幸福感神经机制的新进展：整合脑网络、预测加工与社会互动

Recent Advances in the Neural Mechanisms of Subjective Well-being： Integrating Brain Networks， Predictive Processing， and Social Interaction

摘要

幸福感作为个体对生活质量的主观体验与评估，其神经基础因概念结构与研究范式的演变尚未形成共识.研究认为，应从整合大尺度脑网络协同、预测计算与社会互动的多尺度视角来系统理解幸福感的神经基础.幸福感的3个重要维度——享乐（hedonia）、投入（engagement）与意义（eudaimonia），被发现分别与突显网络、中央执行网络和默认模式网络的活动及动态耦合具有特异性关联.在计算层面，大脑通过持续最小化预测误差来更新内部模型，为从瞬时愉悦到持久意义感的生成提供了统一的神经计算框架.在社会层面，“脑间同步”现象揭示了幸福感在人际间传递的神经机制，将其研究边界从单个大脑扩展至社会互动系统.未来研究可在该框架下进一步探讨正念冥想、感恩训练及协同行动等干预手段的神经作用机制，为探索基于脑科学的幸福感提升路径提供实证依据.

Abstract

Well-being， as the subjective experience and evaluation of an individual’s quality of life， lacks a consensus regarding its neural basis due to evolving conceptual frameworks and research paradigms. It is suggested that a multi-scale perspective integrating of large-scale brain network coordination， predictive computation， and social interaction is needed to systematically understand the neural foundations of well-being. The three key dimensions of well-being： hedonia， engagement， and eudaimonia， have been found to be specifically associated with the activity and dynamic coupling of the salience network， central executive network， and default mode network， respectively. At the computational level， the brain continuously updates internal models by minimizing prediction errors， providing a unified neurocomputational framework for the generation of both transient pleasure and enduring meaning. At the social level， the phenomenon of “inter-brain synchrony” reveals the neural mechanisms underlying the transmission and co-construction of well-being in interpersonal interactions， extending its scope from the individual brain to social interactive systems. Future research can explore the neural mechanisms underlying interventions such as mindfulness meditation， gratitude training， and collaborative actions within this framework， providing empirical evidence for neuroscience-based approaches to enhancing well-being.

Graphical abstract

关键词

幸福感 / 神经机制 / 预测加工 / 脑间同步

Key words

subjective well-being / neural mechanisms / predictive processing / inter-brain synchrony

1 前言

幸福是人类永恒的追求和向往，对幸福的主观感知和体验则被称为幸福感（well-being），它反映了个体对自身生活质量的整体性、积极性的评价与体验，是心理学、神经科学与公共卫生等领域长期关注的话题.在心理学领域，幸福感通常被看作一个多维结构，而不是某种单一的情绪状态.Seligman等^［1］将幸福感概括为享乐、投入与意义3个相对独立但彼此关联的维度，这为解析幸福感的神经生物学基础提供了重要的概念框架.

传统上，幸福感神经机制的研究长期由“脑区定位”范式主导，尤其侧重于中脑—边缘多巴胺系统，将其视为“快乐中枢”和愉悦感的神经基础^［2-3］.然而，该观点难以解释“享乐适应”等现象，且后续研究提示奖赏加工可分离为“想要”“喜欢”“学习”等不同成分^［4-5］，其中多巴胺系统主要涉及“想要”动机^［6］，“喜欢”则依赖于伏隔核等“享乐热点”区域^［7］，并受情境因素调节^［8-9］，这些发现表明，幸福感并非对奖赏的被动反应，而是涉及复杂的动机与评价过程.

近期的系统综述与元分析显示，在脑成像研究中，幸福感相关的脑区与网络结果呈现出高度离散的特征^［10］.这种不一致性可能源于早期研究在概念界定、测量工具及分析范式上的异质性^［11］.因此，该领域的研究焦点逐渐从特定脑区定位转向大尺度脑网络的动态协同，强调不同形式的幸福感体验可能对应着不同的脑网络协同与耦合模式.

计算神经科学领域的预测加工理论为理解幸福感的动态生成提供了新的计算框架.该理论认为大脑通过不断优化内部模型以最小化预测误差^［12-13］.在此视角下，幸福感既可能来自“现实优于预期”这一正性预测误差，也可能源于个体通过更新内部模型来降低对未来不确定性的感知^［14］.这一机制从计算层面连接了瞬时的愉悦与长期的意义感，并将幸福感阐释为个体维持内在有序的主动适应过程^［15-18］.

