根据热力学，任何有机体都在不断地与其环境交换物质和能量。因此，系统处于非平衡状态。在《什么是生命》这本书中，奥地利物理学家薛定谔提出，维持生命完全是以远离平衡为前提的:‘活的有机体如何避免衰变？通过吃喝呼吸和消化（新陈代谢）。根据这种观点，最终的平衡就是死亡，因此生存取决于尽可能远离平衡。
然而，在后来的生活中，薛定谔转向了发现生命的本质力量和理解热力学领域将如何能够帮助解决这些重大而重要的问题。当时，对人类大脑的科学研究还处于初级阶段，因此不是薛定谔研究的重点。但是从那时起，神经科学取得了巨大的进步。现在已经非常清楚的是，大脑一定是生物体如何避免平衡和死亡的主要驱动力。事实上，最近的发现已经开始为大脑如何在非平衡状态下能够繁荣发展，以及非线性大脑动力学如何在基本上无序的环境中找到秩序，从而提高生存机会提供了新的线索。
在过去的几十年里，脑科学家们一直致力于研究当我们从事特定的任务时，大脑是如何主要被环境中瞬间刺激驱动的。然而，正如美国神经病学家MarcusRaichle的开创性研究所表明的，人们越来越清楚地认识到，大脑并非完全由环境信息驱动。相反，大脑主要是由内在的静息状态活动塑造的，在解释、响应甚至预测环境需求时，大脑状态会进行切换。
维持内在静息脑活动的代谢能消耗远大于外在任务的驱动需求(如观看视觉刺激或解决认知任务)所消耗的代谢能，这一事实支持了上述观点。据估计超过20%的能量消耗是由大脑消耗的，而大脑只占体重的2%，Raichle诗意地谈到了大脑的‘暗能量’。
在这里，我们建议融合薛定谔和Raichle的观点，来表明大脑和环境之间的能量流动正在推动维持生命所需的非平衡状态。这导致了一个关于心智热力学的新理论，这个理论借鉴了物理学的思想，使研究人员能够以极高的精确度量化和描述导致非平衡的大脑处理过程。
根据热力学第二定律，随着时间的推移，一个系统趋向于从有序到无序。在热力学语言中，这种无序程度的增加可以表示为“熵”。因此，该定律指出，当产生熵大于零时，这相当于一个在时间上处于非平衡和不可逆的系统。对所有的生命系统来说都是如此。相比之下，如果体系中没有产生熵，这是一个处于平衡和可逆的时间体系。这在产生熵、非平衡性和不可逆性之间建立了牢固的联系，年，英国物理学家ArthurEddington来表示。
一个极好的例子，一个非平衡系统与相关的熵和时间之箭发生时，镜头的玻璃被打碎时。熵随着系统从有序到无序而增加，事件的因果序列，也就是时间之箭，非常清楚。相比之下，当我们倒着看同一个电影片段时，我们立刻意识到玻璃是不可能再聚合在一起的，从无序到有序。这些事件的不可能性是非常明显的，时间之箭必须逆转。
有趣的是，在他最近的一部电影《原则》()中，导演克里斯托弗·诺兰结合了这样的视觉片段，它们在时间上既向前运行又向后运行。这最初会造成混乱，但我们很快就学会了辨别不同的视觉元素——比如高速公路上的汽车突然从毁坏中反弹回来——并立即识别出这种违反预期时间向前箭头的行为。
热力学的美妙之处在于，时间之箭可以用数学上的产生熵来精确描述，当系统从有序变为无序时，比如玻璃破碎时，时间之箭就会增加。总产生熵可以计算出来，如果大于零，系统就称为不可逆系统和非平衡系统。换句话说，玻璃被打碎是不平衡和不可逆系统的一个明显例子(除了在特尼特虚构的真实世界违背物理学的世界)。
相比之下，作为一个处于平衡状态的系统的例子，想象一下观看撞球的镜头。当你从前往后看这部电影的时候，你会很难分辨出每部电影的时间箭头。用热力学的术语来说，这是因为这个过程不会产生熵并且从本质上产生可逆过程。
这些热力学概念是强大的工具，原则上可以应用于任何事情。因此，研究人员已经开始将它们应用于大脑信号。这使我们能够通过简单地测量大脑信号的不可逆性水平，来衡量环境是如何驱动大脑的。在正在进行的研究中，我们正在研究这些工具如何捕捉大脑中的时间和产生熵，从而能够精确评估外部世界和我们的身体如何在不同情况下驱动大脑进入非平衡状态。有可能，这甚至可以用来描述在任何明显症状开始显现之前病变大脑平衡的变化。
最近，我们把热力学和机器学习技术的力量结合起来，可描述大脑信号中的时间箭头。深度学习方法在创造有用的工具方面非常成功，例如从一种语言到另一种语言的自动机器翻译。其关键思想是深度学习算法学习大数据中的模式，然后将学习到的模式推广到新的情况。举个例子，以语言学习为例，深度学习可以从两种或两种以上语言的文本上进行，然后学会在某个特定的上下文中概括出一个单词。这使得算法可以生成比以前的技术更好的机器翻译，例如在使用谷歌翻译时可以看到这一点。
我们使用深度学习来学习区分前向和后向的大脑信号。最初，在学习阶段，每个大脑信号被标记为前向或者人工生成的后向版本，深度学习算法学会高精度地区分它们。在测试阶段，新的大脑信号被输入到深度学习算法中，并根据规则进行分类。
