对神经学家来说，非周期性脑电活动曾经如同噪音，在研究神经活动时，需要将其丢弃。但随着研究人员开发出能够有效分析这些“大脑噪音”的算法，这种局面被彻底改变了。他们开始意识到，这种脑电活动并非真正的噪音，而是具有更深层的含义：它或许指示了大脑中神经活动的状态，甚至有可能判断意识的边界。
在2020年1月的一次睡眠研讨会上，扬纳·伦德纳提出了一些新发现，这些发现暗示存在一种方法能通过观察人脑活动，寻找清醒和无意识之间的界限。在治疗处于昏迷或麻醉状态的患者时，正确区分两者的差异是至关重要的。由于一个人进入快速眼动睡眠中的梦境时，其大脑中会产生与清醒时相似的、平滑振荡的脑电波，因此要找到可行的区分方法十分棘手。
不过，伦德纳认为答案不在于常规的脑电波，而在于科学家通常会忽略的另一种神经活动：反复无常的神经活动背景噪音。
大脑电活动中的噪音或许是掌握其内部运作的新线索，越来越多的神经学家正因这个新观点而备受鼓舞，伦德纳就是其中之一。这种神经学现象曾经被等同于烦人的电视机静电，但如今它可能会对科学家研究大脑的方式产生深远影响。
布拉德利·沃伊特克是加利福尼亚大学圣迭戈分校的认知科学和数据科学副教授，一些怀疑者过去常告诉他，研究大脑活动中噪音的特征没有什么价值。但是，当他在自己的研究中发现脑电波噪音随年龄增长而改变，并且从文献中找到一些关于不规律脑电活动的统计学趋势时，他开始相信自己遗漏了一些东西。因此，他花了数年时间思考，如何说服科学家重新思考他们的数据。
通过与加利福尼亚大学圣迭戈分校和伯克利分校的神经科学家合作，沃伊特克开发了一种软件，可以分离出隐藏在非周期性脑电活动中的规律性脑电波，比如α波。这为神经科学家提供了一种新的工具，用于剖析有规律的脑电波和非周期性脑电活动，以便理清它们在行为、认知和疾病中的作用。
沃伊特克和其他科学家正在用多种方式研究这种现象，他们对这一现象的命名也不尽相同：有人称其为“1/f斜率”或“无标度的脑电活动”；沃伊特克则推动将其重新命名为“非周期性脑电信号”或“非周期性脑电活动”。
这种现象不仅存在于大脑中。伦德纳、沃伊特克和其他人寻找的脑电活动模式与一种名为统计化结构的现象有关。早在1925年，科学家就在自然界和科技领域的复杂系统中注意到这种现象。
由于统计化结构出现在了诸多不同的环境中，因此一些科学家甚至认为它代表了一种未被发现的自然规律。尽管科学家在20多年前就开始发表与这种无规律的脑电活动相关的论文，但还没有人能够确定它的真正含义。而现在的研究人员有了更好的工具，可以在新的实验中分离出非周期性脑电活动，还能更深层地分析那些旧的数据。
我们的身体习惯于熟悉的心跳和呼吸节奏，这些持续性的生理循环是生存所必需的。
但同样重要的脑电活动似乎没有一个固定的模式，它或许包含了一些与行为和认知基础相关的新线索。当一个神经元向另一个神经元发送谷氨酸时，接收的神经元更有可能放电，这种情况被称为神经兴奋。相反，如果神经元释放的神经递质是γ-氨基丁酸，接收的神经元更不容易放电，这就是神经抑制。任何一种神经递质过量都会有负面影响：神经过度兴奋会导致癫痫发作，而神经抑制则会导致嗜睡，更极端的情况还会导致昏迷。
为了研究神经兴奋和抑制间的微妙平衡，科学家通过脑电图来测量大脑的电活动。
