人类大脑是自然界中最节能的智能系统之一，仅需约20瓦的代谢能量，便能支持感知、记忆、学习、思维和运动控制等复杂功能。然而，大脑如何以如此低的能耗处理如此庞大的信息，一直是生物医学领域的一个根本性问题。
近期，南京航空航天大学的Ma和Guo团队在《国家科学评论》（National Science Review）上发表了一项开创性研究，提出了一种名为“大脑高能效信息处理动力学”的全新理论框架。这项工作从物理学角度阐释了神经系统如何通过动态电生理活动来存储和处理海量信息。
传统的脑功能描述多侧重于单个神经元如何产生动作电位、突触如何传递信号，或脑区之间如何相互作用。尽管这些方法极大地推动了神经科学发展，但未能充分解释大脑为何如此高效节能。这项新研究将关注点从孤立的神经事件转向了神经元集合的时空组织。
研究团队超越了将记忆和计算视为静态突触状态或孤立神经元动作电位的传统模型，将局部功能电路建模为多尺度“神经球”内的参数化数字神经元集合。这些数字神经元包含了形态学和电生理学信息。基于能量最小化原则，研究人员构建了一个统一结构与功能的“神经球”模型，从而能够在代谢约束下模拟局部大脑活动。通过系统模拟不同拓扑连接、初始电位状态和神经元规模的神经元集合，团队发现神经元群体能够产生丰富的、具有周期性特征的电生理活动。这些结果表明，大脑中的信息可能并非仅存储在单个神经元或突触中，而是编码在众多神经元协同形成的动态电模式中。
为解释这些发现，研究人员引入了非线性动力学、混沌理论和分形理论的概念。在他们的框架中，不同的输入对应于神经元集合的不同初始条件。这些初始条件可以演化为周期性的电位波形，作为信息的动态物理载体。这些波形既能保存信息，又能参与进一步的处理。研究结果揭示，信息编码于由非线性动力学、混沌和分形理论支配的集体时空电模式中。
该框架还带来了惊人的量化估计。大脑计算和通信所需的能量仅约为兰道尔极限（Landauer limit）的1.26倍，实现了高达79%的运行能效。 兰道尔极限是物理学中的一个基本原理，定义了擦除一个比特信息所需的最小物理能量。这表明神经网络的运行接近信息处理的绝对热力学边界。
模型预测人类大脑的最大存储容量可达7.48 × 1018字节，比基于突触状态线性求和的传统估计高出约三个数量级。最大计算能力估计为6.24 × 1018次浮点运算每秒（FLOPS），这大致相当于约7.8万块现代高性能图形处理单元（GPU）的计算能力。
与人类大脑接近热力学物理极限的运行方式形成鲜明对比的是，现代半导体AI硬件的能耗超过兰道尔极限高达109倍（即10亿倍），这凸显了类脑芯片在优化能效方面的巨大潜力。传统模型通过线性叠加孤立、静态的突触连接来计算记忆容量，而新框架将神经元集合视为动态、非线性系统，信息编码在多维时空电模式和分形波形中，从而指数级地增加了信息存储的可用状态空间。现代AI硅芯片需要巨大的电源供应，正是因为它们的架构超出了兰道尔物理极限近十亿倍。通过模仿大脑如何利用稀疏的、集体的时空波动力学而非高电压蛮力时钟周期，工程师可以设计出能大幅降低功耗并扩展计算能力的类脑神经形态芯片。
作者们提供了一个鼓舞人心的物理图景：大脑的效率可能不仅源于其生物组成部分，更源于信息在时间、空间和集体动力学中的组织方式。这一理论可能为脑科学开辟新方向，并为开发更节能的类脑计算架构提供灵感。