Quantum error correction and biological error correction: A structural analogy between qubits and neurons

维持稳定的伟大游戏

想象一下，你正试图用叠叠乐（Jenga）积木搭建一座塔，但这些积木本身有些摇晃，而且桌子也在震动。如果你只堆叠一块积木，它会瞬间倒塌。但如果你建造一个巨大的、相互交织的结构，让每一块积木都支撑着相邻的积木，那么即使其中几块积木发生摇晃或滑动，整座塔也能屹立不倒。这就是计算学的根本挑战：我们如何制造出在零件混乱、嘈杂且易出错的情况下仍能清晰思考的机器？

几十年来，科学家们一直在两个截然不同的世界中寻找解决这一难题的方法。一方面是量子计算，这是最前沿的领域，机器利用奇特的物理规则来解决当今计算机无法处理的问题。但这些机器极其脆弱；它们的“量子比特”（quata bits，量子版本的计算机位）对环境极其敏感，哪怕是一点热量或噪声都会毁掉它们的计算。另一方面是人类大脑，这是一个由数十亿神经元组成的生物奇迹，这些神经元同样混乱、缓慢且容易随机放电。然而，尽管存在这种混沌，我们的大脑依然能够记住名字、识别面孔并在世界上航行，而不会崩溃。

核心问题在于：这两个世界——一个由硅和光构建，另一个由肉体和电力构成——是否使用了相同的秘密技巧来保持稳定？如果我们能理解大脑是如何修复自身的错误，我们是否也能教会量子计算机做到同样的事情？这是一篇试图将量子物理的语言转化为生物学语言的研究论文，它正在寻找量子计算机与神经网络之间隐藏的结构孪生关系。

量子-生物孪生体

在这篇论文中，由 Ian Whitehouse 及其同事领导的研究小组提出了一个迷人的观点：量子纠错（QEC）与生物纠错（BEC）不仅相似，而且是结构上的孪生体。他们认为，尽管材料完全不同——一个使用亚原子粒子，另一个使用神经元——但它们用来保护信息的模式几乎是完全一致的。

想象一台量子计算机正在尝试存储一条秘密信息。由于物理量子比特非常嘈杂，它们不能仅仅把信息写在一个量子比特上。相反，它们会将信息分散到一组量子比特中，就像写一段加密代码，只有当你整体观察这组量子比特时，其含义才会显现。为了保护这段代码的安全，计算机不断检查“稳定器（stabilizers）”——你可以把这些稳定器想象成一群守卫，他们并不直接观察秘密信息本身（因为观察信息会破坏量子魔力），而是检查守卫们的阵型是否正确。如果一名守卫站偏了位置，系统就会知道发生了错误，并在不读取秘密的情况下进行修复。

现在，看看大脑。你的大脑并不会将记忆存储在单个神经元中。相反，它使用群体编码（population coding），即记忆是由数百个神经元的集体活动所代表的。就像那些量子守卫一样，大脑也有内置的检查机制。如果少数神经元发生随机放电（它们确实经常如此），其余的群体会将它们拉回正轨。大脑利用“失配信号（mismatch signals）”——比如一种困惑感或预测误差——来检测群体活动何时偏离了正确的模式，然后进行自我修正。

作者建立了一个“结构字典”来展示这两个系统是如何精准匹配的：

• 嘈杂的物理单元： 在量子领域，它们是单个量子比特。在大脑中，它们是单个神经元。两者单独来看都是不可靠的。
• 受保护的信息： 在量子领域，这是逻辑量子比特（真实的数据）。在大脑中，这是认知变量（如对一张脸或一个位置的记忆）。
• 安全区域： 量子计算机拥有码空间（codespace），这是一个数据安全的特殊数学区域。大脑拥有神经流形（neural manifold），即代表稳定思维的特定活动模式。
• 错误信号： 量子计算机测量伴随式（syndromes）（关于错误的二元是非信号）。大脑使用失配信号（与预期模式的偏差）。
• 修复者： 量子计算机使用解码器（decoder）来决定如何修复错误。大脑使用递归动力学（recurrent dynamics）（神经元之间信号的自然流动）将活动拉回到正确的模式。

模拟：证明模式的存在

为了证明这不仅仅是一个诗意的比喻，作者运行了计算机模拟，将一个简单的量子模型与一个简单的生物模型进行了对比。

他们从一个三量子比特重复码（一个三个量子比特协同工作以保护一段信息的量子系统）和一个三神经元群体编码（一组执行相同任务的三个神经元）开始。他们向这两个系统都引入了“噪声”——量子比特中的随机翻转和神经元中的随机放电。

结果令人震惊。当他们模拟这些系统时，量子系统偏离其安全区域的方式，以及生物系统偏离其稳定模式的方式，在数学上是完全一致的。

• 在量子模拟中，他们使用了一种“连续恢复”方法，即系统不断被推回正确状态，而不是等待完美的检查。
• 在生物模拟中，他们模拟了具有“多数投票”机制的神经元，即如果一个神经元变得异常，另外两个会将其拉回。

模拟显示，这两个系统的行为方式相同：它们并不能完全消除错误，但能将错误抑制到可控水平。“违规程度”（系统偏离正确状态的程度）会稳定在一个较低的水平，并受限于错误发生速度与系统纠错速度的比率。这表明，大脑通过“阻尼（damping）”错误（不断平滑这些错误）的方法，是量子系统中“投影（projection）”方法（强制系统回到编码状态）的一种生物学版本。

这意味着什么（以及它并不意味着什么）

作者非常谨慎地说明了他们并非在声称什么。他们不是在说你的大脑是一个量子计算机。他们明确排除了神经元使用量子纠缠或相干性的观点。在这里，大脑被视为一个经典的、嘈杂的机器。这种类比是关于架构的，而非关于物质的物理特性。

他们还澄清了这是一种模拟和结构性论证，而非发现了一种新的生物学定律。他们并没有证明你头脑中的每个神经元都在运行量子算法；他们证明的是，大脑处理噪声的方式在数学结构上看起来与量子计算机处理噪声的方式完全相同。

为什么这很重要

这篇论文暗示了一条双向的发现之路。

1. 从生物学到量子计算： 构建量子计算机的工程师经常面临解码器无法适应变化噪声的难题。然而，大脑是一个擅长适应的大师，它能根据环境不断更新其“纠错规则”。作者建议，研究生物系统如何适应，可以启发更智能的量子计算机算法。
2. 从量子计算到生物学： 相反，用于衡量量子计算机保护数据能力的精确数学工具，也可以用来衡量神经编码的鲁棒性。这可以为神经科学家提供一种量化特定大脑回路具有多强“容错性”的新方法。

论文还暗示了星形胶质细胞（大脑中支持神经元的星形细胞）未来的角色。虽然这不是本研究的重点，但作者指出，星形胶质细胞可能扮演类似于量子系统中“辅助量子比特（ancilla qubits）”的角色——即专门的辅助者，负责监控网络并在出现问题时发出信号，而它们本身并不是主要的信息载体。

简而言之，该论文认为，自然界和工程师独立发现了解决不可靠部件问题的同一种方案：不要依赖于一个完美的个体；要依赖于一个不断检查并相互纠正彼此的、混乱的群体。 无论是在超低温实验室里的量子比特，还是在你脑海中的神经元，可靠性的秘密都在于冗余、约束，以及不断温柔地将其推回正确路径。