除了个体内部的神经计算过程，幸福感还来自于社会互动中的具体情境，其中高质量的人际关系被证明是预测高水平幸福感的最可靠指标之一^［19］.然而，传统“单人单脑”研究范式因生态效度不足，难以揭示真实互动中幸福感的传递机制^［20］.近年来，随着超扫描技术（如功能性近红外光谱fNIRS）的发展，研究者得以同时记录互动中多个个体的大脑活动，并发现脑间同步可能是人际幸福感传递的神经载体^［21-26］.这标志着幸福感研究正从“个体计算”向“社会共振”的范式延伸——幸福感不仅是大脑内部误差最小化的产物，也可能是多脑在互动中“共鸣”的产物.

综上，尽管现有研究取得显著进展，但静态的网络描述仍难以充分解释幸福感从瞬时享乐到持久意义的动态演变，其在真实社会情境中的传递机制也有待深入阐明.因此，本文旨在回顾幸福感神经机制的最新研究进展，通过整合心理学、神经科学及计算建模等多学科领域的实证成果，试图构建一个贯通“个体内脑网络协同与预测计算”与“人际间脑同步与社会共振”的跨尺度解释框架，以揭示幸福感作为一种主动适应过程的深层本质.这一努力不仅有助于深化对幸福感神经机制的系统性理解，也为开发基于神经可塑性的精准心理健康干预方案提供坚实的科学依据.

2 多维幸福感与网络机制的整合

尽管心理学理论很早就从多个维度对幸福感进行了区分，但直到近20年，随着神经影像技术的成熟，其神经生物学基础才得以被逐步揭示.基于多模态神经影像的元分析证据表明，享乐、投入与意义并非单一“快乐中枢”不同程度激活的结果，而是对应着截然不同的脑区激活模式与功能网络^［27］.虽然早期基于单脑区定位的研究结果存在不一致性^［10］，基于大尺度脑网络的视角能够发现一种更高层级的整合规律（图1）：这3种幸福感维度分别与不同的核心网络密切相关——享乐主要涉及突显网络对奖赏价值的快速捕获，意义依赖于默认模式网络对自我与价值的深度整合，而投入则与中央执行网络的高度激活及对默认模式网络的抑制密切相关.它们之间表现出动态的协同与拮抗关系^［11］.因此，本部分将系统剖析这3种幸福感维度各自对应的特异性神经回路及其网络协同机制.

2.1 享乐的奖赏与学习回路

享乐通常被定义为追求快乐并避免痛苦的心理倾向.经典理论多将其神经机制归于多巴胺奖赏系统的活动，但近年研究进一步揭示，完整的享乐体验实际上包含“想要”“喜欢”“学习”3个在神经生物学上可分离的环节构成的动态循环过程.元分析研究证实，享乐体验与基底核奖赏回路（尤其包括腹侧纹状体和伏隔核）的高频神经活动存在稳定关联^［27］，表现为一种“高基底核-低前额叶”的典型神经活动模式.该模式在功能上反映了认知控制减弱的状态，使得奖赏驱动的本能反应更容易主导行为，这从神经机制角度解释了为何纯粹的感官享乐常伴随冲动行为.

文献［28-29］提出的“快乐循环”模型从动态视角整合了上述3个成分.在这一框架中，多巴胺神经元通过编码奖赏预测误差，来修正大脑对特定刺激的价值评估.当个体体验到比预期更好的奖赏时，多巴胺释放主要强化未来的行为动机（即“想要”），而当下的主观快感（即“喜欢”）则更依赖于阿片肽与内源性大麻素系统在享乐热点区域的活动^［5］.在大脑网络层面看，这些分布于纹状体、岛叶和前扣带回的“享乐热点”在功能解剖结构上构成了突显网络（salience network，SN）的核心节点，负责捕捉具有高动机价值的刺激，并标记其重要性^［11］.因此，享乐的神经机制，可理解为突显网络对积极情绪价值的快速捕获，这一过程驱动大脑从静息状态转向对奖赏的趋近行为，并形成主观上的愉悦感受.

2.2 意义的认知构建与价值整合

与追求短暂快感的享乐主义不同，意义涵盖生活目的、个人成长、自主性等核心维度，是大脑高级皮层功能与深层生理情感整合的产物^［30-31］.其神经机制表现出显著的自上而下特征，腹内侧前额叶（vmPFC）扮演了重要角色，它评估当前行为是否与个体的长远目标及“真实自我”保持一致^［28］；而岛叶（insula）的协同激活则参与将内感受信号转化为具有社会意义的道德情感（如崇高感）.这种认知与生理状态的整合不仅有助于建构个人的意义感，还可通过调节神经内分泌及免疫系统，形成应对压力与逆境的生理缓冲机制^［32］.