为了向诺兰致敬，我们称这种算法为原则(时序进化网络)。该算法的优点在于，对脑信号使用的准确度水平直接可给出给定脑状态的不可逆性和非平衡性水平。通过这种方式，我们可以评估环境在不同条件下驱动人类大脑的水平，无论是休息还是执行任务时。
研究结果证实，总的来说，大脑是由环境驱动的，更重要的是，人类大脑在执行不同的任务时，比在休息时更接近于非平衡状态，更不可逆转。相比之下，当使用该网络来描述神经精神病患者与双相情感障碍，多动症和精神分裂症患者的静息状态大脑活动时，我们发现这些患者的大脑比健康参与者的大脑更接近平衡。这表明，神经精神病患者的大脑更加与环境隔离，更有可能是内在驱动的。例如，抑郁症患者的情绪反刍会导致与外部世界的恶性隔离，从而导致抑郁症。
总的来说，使用热力学方法来描述大脑活动可能在提供新的生物标志物方面非常有用，这些生物标志物可以帮助在第一个严重症状出现之前很早就确定那些有疾病风险的人。事实上，进一步建立疾病中大脑活动的全脑模型可能有助于确定干预策略，以避免大脑变得更接近平衡状态，从而减少参与世界活动的风险。
这些发现是有希望的，但仍然有挑战需要克服。对深度学习的主要批评之一集中在其是一个黑匣子，这可能对解决复杂问题有相当大的实用价值，但对于如何仿真实现这一点上，却没有产生多少新的洞察力。这种批评并不适用于使用深度学习来学习大脑信号中的时间箭头，因为我们仅仅把它作为一种高效的工具来发现大脑信号中的可逆性水平。事实上，我们已经使用了其他不相关的技术来估计大脑信号的产生熵和可逆性，这些技术帮助我们更深入地理解了心灵的热力学。
为了补充这些热力学的发现，并且为了真正理解非平衡大脑状态的非线性产生，我们也使用了湍流的原理。这项研究使我们超越了仅仅建立非平衡系统中的时间箭头。
大多数人一想到湍流，就会联想到漩涡般的水流，或者经常联想到在飞机上的可怕经历。但是，湍流首先是自然界中一个非常有用的基本原理，它提供了最佳的混合特性，允许能量/信息在空间和时间上的有效转移。事实上，过去一个世纪的研究已经表明，湍流是在许多尺度上跨时空的级联能量的最佳方式，这是物理系统的基本组织原则。在非常实用的层面上，已被证明具有许多重要和相关的应用:从帮助混合原料的烹饪过程中的混乱搅拌，到找到改进化工厂、飞机和风车的更节能的方法。
达芬奇绘制的湍流图
历史上，湍流是由达·芬奇在-年创造的，当时他正面临着一个最困难的挑战，那就是试图从看似随机的水漩涡中捕捉到潜在的秩序。然而，他并不回避试图理解和描述这种拥挤动态的潜在产生原理。他想出了意大利语中的turbolenza一词，源自拉丁语中的turba，意为“人群”。这种不同尺度的涡流角色塑造，明显早于英国博学者LewisFryRichardson(-)的开创性观察，他是数学天气预报的先驱，描述了重要的湍流能量级联原理。
Richardson建立在达芬奇的观察基础上，他观察到流体中存在大小不同的涡旋或漩涡，每个涡旋对应一个旋转运动。大型涡旋和小型涡旋之间的相互作用，以速度或动能的形式交换能量;这被称为能量级联，它在不同尺度上传递能量，这大致相当于不同涡旋的大小。
俄罗斯数学家AndreyKolmogorov开创性的提出了具有高度影响力的理论，论证了一个基本的功率标度律，揭示了流体动力学的关键潜在机制，即平衡动力学和粘性耗散的能量级联。空间功率标度律是湍流的一个标志，它提供了Richardson早期的级联涡流概念的数学描述。这与达芬奇的观察结果显著相关，达芬奇观察到旋涡中心的周长收缩速度比水的推动力减小速度更快，这就是为什么水在中心附近旋转得更快。
心理热力学指出，大脑必须通过使我们尽可能远离平衡状态来确保我们的生存。不幸的是，大脑相当缓慢，信号在神经元之间传输需要几十毫秒的时间，没有多少时间对环境中的危险事物做出反应。因此，多年来，大脑如何仍然能够如此迅速地处理如此多的信息一直是个难题。考虑到湍流是自然界各个层次能源/信息交流的指导原则，这个深奥问题的关键答案就是湍流。
最近，我们证明了整个大脑必要的快速信息共享是经由湍流信息级联进行的。此外，我们能够证明，在复杂环境中生存所需的组合是通过使用罕见的长程解剖连接的湍流信息级联而成为可能的。这提供了必要的信息传递速度，使一个小的区域全局工作空间成为进入意识，成为指挥者。
总的来说，薛定谔关于是什么让我们生存下来的问题，同样可以很好地从大脑如何允许内在信息和外在信息的最佳混合程度的角度来提出。事实证明，湍流是自然界最有效的跨时空混合和传输能量/信息的方法。这里展示的新奇结果表明，大脑为了生存，在寻求远离平衡的过程中，明显地利用了湍流。
因此，湍流和热力学非平衡是同一枚硬币的两面，即大脑是如何被环境驱动和导航的。这些原则不仅使我们能够生存，而且时不时地使我们茁壮成长。因此，我们当前的主要目标之一就是通过研究大脑状态，如冥想或音乐，来促成大脑处于繁盛的远离平衡态。
原文链接：