日本東京大學國際神經智庫（WPI-IRCN）副教授趙治斯（Zenas C. Chao）領導的研究團隊，在 2026 年 10 月 1 日於《PLOS 計算生物學》（PLOS Computational Biology）期刊發表一項神經科學突破，指出大腦神經網路中的抑制性神經元空間排列方式，是決定大腦是否能維持在「臨界點」運作的重要關鍵。
大腦臨界點假說與沙堆模型
在神經科學領域中，「大腦臨界點假說」指出大腦神經元的排列方式，使其神經活動剛好處於兩種極端狀態的過渡點上。這兩種狀態分別為神經活動迅速消亡的有序狀態，以及神經活動迅速蔓延且可能失控擴散的無序狀態。這個過渡點被稱為臨界點，而兩側的活動狀態則分別稱為亞臨界和超臨界狀態。
研究人員經常用「沙堆」來比喻這個現象。當一粒沙子掉落到沙堆上時，可能毫無動靜，也可能引發小型或大型的崩落。同樣地，在大腦接近臨界點時，一小群神經活動有時會維持在局部，有時則會擴散至整個網路，產生各種規模的神經崩落現象。這種狀態能為神經網路提供多項計算優勢，包括極大的計算與資訊傳輸容量，以及高資訊儲存容量與動態範圍。
過去的研究顯示，網路結構、長期突觸可塑性規則，以及作為回饋迴路以穩定神經活動的恆定機制，都能將網路推向臨界點。此外，維持臨界點的一個重要參數是網路中的興奮與抑制平衡（E/I balance）。然而，大腦究竟是如何發育成這種臨界狀態的，長期以來一直是個未解之謎。
計算模型模擬抑制性連接的空間分佈
為了探討這個問題，研究團隊開發了一項計算神經網路模型，在半徑為 2 毫米的二維圓盤上隨機散佈了 80 個興奮性神經元與 20 個抑制性神經元。在此模型中，興奮性連接的空間與連接參數保持固定，而抑制性連接的最大距離與機率則在 5 乘 5 的網格中系統性地變化，產生了 25 種不同的抑制性連接條件。
研究人員獨立生成並模擬了 10 個網路原型，每個原型均套用相同的 25 種抑制性條件進行分析，每個網路皆從零突觸權重開始模擬 15 個小時。在網路達到穩定狀態後，研究人員聚焦於模擬的最後 2 個小時來探討臨界狀態。
模擬結果顯示，在多數參數設定下，超臨界行為最為常見；臨界狀態相對較少，但最常出現在中高密度的抑制性連接中。而在抑制性連接密度最高時，則由亞臨界行為主導，這與過去證實臨界點通常在 E/I 平衡維持時出現的研究結果相符。
傳遞延遲如何影響神經網路狀態
更重要的是，模擬結果揭示抑制性連接的物理距離會影響神經網路落在低於、接近或高於臨界點的位置，且這與連接密度無關。研究發現，擁有較長抑制性連接的網路，比起擁有相似數量較短範圍抑制性連接的網路，更容易呈現超臨界狀態。
這主要是因為較長距離的連接存在「突觸延遲」，也就是信號需要花費較長時間才能抵達目標神經元。這些延遲使得較長的抑制性連接比短距離連接來得弱，而較弱的抑制作用允許了更大規模的神經崩落，進而將網路推向超臨界狀態。
從產業與研究面來看，這項研究不僅填補了神經科學中關於空間分佈的理論空白，更為人工智慧與類神經系統的設計提供明確方向。當我們試圖打造更穩定且具備適應性的人工神經系統時，不能只考慮神經元的連接數量，更必須將物理空間排列與信號傳輸延遲納入考量。對一般人來說，這有助於未來醫學界進一步理解基因或發育因素如何透過影響抑制性連接來改變大腦功能。
「我們的研究結果顯示，不僅是抑制性連接的數量，它們的空間排列與傳輸延遲也共同塑造了網路的臨界點，」共同作者趙治斯博士表示，「理解空間排列與延遲如何影響神經動態，將有助於指導穩定且具適應性的人工神經系統設計，並最終協助研究人員探討基因或發育因素如何影響大腦功能。」雖然仍需進一步研究，但此項發現為理解大腦運作機轉提供了解析神經活動的新視角。
本文改寫整理自公開新聞來源，原始報導由News-Medical發布。
常見問題 FAQ
什麼是大腦臨界點假說？
大腦臨界點假說指的是大腦神經元的排列與活動，剛好處於神經活動迅速消亡的有序狀態與迅速蔓延的無序狀態之間的過渡點，此狀態能賦予神經網路最佳的計算與資訊傳輸能力。
為什麼抑制性連接的物理距離會影響神經網路狀態？
因為較長距離的連接會產生突觸延遲，信號傳遞時間較長會使長距離的抑制連接相對較弱，進而允許更大規模的神經活動擴散，將網路推向超臨界狀態。
這項研究對未來科技有什麼實質幫助？
這項研究有助於科學家理解大腦運作機轉，並能提供工程師在設計穩定且具備適應性的人工智慧與人工神經系統時的重要參考依據。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