默认模式网络（DMN）在幸福感形成过程中同样发挥重要的整合作用.传统上DMN常与思维反刍等适应性不良的心理过程相关联，但近期研究表明，该网络在意义感构建中也具有重要功能^［11］.例如，高幸福感个体的DMN表现出更强的功能连接，其关键节点如楔前叶在静息态下的低频振荡幅度也相对较低^［33］.这些发现提示，DMN不仅参与消极自我参照加工，也可能支持积极的自我认知与意义感形成.从网络视角看，意义所需的深度内省可能依赖于DMN对自我经验的整合与价值重构，这也从神经层面呼应了“认识你自己”这一古老命题的现代意涵.基于前额叶整合与DMN功能优化的机制，进一步说明了意义感在心理健康中的重要性——它不仅是症状缓解后的结果，也可能作为抵御精神病理过程的保护性因素^［34］.

2.3 投入的感知运动增强与内省调控

投入通常指“心流”状态，即个体全身心沉浸于与自身技能相匹配的挑战性活动中.其神经机制的核心特征在于感觉运动网络的激活增强，同时与内省监测相关的网络活动受到抑制.神经影像学研究发现，投入状态可显著激活顶下小叶与小脑等区域^［35］，这提示相关技能的执行已由有意识控制过渡至自动化、内隐化的加工模式.

最新的研究进一步揭示了这种“毫不费力的注意”背后的神经效率机制.研究发现，这种高效状态并未引发全脑范围的弥散性激活，而是体现为背侧注意网络（尤其额眼动区FEF）与视觉感知皮层之间形成的高强度功能耦合，构成一种高效运行的大脑模式；更为重要的是，研究明确了眶额叶皮层（OFC）在心流体验中的转化作用，即负责监测流畅的感知运动加工过程，并将其直接转化为深层的主观愉悦感^［36］.Kong等^［37］进一步指出，该高效状态的驱动源自突显网络的精准调控，具体表现为腹侧前岛叶（vAI）对顶上小叶（SPL）的定向效应连接显著增强.这表明大脑通过一种“资源门控”机制，将注意资源精准集中于任务相关区域，从而在神经层面将心流体验中的高挑战、高技能与高愉悦联结为有机整体.在宏观网络层面，这种高效状态体现为中央执行网络（central executive network，CEN）与DMN之间特定的动态拮抗模式.具体来说，心流体验通常起始于突显网络对注意资源的精确调控，进而驱动CEN（尤其是背外侧前额叶和顶叶区域）对外部任务进行深度聚焦^［37］.此时与自我参照相关的默认模式网络活动显著受到抑制^［38］.这种CEN高度激活而DMN受到抑制的网络配置，解释了为何个体在深度投入任务时个体会暂时进入“忘我”状态——即大脑资源被全面调配至处理外部任务的网络，从而达到最佳心理效能水平^［27］.

3 幸福感生成的预测加工与稳态调节机制

尽管前文指出幸福感与大规模脑网络的协同活动密切相关，但这主要揭示了其结构性基础，而未能充分阐明大脑如何动态调配这些网络以应对不断变化的外部环境.例如为何意外获得的物质奖励会比预期中带来更强烈的愉悦体验？为何个体能够运用认知重评策略，从逆境中汲取更为深刻的满足感？这些动态现象表明，幸福感可能并非特定脑区静态激活的直接结果，而是大脑进行复杂信息处理过程中所涌现出的一种整体状态.

近年来，以“自由能原理”为核心的预测加工理论^［13］为理解这一动态过程提供了统一的计算框架，推动了幸福感研究从“反应性大脑”向“预测性大脑”的范式转变.

3.1 从奖赏预期到全脑预测的理论演进

早期研究依据“预期效用模型”，认为多巴胺系统通过编码正向预测误差来引发主观愉悦感^［39］.Friston^［13］提出的预测加工理论进一步将预测从单纯的奖赏预期拓展至全脑范围的信息整合.在该框架下，幸福感的概念被重新定义：它不再仅仅关乎奖赏预期的实现，而是与全脑范围内的信息整合过程密切相关，从而为理解幸福感的动态本质开辟了更广阔的计算视角.

3.2 基于预测误差动力学的幸福感计算本质

倘若大脑的根本目标在于最小化预测误差，那么“幸福”并非误差最小化后的静态平衡，而是源于对“预测误差下降速度”的实时感知^［14］.计算建模证实，情绪效价取决于自由能的一阶导数：误差迅速减小引发愉悦，反之则导致焦虑^［40］.在此框架下，正向预测误差之所以带来快乐，正是因为它提供了通过学习降低不确定性的机会.大规模“幸福感方程”研究显示，瞬时幸福感严格依赖于近期的奖励预测误差^［41］；但随着模型在多巴胺介导下趋于精准，这种快感终将因差异消除而消退，因此，快乐注定是短暂的.