有时大脑的电活动没有规律性，看起来更像是电子噪音。其中“白噪声”的出现十分随机，但另一些成分具有更有意义的统计化结构。令沃伊特克等神经学家感兴趣的正是这些平滑波形中的不完美之处。他说：“它们是随机的，但属于不同类型的随机。”为了量化非周期性脑电活动，科学家分解了原始的脑电图数据，就像用棱镜将太阳光分成不同颜色。
为此，他们首先采用了傅立叶分析技术。在任何一段时间内绘制的数据都可以表示为三角函数的和，例如正弦波，而三角函数可以通过频率和振幅来表示。科学家可以将不同频率下的波幅绘制成一张图表，即功率谱。
人们对1/f现象最初的认识可以追溯一篇发表于1925年的论文。文章的作者是贝尔电话实验室的约翰·伯特兰·约翰逊，他当时正在研究真空管中的噪音。仅仅4年后，德国科学家汉斯·伯杰就发表了第一份人类脑电图研究报告。
在随后的数十年里，神经科学的研究主要集中在脑电活动中主要的周期波上。各种电子噪音、股市波动、生物节律甚至是音乐中都存在着1/f波动，但没有人知道原因。纽约大学格罗斯曼医学院的神经学、神经科学和生理学助理教授何碧玉在2014年发表于《认知科学趋势》的一篇综述中写到，或许是因为噪音看起来如此普遍，许多生物学家并不认为通过对噪音进行1/f特征转化，可以得到有用的信号。
沃伊特克在偶然的情况下，开始了非周期性脑电活动的研究：他最初想要对脑电图数据进行建模，并从脑电图中去除白噪声。但当他利用算法破解脑电图，消除脑电波噪音时，他开始更多地关注其中有趣的东西。在一项发表于2015年的研究中，沃伊特克和他的博士导师、加利福尼亚大学伯克利分校的神经科学教授罗伯特·奈特共同发现，相比于年轻人，老年人的大脑似乎具有更多的非周期性脑电活动。
沃伊特克和奈特观察到，在衰老过程中，大脑会产生更多的白噪音。他们还发现，这种噪音与和年龄相关的工作记忆下降存在相关性。
学界对这种算法的需求立刻清晰起来。2018年4月11日，沃伊特克和同事将编写的算法发布在预印本平台biorxiv上，算法广受欢迎，一个月内就被下载近2000次。同年11月，在神经科学学会会议上，沃伊特克主持了一场关于如何使用这一算法的讲座。
鉴于受欢迎程度，此后他还组织了一场后续会议，他的实验室团队为数十名感兴趣的科学家提供了技术支持。他们通过算法教程和电子邮件交流，促成了新的合作。其中一项合作就是伦德纳发表的有关睡眠中唤醒标志的研究，该研究于2020年7月在线发表于eLife。
在科学家探索非周期性脑电活动的这些特征时，存在一个很大的限制：没有人确切地知道它们出现的生理原因。
加拿大麦吉尔大学神经学家西尔万·贝莱特表示，需要更多研究来阐明不同神经递质、神经回路和大规模神经网络交互的贡献。贝莱特说：“相关的原因和来源仍未明确。但我们必须进行这项研究，以积累知识和实验数据。”一种理论认为，非周期性脑电活动以某种方式反映了大脑在神经兴奋和抑制之间的微妙平衡，这也是保持其自身健康和活跃所需要的。伦德纳说，过多的神经兴奋可能会使大脑超载，而过多的神经抑制可能会让大脑进入睡眠状态。
对于贝莱特来说，大脑中的非周期性信号有点像暗物质——我们无法在宇宙中看见暗物质，但它能通过引力与正常物质相互作用。我们不知道它是由什么组成的，也不知道它的性质，但它就在星空背景中，秘密地将银河系维系在一起。科学家还没有弄清楚是什么导致了这些非周期性脑电活动，但它们也可能反映了我们的大脑“宇宙”中的某种基本支持结构：一些神秘的事物正在“拨动”我们的大脑，让我们从清醒进入睡眠。