海歸學者發起的公益學術平臺
分享信息，整合資源
交流學術，偶爾風月
宇宙的一個引人入勝之處是，相似的形狀和圖案總是能不經意間在最不相干的地方被發現。人類耳蝸和螺旋星系具有著類似的螺旋結構；閃電轉瞬即逝的痕跡中出現了與人類靜脈類似的走向；中子星外層和人類細胞細胞膜形態接近……而在一項最近的研究中，科學家比對了人腦神經元網絡與宇宙網絡的形狀特點，並發現了二者在結構上的驚人類似。
在這項大膽的先導研究中，一位天體物理學家和一位神經外科醫生通過定量分析，比較了自然界中兩個最複雜的系統：人腦中的神經元網絡和宇宙中的星系宇宙網絡。而他們也確實因自己的發現而吃驚，宇宙可能與人類大腦——這個大小僅是其十億億分之一的物體——具有自相似性。一種神秘的結構相似性竟然穿越了27個數量級，使二者在滄海一粟的無限落差中相遇。
這一相似性對人們來說並不新鮮。早有科幻小說推想人類的大腦就是一個宇宙，通過想像力和文學將這個理念傳播開來。而在更早的研究裡，有研究人員利用大型計算機模擬了宇宙的生長演變，在模擬進行了一段時間後，他們驚訝地發現，宇宙生長出來的結構竟然和人腦十分相似。
Figure.1 宇宙網絡物質分布模擬圖（左）與小腦神經元胞體分布圖（右）其中神經元經過2F11單克隆抗體染色後顯示出神經纖維束（neurofilament）的形態，右圖由摩德納大學附屬醫院解剖病理系的Elena Zunarelli博士提供
但是，除了外觀之外，人腦和宇宙還有著更多的共性。在過去的幾年中，本次研究的負責人——義大利博洛尼亞大學的天體物理學家Franco Vazza和義大利維羅納大學的神經外科醫生Alberto Feletti，一直致力於探索兩者表皮之下的更深入的相似性。
2017年，他們在雜誌《Nautilus Quarterly》發表文章提到：星系可被分為很多不同規模的巨型結構，分別被稱作「星系團」（cluster）、「超星系團」（supercluster）和「纖維束」（filament），延伸數億光年之遠。而這些結構之間的邊界及其周圍被稱作「空洞」（cosmic void）的空間可能極其複雜。引力作用將這些邊界上的物質加速到每秒數千公裡，在星際氣體中產生了駭人的衝擊波和湍流。通過衡量描述它所需的信息位數的大小，我們已經預測到絲狀結構與空洞的邊界是宇宙中最複雜的空間之一。
兩位科學家關心的是，這個充盈宇宙的超巨結構與我們的大腦究竟存在怎樣的聯繫，而這種聯繫又是如何發生的？
Figure.2 Franco Vazza（左）和Alberto Feletti（右）
他們的研究從定義兩者之間的相似之處開始。
人類小腦有將近690億個神經元，此外，佔大腦80%的皮質灰質中還有約60億個神經元，可觀測的宇宙網絡則包含超過1000億個星系。我們可以看到，人腦中的神經元總數與可觀測宇宙中的星係數目大致相同。而兩者也具有類似的構建形式，都是由「節點—細絲」形式連接而成的網絡結構。節點之間的信息和能量流僅佔每個系統質量和能量含量的25％左右。
人腦和宇宙在組成成分上也有接近之處。研究人員將暗物質和水類比，因為它們都是在各自的網絡體系中扮演著惰性填充物的角色。有趣之處是，大腦中水約佔77％的質量，而宇宙中的暗物質則佔去了72％的質量。
不過上述的分析還是定性的。研究的定量分析部分則提供了更令人信服的論據。兩位科學家通過定量比較、測量微小波動的強度，發現儘管人腦神經網路與宇宙結構在大小規模上存在實質性差異（相差了27個數量級），驅動宇宙結構和人腦結構形成的物理過程也全然不同，但兩者的複雜結構分布卻驚人地相似。
Figure.3 空間尺度上的波動分布函數，同時示出了雲團、樹枝、等離子體和湍流的功率譜密度以作比較；灰色為腦灰質曲線，藍色為小腦曲線，紅色為宇宙網絡曲線。
Vazza博士表示：「我們對兩個系統的譜圖密度分別加以計算。這是天文學用於研究星系空間分布的一種常規手段。結果分析表明，從1微米到0.1毫米的範圍內，人類小腦的神經元網絡內波動和宇宙網絡物質分布過程極為接近。」
研究還比較了人腦網絡和宇宙網絡的一些其他參數。比如，就連接到每個節點的細絲數量而言，人類大腦皮層中每個節點平均佔有4.6至5.4個接口，而宇宙網絡的這一數值為3.8至4.1。並且人腦和宇宙所表現的信息容量也較為接近。
人類大腦的記憶力約為2.5 PB（1PB=1024TB）。而一些模擬研究表明，想要模擬出描述整個可觀測宇宙的演變需要大約 1到10PB；將宇宙結構所具有的複雜性轉化為信息容量則約為4.3 PB。這些數值的極端接近，似乎意味著可以人腦中的所有信息儲存編碼為一個宇宙。當然，這並不是說宇宙就是個大腦抑或是具有感知能力。但人們的確可以合理推測兩者背後有著類似的結構增長機制。
此外，這個分析並未指出兩個系統間的動態相似性。構建信息在時間和空間內的傳遞模型將是接下來的研究關鍵。對於宇宙網絡，這已經可以通過數值模擬實現；對於人腦，研究需要依靠更多全球樣本的估算數據。研究人員表示，他們希望在不久的將來能夠在更複雜的數字人腦模型中檢驗這些概念。