与之相对，深层的幸福感则源于对自身“减少误差能力”的长期信心，这涉及更高级的元预测模型.“野性预测大脑”理论认为，生物体并非被动适应，而是通过主动推理改变环境以匹配预期^［42］.高幸福感个体的大脑不仅预测未来结果，更预测自身能够通过有效行动降低环境中的不确定性^［43］.这种信念使得个体在追求长期目标遭遇挫折时，能将努力克服障碍过程中产生的误差减少信号，转化为深刻的掌控感与意义感^［14］.因此，幸福感的本质不仅在于消除误差，更在于不断验证“我有能力掌控不确定性”这一核心信念.

3.3 稳态应激与脑熵最小化的动态调节机制

稳态应激理论指出，幸福感是机体通过主动调整来维持内在稳定的过程^［18］.大脑并非被动等待生理需求出现才作出反应，而是借助预测加工机制，提前调动生理与心理资源（例如在挑战发生前提升皮质醇水平），以应对环境变化.

从热力学的视角看，这也是“脑熵”最小化的过程.研究发现，高幸福感个体在面对负面刺激（高熵输入）时，表现出更高效的熵减能力^［44］.具体来说，面对负面情绪刺激（即高熵输入）时，幸福感较高个体的前额叶—杏仁核回路表现出更强的抑制性功能连接，对杂乱的信号进行解释与重评，从而恢复心理秩序^［17］.屏状核和丘脑可能在此过程中协调默认模式网络和中央执行网络的切换.从计算神经科学的视角进一步分析，这种高效的调节本质是大脑为最小化整体脑熵（即不确定性），根据当前预测误差来源，在内部预测和外部更新之间进行动态权重调整.高水平的幸福感正体现为这种网络计算的流畅性与适应性：大脑既不会固着于僵化的内部预测（如抑郁反刍），也不会被混乱的外部输入淹没（如焦虑时的高熵无序），而是始终维持在一种“有序且灵活”的临界状态，从而实现对复杂环境的最佳适应.

4 社会互动中幸福感的脑间同步与神经规范性表征

作为社会性物种，人类的幸福感与社会联结的质量密切相关.然而，回顾以往涉及基底核、前额叶及岛叶等脑区的研究不难发现，多数结论建立在“单人脑”研究范式基础上，该范式难以有效捕捉真实社交互动中短暂而动态的交流——如眼神接触、默契协作与情感共鸣.近年来，随着二体神经科学（two-body neuroscience）的兴起，尤其是超扫描技术（hyperscanning）的应用，研究焦点逐渐转向“互动脑”的探讨，并发现幸福感不仅来自个体内部预测误差的消解，也源于人际间神经活动的共振与同步.

4.1 从“旁观者”到“互动者”的研究范式转换

传统fMRI研究由于物理环境的限制，例如扫描腔空间狭小以及严格的头部运动要求，难以有效模拟真实的社会交往情境.生态效度不足的现状，使得社会互动长期未能成为神经科学研究的直接观察对象^［45-47］.

为克服这一局限性，Montague等^［26］开发的超扫描技术能够同步采集两名或更多互动参与者的脑活动数据.在多种超扫描方法中，功能性近红外光谱（fNIRS）因其空间分辨率较高、抗运动干扰能力出色且设备便于移动，成为考察自然社交互动场景的理想选择.相较于功能磁共振成像（fMRI），fNIRS技术支持参与者在坐姿、交谈乃至肢体协作等接近真实生活的情境中进行互动.这种技术发展为揭示“面对面交流”“团队协作”“亲密关系”等社会情境中幸福感的神经基础创造了条件.

4.2 作为人际幸福感神经标记的脑间同步

超扫描研究的一个核心发现是“脑间同步”（inter-brain synchrony，IBS），即互动双方在特定脑区的神经振荡或血氧水平变化表现出时间上的相关性.越来越多的证据表明，IBS并非仅由共同外部刺激引起，而是高质量社会互动与主观幸福感的重要神经标记^［48］.

协同合作是社会幸福感的重要来源，也凸显了IBS的功能意义.Cui等^［49］利用fNIRS对完成按键合作任务的被试进行超扫描发现，当双方在极窄时间窗内成功同步按键时，右侧额上回（superior frontal cortex，SFC）的神经活动表现出显著增强的相干性，且同步程度与合作绩效正相关.额上回涉及执行控制与动作规划，该结果提示，高效合作中双方大脑可能通过预测彼此的意图与行动节奏，形成功能上的一体化协调.这种神经层面的无缝配合有助于降低认知负荷，促进流畅的合作体验，从而为社会性心流状态的出现奠定基础.

除目标导向的合作外，面对面的“物理在场”也能诱发深层的神经共鸣.Hirsch等^［50］发现，仅在真实互动情境下，被试左侧前额叶与颞顶联合区之间才会出现显著的脑间连接，这表明线下互动中微妙的面部表情与眼神交流促进了大脑间的实时预测与调适，创造出远距互动难以实现的真实联结感.类似机制也存在于集体活动中：Osaka等^［51］在双人轮唱实验中发现，负责镜像功能的左侧额下回（inferior frontal gyrus，IFG）出现明显的神经同步，说明通过身体动作的协调，个体能在感知‑运动层面实现共振，进而激发内源性阿片肽释放，促进社会依恋与归属感.

