導語

人類大腦是一個由數以百億計的神經元相互連接所構成的復雜系統，被認為是「已知宇宙中最復雜的物體」。大腦中的神經元和突觸如何相互作用涌現出智能和意識？因果涌現理論、信息論或信息分解、網絡科學等理論與工具，有望破解大腦這一復雜系統的涌現規律。

因果涌現讀書會第四季發起人、圣路易斯華盛頓大學（WUSTL）系統科學與數學系博士生呂奧博應社區成員需求，邀請佛蒙特復雜系統中心博士后研究員 Thomas F. Varley 做此次主題報告。活動由集智俱樂部「」與「」讀書會聯合舉行，邀請到兩個社區的多位老師共同參與討論交流。活動計劃于美國中部時間3月7日（周四）7:00-10:00 PM，北京時間3月8日（周五）9:00-12:00 AM 線上公開進行。歡迎感興趣的朋友參與！

主講人：Thomas Varley，佛蒙特復雜系統中心博士后研究員

" data-status="0" data-="-@finder-47229-" data-="0" data-="">

背景介紹

人類大腦是一個由數以百億計的神經元相互連接所構成的復雜系統，來自不同學科背景的研究人員從不同層級尺度和角度，將腦作為信息處理系統構建模型進行研究。其中，網絡科學為整合多尺度數據和復雜性提供了一個框架，成為研究大腦復雜系統的有力工具。

此次報告的主講人 Thomas F. Varley 目前在佛蒙特復雜系統中心從事博士后工作，研究方向是復雜系統、網絡和計算神經科學、信息論應用于腦科學。他于2023年于印第安納大學計算認知神經科學實驗室取得博士學位，導師是 Olaf Sporns。該實驗室的主要目標是理解大腦作為一個復雜系統的結構和功能，重點關注神經元和腦區之間的連接和相互作用如何產生大腦動力學、認知和行為。研究中將大腦視為嵌入到行為有機體并支持信息處理與整合的復雜網絡，借鑒來自計算神經科學、圖論、時間序列分析、復雜性科學和信息論的方法對大腦進行分析和建模，重點關注人類大腦數據，也包括非人靈長類、嚙齒類和昆蟲的大腦。集智俱樂部因果涌現系列讀書會曾解讀過 Varley 的多篇論文（詳情請見參考資料）。

報告簡介

此次報告中 Thomas Varley 將介紹與 Olaf Sporns 合作在2023年發表的兩篇最新研究。首先介紹將復雜系統建模為網絡（假設成對交互）的“標準”方法，然后討論為何成對相互作用的模型無法捕捉高階協同效應，這意味著網絡中存在“陰影結構”（shadow ）——一個具有相互依賴關系的巨大空間，但在標準的網絡分析中“不可見”，而且由于組合學，比網絡空間要大得多。這個結構常常被類比為“暗物質”：在給定的復雜系統中有很多用網絡工具看不見的“東西”，但我們知道它存在。這引發我們思考，高階/涌現信息理論對復雜系統研究的未來意味著什么。

解讀論文（詳情見后文）

[1] Varley, T.F., Pope, M., , J. et al. theory of the human cortex. Commun Biol 6, 451 (2023).

[2] Varley T F, Pope M, Puxeddu M G, et al. Partial entropy reveals higher-order in human brain . of the Academy of 120 (30), (2023).

報告人

Thomas F. Varley，現在佛蒙特復雜系統中心（Vermont Complex Systems Center）從事博士后工作。2023年于印第安納大學獲得博士學位，研究方向是復雜系統、網絡和計算神經科學、信息論在腦科學中的應用。此前在美國漢普郡學院獲得神經生物學和神經科學學士學位，劍橋大學臨床醫學（臨床神經科學）碩士學位。

學者主頁：

活動發起人 & 主持人

呂奧博，圣路易斯華盛頓大學（WUSTL）系統科學與數學系博士生，研究方向為系統科學、信息論、控制等。

特邀嘉賓

張江，北京師范大學系統科學學院教授，集智俱樂部、集智學園、集智科學研究中心創始人，曾任騰訊研究院、華為戰略研究院等特聘顧問。主要研究領域包括復雜系統分析與建模、規模理論等。

