(xué)家們早就發(fā)現(xiàn),，最簡單的大腦功能都需要幾個(gè)腦區(qū)的協(xié)同作用,。1990年，Zeki 提出了功能連接（functional connectivity）的概念,，定義為空間上不相鄰腦區(qū)的生理指標(biāo)在時(shí)間上的相關(guān)性,，刻畫了不同腦區(qū)的功能性協(xié)同作用，奠定了從復(fù)雜網(wǎng)絡(luò)角度研究研究大腦認(rèn)知功能的基礎(chǔ),，其中腦區(qū)為網(wǎng)絡(luò)節(jié)點(diǎn),，腦區(qū)之間的功能連接為連接邊。

模塊化是大腦功能網(wǎng)絡(luò)的最顯著的特征,。模塊內(nèi)部的節(jié)點(diǎn)之間連接較強(qiáng),，保證了模塊內(nèi)部腦區(qū)神經(jīng)信息的高效傳遞`，而不同模塊之間的功能連接較弱,，從而保證模塊能夠獨(dú)立自主的產(chǎn)生局部的功能,，即功能性分離。自相矛盾的是,，模塊之間連接也需要足夠強(qiáng)的功能連接,，使局部功能進(jìn)行全局的整合，從而產(chǎn)生復(fù)雜的大腦功能,，即功能性整合,。

大腦功能網(wǎng)絡(luò)的功能性分離與整合過程（Network attributes for segregation and integration in the human brain）,。

多年來,，大多數(shù)的科學(xué)家們都認(rèn)為大腦在靜息態(tài)時(shí)維持了功能性分離與整合的動(dòng)態(tài)平衡，時(shí)刻為各種各樣的認(rèn)知任務(wù)準(zhǔn)備著,。但是,，如何來刻畫功能性分離與整合的動(dòng)態(tài)平衡,？

西班牙龐培法布拉大學(xué)（UPF）的Gorka認(rèn)為最優(yōu)的平衡，既需要模塊內(nèi)部強(qiáng)的連接,，又需要模塊之間較弱的連接,，此時(shí),，功能連接分布最接近于均勻分布,。從而可以用功能連接的分布范圍來刻畫分離與整合的平衡（即功能網(wǎng)絡(luò)的復(fù)雜度，更大的復(fù)雜的表明更平衡的功能性分離與整合）,，并提出真實(shí)大腦擁有最平衡的功能性分離與整合,，即最大的復(fù)雜度。

西安科技大學(xué)的王榮及其合作者認(rèn)為,，網(wǎng)絡(luò)全局同步成分與復(fù)雜度的定義相違背,，只有 “掀開”全局同步成分的蓋子，才能顯現(xiàn)出真正的功能連接的復(fù)雜性,。并且他們基于這一理念,，進(jìn)一步證明了靜息態(tài)大腦具有最高的復(fù)雜度,，從而維持了功能性分離與整合的平衡。

那么,，大腦為什么以及如何產(chǎn)生最平衡的功能性分離與整合過程,？在這篇論文中，研究者分別從大腦分層結(jié)構(gòu)以及大腦臨界性兩個(gè)方面對這個(gè)問題進(jìn)行了闡述,。

很明顯,，大腦結(jié)構(gòu)是產(chǎn)生一切認(rèn)知功能的基礎(chǔ)，但是結(jié)構(gòu)與功能之間的關(guān)系一直是神經(jīng)科學(xué)家們致力于了解的問題,。

科學(xué)家們通過一種特征模態(tài)（eigenmodes）的方法,，給出了功能網(wǎng)絡(luò)功能性分離與整合與大腦結(jié)構(gòu)的關(guān)系。特征模態(tài)理論在力學(xué)振動(dòng)系統(tǒng)中是非常經(jīng)典的理論,，認(rèn)為系統(tǒng)具有相互獨(dú)立的固有結(jié)構(gòu)模態(tài),，結(jié)構(gòu)模態(tài)被激活產(chǎn)生復(fù)雜的組合，進(jìn)而形成各種各樣的動(dòng)力學(xué)模式,。

在大腦系統(tǒng)中,，王榮等發(fā)現(xiàn)固有結(jié)構(gòu)模態(tài)可以反映結(jié)構(gòu)網(wǎng)絡(luò)的分層模塊化特性。由于結(jié)構(gòu)模塊激活可以產(chǎn)生功能性的分離,。高階結(jié)構(gòu)模態(tài)包含許多小的模塊,，對應(yīng)著很強(qiáng)的功能性分離。隨著結(jié)構(gòu)模態(tài)的激活,，高階模態(tài)中的小模塊逐漸整合成較大的模塊,，形成了功能性的整合；而較大的模塊還可以在更低階模態(tài)中整合成更大的模塊,，進(jìn)一步形成分層的功能性分離與整合,。

大腦就是通過這種結(jié)構(gòu)模態(tài)分層的激活模式形成功能性的分離與整合過程?！皩τ趯W(xué)力學(xué)出身的人來說,，這一激活過程看似平淡無奇，但卻對理解大腦功能性分離與整合能力的形成具有重要意義”,。