4.3 神经规范性与幸福大脑的群体相似性

幸福感不仅来自双人互动，也与个体在群体中的适应程度相关.研究发现，在观看情绪影片时，高幸福感个体在杏仁核和腹内侧前额叶等情绪与价值加工脑区表现出更高的神经活动一致性^［52-53］.这意味着，面对相同情感情境时，高幸福感者更易产生符合社会常规的神经共鸣；反之，低幸福感者的大脑反应则更个体化，难以与他人形成神经同步^［54］.

这种神经一致性不仅促进相互理解，也增强个体在群体中的归属与安全感^［55］.例如国内相关研究借助fNIRS发现，积极情绪可调节个体面对不平等分配时的大脑活动，进而促进分享行为^［56］.该结果从神经机制上支持了“扩展‑建构理论”的社会性推论，即幸福感能拓宽社会认知范围并加强人际联结的生物学基础.这也提示，De Vries等^［10］在单脑研究中观察到的结果异质性，可能正是由于未能捕捉到真实社会中特有的大脑间协调活动.

4.4 预测加工框架下的脑间同步与幸福感

综合上述发现，脑间同步促进幸福感的机制可在预测加工理论的框架下得到整合性解释.在社会互动中，个体需不断预测他人的行为与意图以降低不确定性.高水平的脑间同步意味着互动双方的神经活动在时空上形成共振，这种共振可视为一种高效的神经经验验证信号：当对方的实时行为反馈（自下而上输入）与个体的内部预测模型（自上而下预测）高度匹配时，社会性预测误差得以显著降低.

从计算视角看，这种基于神经对齐的相互可预测性，减少了对高耗能的社会认知监控需求，并通过调节HPA轴等功能系统缓解社交压力.因此，脑间同步所促进的幸福感，可能本质上是大脑在社会情境中实现高效预测与误差最小化时所产生的一种积极体验状态，它超越了孤立的奖赏反应，根植于对社会联结的深刻理解与适应性互动之中.

5 基于多维神经机制的幸福感干预路径

探究幸福感神经机制的最终目标，在于构建具备生态学效度的心理健康促进方案.区别于传统心理干预主要依赖语言中介和认知重构，基于神经科学的干预手段主张直接靶向特定的脑网络或计算过程，通过诱导目标神经回路的可塑性改变，实现幸福感的系统性提升^［18］.本部分将结合前文所述的大尺度网络协同、预测加工与社会同步机制，梳理3种实证支持的干预路径及其神经基础，从不同维度验证幸福感的可塑性.

5.1 正念冥想对默认模式网络的去耦合与重塑

正念冥想并非单纯的放松技巧，它实质是对注意网络的系统训练，其核心机制在于调整预测加工中的“精确度权重”：通过有意识降低对内部消极预测的采信，提升对当下感官输入的注意权重，从而打破默认模式网络（DMN）的反刍循环^［57］.这种权重的重新配置，在结构上表现为前扣带回（ACC）、前岛叶及海马体灰质体积的增加，在功能上则表现为DMN与中央执行网络（CEN）之间切换灵活性的提升^［27］.通过这种机制，正念帮助大脑修正了贝叶斯推断过程，阻断了病理性的预测循环，使个体从“活在过去的懊悔或未来的焦虑”中解放出来，回归到“活在当下”的安宁稳态.有研究还发现，长期练习者在慈悲冥想中可诱发高幅度Gamma波同步^［58］，这种高频振荡活动的增强不仅反映出放松状态，更重要的是，它标志着大脑实现了高效的全局网络整合，从而使个体能够有效摆脱杂念的干扰，保持敏锐的心理觉察能力.

5.2 感恩训练对腹内侧前额叶的价值重构与形态塑造

如果说正念旨在优化个体注意资源的分配，那么感恩则致力于重塑大脑对环境信息的价值编码，修正固有的负性偏差.其神经机制集中于腹内侧前额叶（vmPFC），该区域负责对社会反馈进行价值计算与整合^［59］.通过高频激活这一神经回路，感恩练习增强了vmPFC对积极社会反馈信号的敏感性^［60］.从预测加工理论的角度来看，此类训练实际上是在更新个体对社会环境的先验概率：它促使大脑构建起“世界是仁慈的”这一信念.这种积极先验的确立能够显著降低社交互动中的预测误差，使个体在面临人际不确定性时，更倾向于形成积极解释而非威胁性预测.

