15、大脑心智状态动态过程的模拟与分析

大脑心智状态动态过程的模拟与分析

1. 引言

心智状态的研究一直是神经科学领域的重要课题。不同的心智状态，如睡眠、清醒、思考等，在大脑的电活动中有着不同的表现。通过对脑电图（EEG）的研究，我们可以观察到大脑在不同心智状态下的频谱功率分布变化。本文将探讨一种基于熵和自由能的OAM模型，用于模拟大脑心智状态（BMS）的动态过程，并与其他常见的模型进行比较。

2. 大脑心智状态的频谱特征

在之前的EEG实验研究中发现，不同的心智状态在激活的大脑区域的空间分布上具有相似性，但频谱功率激活位于不同的频谱范围。尽管每个人在不同心智状态下的时空激活分布具有独特性，但频谱心智场指纹遵循在δ、θ、α和β脑电波频率范围内发现的频谱激活模式的相同相对分布。

例如，从冥想状态过渡到思考状态的特征是主导脑电波从δ频率过渡到α频率（即从低频到高频）。这些观察结果可以从OSIMAS范式中推断出来，不同的心理状态被视为由一组主导频率（称为自然共振频率）组成的多元心理场的一部分。大脑能够在这些叠加的频谱带中存储自由能，因此，一个人的状态可以与心智场的主导频率相关联。

3. BMS的统计分布函数

基于上述EEG实验研究结果，我们推断可以使用OAM模型设置中的主要变量（即熵/负熵和自由能）以风格化的功率谱密度（PSD）分布来表达BMS。为了找到合适的统计分布函数，我们需要一个具有两个控制参数的函数，这两个参数可以与OAM模型中的熵S和总内能U变量相关联，并且能够根据不同心智状态的实验观察到的PSD分布改变形状并沿频率轴移动分布曲线。

我们发现伽马函数Γ(k, λ)（具有形状参数k和尺度参数λ）非常适合这个目的。形状参数k和尺度参