陳育涵，北京師范大學系統科學學院副教授。研究方向：靈長類大尺度計算神經模型、兒童腦發育結構功能連接組發育機制。

袁冰，集智科學研究中心技術與產品顧問。研究興趣包括因果推斷、復雜科學，以及人工智能相關領域。

章彥博，美國亞利桑那州立大學復雜系統博士，本科畢業于中國科學技術大學凝聚態物理系，現在塔夫茨大學進行博士后研究，集智科學家，曾在瑞典卡羅琳斯卡醫學院進行訪問交流。研究方向：統計物理、復雜系統等。他的研究興趣主要是試圖理解我們這個世界的“特殊尺度”。為什么原子會存在？為什么分子會存在？為什么“事物”的概念是一個有用的概念？此外，他還致力于利用化學反應網絡探索生命的起源。

田洋，清華大學心理學系&腦與智能實驗室研究生，研究方向是復雜系統的統計物理原理。

參與方式

直播信息

北京時間：2024年3月8日（本周五）上午9:00-12:00

美國中部時間：2024年3月7日（周四）晚上7:00-10:00

主講人：Thomas Varley，佛蒙特復雜系統中心博士后研究員

" data-status="0" data-="-@finder-47229-" data-="0" data-="">

參與方式

斑圖地址：

此次讀書會公開進行，掃碼即可直接獲取讀書會回看權限（回放視頻預計三日內上線）。社區成員可進入線上Zoom會議室參與討論。歡迎感興趣的朋友報名因果涌現讀書會，加入因果涌現社區，與社區的一線科研工作者溝通交流，共同推動因果涌現這一前沿領域的發展。

報名成為主講人：

讀書會成員均可以在讀書會期間申請成為主講人。主講人作為讀書會成員，均遵循內容共創共享機制，可以獲得報名費退款，并共享本讀書會產生的所有內容資源。具體見系列讀書會詳情：。

主要解讀論文

Biology：多變量信息理論揭示人類大腦皮層的協同子系統

theory of the human cortex.

大腦建模的一種最為成熟的工具是功能連接網絡（ network），它由成對相互作用的大腦區域構建而成。網絡模型雖然強大，但也受到限制：它僅考慮成對依賴關系，可能會忽略高階結構。

研究使用模擬退火方法找到了最大協同子系統，發現這些系統通常由來自多個經典大腦系統的大約10個腦區域組成。盡管高度協同的子系統無處不在，但在考慮成對功能連接時卻是不可見的，這表明高階依賴關系形成了一種“陰影結構”（shadow ），這是基于網絡的分析所忽視的。大腦中的高階相互作用代表了一個未被充分探索的領域，可以通過多元信息理論的工具來獲得新的科學洞察。

Partial entropy reveals higher-order in human brain

將人腦建模為復雜系統的標準方法是使用網絡，其中基本的交互單元是兩個腦區之間的成對鏈接。這種方法很強大，但由于無法直接評估涉及三個或更多元素的高階交互而存在一定限制。這篇發表于 PNAS 的研究探索了一種捕捉多元數據中高階依賴關系的方法：局部熵分解（partial entropy , PED）。該方法將整個系統的聯合熵分解為一組非負信息原子，用來描述構成系統結構的冗余、特有和協同交互。局部熵分解提供了對功能連接及其局限性的數學洞察。當應用于靜息態功能磁共振成像（fMRI）數據時，研究者發現了高階協同的穩健證據，這在標準功能連接分析中很難觀察到。該方法還可以在時間上定位，允許逐幀分析冗余和協同分布在記錄過程中如何變化。研究發現，不同的腦區集合可以瞬時地從冗余主導轉變為協同主導，并且這種時間模式是結構化的。這些結果強有力地表明，在人腦數據中存在大量未被探索的結構，它們在關注雙變量網絡連接模型時很大程度上被忽略了。這種協同結構在時間上是動態的，并且可能揭示出大腦與行為之間的有趣聯系。除了在大腦這一特定應用方面，局部熵分解為理解各種復雜系統中的高階結構提供了一種非常通用的方法。