更为重要的是，长期的感恩思维不仅能引发功能性的改变，还能诱导大脑结构的改变.Kong等^［61］基于大样本数据的形态学分析发现，个体的特质感恩水平与内侧前额叶（mPFC）的灰质体积及白质完整性呈现显著正相关.这种特定的解剖学改变直接介导了感恩对生活满意度的预测作用.这表明，通过持续的认知训练，大脑能够从物理结构上扩容其“幸福中枢”，为维持长久的心理幸福感提供硬件支撑.

5.3 协同行动诱发的脑间同步与社会联结增强

在社会维度的幸福感研究中，基于具身认知理论的协同行动干预（例如集体鼓掌、合唱或同步舞蹈）逐渐成为一种新兴趋势.这类干预构建了一个高度可预测的社会互动模式——在同步动作过程中，个体的行为模式变得更容易预测，能有效降低社交情境中的不确定性^［45］.这种干预不仅能够快速缩短人际心理距离，还可促进内源性阿片肽与催产素的分泌.对于孤独症谱系障碍或社交焦虑人群而言，这种基于神经同步的非言语干预方式，有效规避了复杂社会认知功能的障碍，通过感知-运动通路直接重建社会联结的神经基础.

6 总结与展望

幸福感神经机制的研究，已逐渐从早期对单一脑区的定位，转向对大规模脑网络协同作用的探索.本文基于现有证据，尝试构建一个多尺度整合框架，以期更全面地理解其生物学基础.在结构层面，享乐、意义与投入等不同维度的幸福感并非对应孤立的脑区，而更可能源于突显网络、默认模式网络与中央执行网络三者之间的动态协作；在计算层面，预测加工理论提出，幸福感生成于大脑通过不断调整预期以减少预测误差的持续过程中，这为解释幸福感随情境与预期波动提供了视角；在社会层面，超扫描研究提示，脑间同步可能是人际间幸福感传递的关键神经载体.这一“结构‑计算‑互动”的初步框架，有助于整合当前相对分散的实证发现，但其内部的具体交互机制仍需未来进一步研究验证.

尽管我们对幸福感神经基础的认识在不断深化，但要全面揭示其背后的复杂机制，未来的研究仍面临诸多挑战，值得在以下几个方面进行深入探索.

第一，提升研究的生态效度.目前神经影像学证据大多来自严格控制下的实验室环境，这种相对隔离的观测条件可能无法充分反映真实生活场景中幸福感形成的复杂动态过程.后续研究可逐步采用便携式脑成像设备，例如功能性近红外光谱技术或移动脑电图系统，在更贴近自然情境的家庭互动、职场协作或户外活动中采集数据.尤其在探究社会幸福感时，实验室模拟的互动与真实人际交流之间可能存在显著差异.若能捕捉自然互动过程中出现的动态神经特征，如眼神交流或肢体协作时的脑活动变化，将有助于更准确地揭示社会情境线索如何调节个体的情感体验.

第二，突破从相关到因果的推断瓶颈.现有结论多基于脑-行为相关性，特定网络与幸福感之间的因果关系尚未充分确立.结合多模态技术（如fMRI的高空间分辨率与MEG/EEG的高时间分辨率），可更精细地刻画神经动态，并在计算模型辅助下揭示幸福感个体差异的算法基础，从而在神经指标与心理过程之间建立更坚实的因果逻辑.

第三，推动基于神经标记的个性化干预.个体的遗传、脑结构与经验背景差异较大，通用型干预措施效果非常有限.未来研究可探索如何利用个体特有的脑网络活动模式，设计定制化的神经反馈训练；或系统整合正念、感恩等心理练习与神经可塑性机制，发展针对性更强的幸福感提升方案.尽管这类研究尚在起步阶段，但它们为构建精准、基于脑科学的心理健康促进体系提供了有价值的方向.

参考文献

[1] Seligman M E P， Steen T A， Park N， et al. Positive psychology progress： empirical validation of interventions［J］. The American Psychologist，2005，60（5）：410-421.

[2] Wise R A. Neuroleptics and operant behavior： the anhedonia hypothesis［J］. Behavioral and Brain Sciences，1982，5（1）：39-53.

[3] Olds J， Milner P. Positive reinforcement produced by electrical stimulation of septal area and other regions of rat brain［J］. Journal of Comparative and Physiological Psychology，1954，47（6）：419-427.

[4] Berridge K C， Robinson T E. Parsing reward［J］. Trends in Neurosciences，2003，26（9）：507-513.

[5] Berridge K C， Kringelbach M L. Pleasure systems in the brain［J］. Neuron，2015，86（3）：646-664.

[6] Ho C Y， Berridge K C. An orexin hotspot in ventral pallidum amplifies hedonic ‘liking’ for sweetness［J］. Neuropsychopharmacology，2013，38（9）：1655-1664.

[7] Castro D C， Berridge K C. Opioid hedonic hotspot in nucleus accumbens shell： mu， delta， and kappa maps for enhancement of sweetness “liking” and “wanting”［J］. The Journal of Neuroscience，2014，34（12）：4239-4250.