王榮等進(jìn)一步基于特征模態(tài)的正交性,，構(gòu)建了功能網(wǎng)絡(luò)與結(jié)構(gòu)網(wǎng)絡(luò)之間的關(guān)系，發(fā)現(xiàn)當(dāng)結(jié)構(gòu)上的分層模塊化信息最大化利用的時(shí)候,，大腦功能網(wǎng)絡(luò)具有最高的復(fù)雜度,，支持了最優(yōu)的功能性分離與整合的平衡。而且結(jié)構(gòu)網(wǎng)絡(luò)的分層結(jié)構(gòu)破壞以后,，功能網(wǎng)絡(luò)的復(fù)雜度顯著下降,，進(jìn)一步驗(yàn)證了大腦分層結(jié)構(gòu)是功能性分離與整合能力的基礎(chǔ)。

但是,，固有的大腦結(jié)構(gòu)信息需要?jiǎng)恿W(xué)過程（即神經(jīng)活動(dòng)）才能激活,，在功能性分離與整合過程平衡的過程中,，大腦的動(dòng)力學(xué)特征又扮演著什么作用？ 

特征模態(tài)揭示大腦的分層模塊化結(jié)構(gòu)

臨界性這一概念來源于統(tǒng)計(jì)力學(xué),，說的是復(fù)雜系統(tǒng)在有序和無序狀態(tài)之間的轉(zhuǎn)換狀態(tài),。

大腦臨界性是指神經(jīng)元（或腦區(qū)、fMRI圖像中的像素點(diǎn)等）的激活尺寸（也叫雪崩尺寸）與發(fā)生頻率之間具有簡單的指數(shù)關(guān)系（即冪率規(guī)律）,。自20世紀(jì)90年代,，Per Bak提出大腦臨界性以來，科學(xué)家們在大腦各個(gè)尺度上都觀察到了冪率行為,，包括神經(jīng)元尺度,，局部場電位以及全腦。

但是,，對大腦臨界性的反對聲音從未停止,，主要是因?yàn)閮缏赎P(guān)系也可以出現(xiàn)在隨機(jī)系統(tǒng)中，如猴子打字機(jī)模型,。2017年,，法國法蘭西學(xué)院的Jonathan Touboul進(jìn)一步證明神經(jīng)系統(tǒng)在非臨界點(diǎn)處，也可以產(chǎn)生冪率分布,。但是,，這一結(jié)果不僅沒有打擊科學(xué)家們對大腦臨界性的研究，反而促進(jìn)了反對者提出更加苛刻的臨界性測試,，即雪崩大小與持續(xù)時(shí)間以及大小和持續(xù)時(shí)間之間的關(guān)系都要服從冪率分布,。

2019年5月，F(xiàn)ontenele, Antonio等在PRL發(fā)表文章,，指出神經(jīng)元雪崩的大小和持續(xù)時(shí)間能夠通過這一嚴(yán)格的冪率分布檢驗(yàn),，同時(shí)，王榮等也在PRL發(fā)文指出,，全腦尺度的神經(jīng)活動(dòng)也能通過這一檢驗(yàn),，為大腦臨界性提供了更多的證據(jù)。

         

不同分辨率下,，大腦的雪崩大小,、持續(xù)時(shí)間和大小與持續(xù)時(shí)間的分布都滿足嚴(yán)格的臨界性測試 

對于物理學(xué)家來說，大腦臨界性具有誘人的前景,。來自巴西伯南布哥聯(lián)邦大學(xué)的物理學(xué)家Mauro copelli說道：“如果大腦處于無序狀態(tài),，那么它很難處理信息,，如果大腦太井井有條,，那么就很難適應(yīng)環(huán)境的變化”，以往的研究也表明臨界性在神經(jīng)系統(tǒng)對外界刺激的響應(yīng),，信息的處理能力以及大腦狀態(tài)之間的靈活切換方面具有重要意義,。

研究者基于一個(gè)簡單的線性模型,，發(fā)現(xiàn)當(dāng)結(jié)構(gòu)信息最大化激活，產(chǎn)生最優(yōu)平衡的功能性分離與整合能力的附近,，模型也能夠產(chǎn)生最相似的雪崩大小分布,，表明了大腦的臨界性最大化激發(fā)了結(jié)構(gòu)上的分層模塊化信息，產(chǎn)生最優(yōu)的功能性分離與整合的平衡,。

綜上,，大腦的分層模塊化結(jié)構(gòu)提供了固有的功能性分離與整合能力，而大腦臨界性可以最大化激活這種固有能力,，產(chǎn)生最優(yōu)的功能性分離與整合的平衡,。

這些結(jié)果將大腦功能、結(jié)構(gòu)和動(dòng)力學(xué)聯(lián)合起來,，極大地促進(jìn)了網(wǎng)絡(luò)科學(xué),、神經(jīng)科學(xué)以及物理學(xué)領(lǐng)域?qū)Υ竽X工作機(jī)理的理解，對于類腦智能機(jī)器的開發(fā)具有重要的指導(dǎo)意義,。