[8] Richard J M， Berridge K C. Nucleus accumbens dopamine/glutamate interaction switches modes to generate desire versus dread： D（1） alone for appetitive eating but D（1） and D（2） together for fear［J］. The Journal of Neuroscience，2011，31（36）：12866-12879.

[9] Faure A， Reynolds S M， Richard J M， et al. Mesolimbic dopamine in desire and dread： enabling motivation to be generated by localized glutamate disruptions in nucleus accumbens［J］. The Journal of Neuroscience，2008，28（28）：7184-7192.

[10] De Vries L P， Van De Weijer M P， Bartels M. A systematic review of the neural correlates of well-being reveals no consistent associations［J］. Neuroscience and Biobehavioral Reviews，2023，145：105036.

[11] Luo J， Lay C M， Richter C G， et al. Human neural correlates of emotional well-being （EWB）： a preliminary systematic review and meta-analysis of MRI studies based on a recent consensus definition［J］. Frontiers in Human Neuroscience，2025，19：1669164.

[12] Clark A. Whatever next？ Predictive brains， situated agents， and the future of cognitive science［J］. The Behavioral and Brain Sciences，2013，36（3）：181-204.

[13] Friston K. The free-energy principle： a unified brain theory？［J］. Nature Reviews Neuroscience，2010，11（2）：127-138.

[14] Miller M， Kiverstein J， Rietveld E. The predictive dynamics of happiness and well-being［J］. Emotion Review，2022，14（1）：15-30.

[15] Wang Z， Li Y， Childress A R， et al. Brain entropy mapping using fMRI［J］. PLoS One，2014，9（3）：e89948.

[16] Martínez Vivot R， Pallavicini C， Zamberlan F， et al. Meditation increases the entropy of brain oscillatory activity［J］. Neuroscience，2020，431：40-51.

[17] Shi L， Beaty R E， Chen Q L， et al. Brain entropy is associated with divergent thinking［J］. Cerebral Cortex，2020，30（2）： 708-717.

[18] 孙俊芳，辛自强，包呼格吉乐图，等.幸福感的稳态与跃迁：一个新的整合视角［J］.心理科学进展，2021，29（3）：481-491.

[19] Diener E， Seligman M E P. Very happy people［J］. Psychological Science，2002，13（1）：81-84.

[20] Przyrembel M， Smallwood J， Pauen M， et al. Illuminating the dark matter of social neuroscience： considering the problem of social interaction from philosophical， psychological， and neuroscientific perspectives［J］. Frontiers in Human Neuroscience，2012，6：190.

[21] Zhou X， Wong P C M. Hyperscanning to explore social interaction among autistic minds［J］. Neuroscience & Biobehavioral Reviews，2024，163：105773.

[22] Nguyen T， Schleihauf H， Kayhan E， et al. The effects of interaction quality on neural synchrony during mother-child problem solving［J］. Cortex，2020，124：235-249.

[23] Xie H， Karipidis I I， Howell A， et al. Finding the neural correlates of collaboration using a three-person fMRI hyperscanning paradigm［J］. Proceedings of the National Academy of Sciences of the United States of America，2020，117（37）：23066-23072.

[24] Zhang M M， Yin Z J， Zhang X， et al. Neural mechanisms distinguishing two types of cooperative problem-solving approaches： an fNIRS hyperscanning study［J］. NeuroImage，2024，291：120587.

[25] Misaki M， Kerr K L， Ratliff E L， et al. Beyond synchrony： the capacity of fMRI hyperscanning for the study of human social interaction［J］. Social Cognitive and Affective Neuroscience，2021，16（1/2）：84-92.

[26] Montague P R， Berns G S， Cohen J D， et al. Hyperscanning： simultaneous fMRI during linked social interactions［J］. NeuroImage，2002，16（4）：1159-1164.

[27] Tanzer J R， Weyandt L. Imaging happiness： meta analysis and review［J］. Journal of Happiness Studies，2020，21（7）：2693-2734.

[28] Kringelbach M L， Vuust P， Deco G. Building a science of human pleasure， meaning making， and flourishing［J］. Neuron，2024，112（9）：1392-1396.

[29] Schultz W. Neuronal reward and decision signals： from theories to data［J］. Physiological Reviews，2015，95（3）：853-951.

[30] Ryff C D. Well-being with soul： science in pursuit of human potential［J］. Perspectives on Psychological Science，2018，13（2）：242-248.

[31] Ryff C D， Singer B H. Know thyself and become what you are： a eudaimonic approach to psychological well-being［J］. Journal of Happiness Studies，2008，9（1）：13-39.

[32] Ryff C D. Eudaimonic well-being， inequality， and health： recent findings and future directions［J］. International Review of Economics，2017，64（2）：159-178.

[33] Sato W， Kochiyama T， Uono S. Neural electrical correlates of subjective happiness［J］. Human Brain Mapping，2025，46（8）：e70224.

[34] Ryff C D. Contributions of eudaimonic well-being to mental health practice［J］. Mental Health and Social Inclusion，2023，27（4）：276-293.

[35] Ulrich M， Keller J， Hoenig K， et al. Neural correlates of experimentally induced flow experiences［J］. NeuroImage，2014，86：194-202.

[36] Wang Y， Han B X， Li M， et al. An efficiently working brain characterizes higher mental flow that elicits pleasure in Chinese calligraphic handwriting［J］. Cerebral Cortex，2023，33（12）：7395-7408.

[37] Kong Q Y， Wang Y， Li M， et al. Expertise-related functional connectivity changes in Chinese calligraphy linked to flow experience［J］. NeuroImage，2025，324：121615.

[38] Dietrich A. Transient hypofrontality as a mechanism for the psychological effects of exercise［J］. Psychiatry Research，2006，145（1）：79-83.

[39] 顾媛媛，罗跃嘉.主观幸福感的脑机制［J］.心理科学进展，2009，17（5）：957-963.

[40] Joffily M， Coricelli G. Emotional valence and the free-energy principle［J］. PLoS Computational Biology，2013，9（6）：e1003094.

[41] Rutledge R B， Skandali N， Dayan P， et al. A computational and neural model of momentary subjective well-being［J］. Proceedings of the National Academy of Sciences of the United States of America，2014，111（33）：12252-12257.

[42] Nave K， Deane G， Miller M， et al. Wilding the predictive brain［J］. WIREs Cognitive Science，2020，11（6）：e1542.

[43] Miller M， Kiverstein J， Rietveld E. The predictive dynamics of happiness and well-being［J］. Emotion Review，2022，14（1）：15-30.

[44] 施亮.主观幸福感的脑功能基础及其与情绪加工之间的关系［D］.重庆：西南大学，2019.

[45] 刘小龙，刘华芳.fNIRS超扫描技术的发展及研究热点［J］.四川师范大学学报（自然科学版），2024，47（2）：165-178.

[46] Ye X Y， Peng L， Sun N， et al. Hotspots and trends in fNIRS disease research： a bibliometric analysis［J］. Frontiers in Neuroscience，2023，17：1097002.

[47] 吴伊荷，仲佳，吴世澳.基于fNIRS的超扫描技术在社会互动中的研究进展［J］.心理学进展，2024（1）：178-186.

[48] Redcay E， Schilbach L. Using second-person neuroscience to elucidate the mechanisms of social interaction［J］. Nature Reviews Neuroscience，2019，20（8）：495-505.

[49] Cui X， Bryant D M， Reiss A L. NIRS-based hyperscanning reveals increased interpersonal coherence in superior frontal cortex during cooperation［J］. NeuroImage，2012，59（3）：2430-2437.

[50] Hirsch J， Zhang X， Noah J A， et al. Frontal temporal and parietal systems synchronize within and across brains during live eye-to-eye contact［J］. NeuroImage，2017，157：314-330.

[51] Osaka N， Minamoto T， Yaoi K， et al. How two brains make one synchronized mind in the inferior frontal cortex： fNIRS-based hyperscanning during cooperative singing［J］. Frontiers in Psychology，2015，6：1811.

[52] Hasson U， Nir Y， Levy I， et al. Intersubject synchronization of cortical activity during natural vision［J］.Science，2004，303（5664）：1634-1640.

[53] Nummenmaa L， Glerean E， Viinikainen M， et al. Emotions promote social interaction by synchronizing brain activity across individuals［J］. Proceedings of the National Academy of Sciences of the United States of America，2012，109（24）：9599-9604.

[54] Finn E S， Glerean E， Khojandi A Y， et al. Idiosynchrony： from shared responses to individual differences during naturalistic neuroimaging［J］. NeuroImage，2020，215：116828.

[55] Baek E C， Scholz C， O’Donnell M B， et al. The value of sharing information： a neural account of information transmission［J］. Psychological Science，2017，28（7）：851-861.

[56] Peng Q F， Zhang J， Liu G G， et al. Positive emotions and inhibitory control enhance prosocial sharing behavior in children under unequal resource conditions： an fNIRS study［J］. NeuroImage，2025，319：121434.

[57] Lutz A， Greischar L L， Rawlings N B， et al. Long-term meditators self-induce high-amplitude gamma synchrony during mental practice［J］. Proceedings of the National Academy of Sciences of the United States of America，2004，101（46）：16369-16373.

[58] Tang Y Y， Hölzel B K， Posner M I. The neuroscience of mindfulness meditation［J］. Nature Reviews Neuroscience，2015，16（4）：213-225.

[59] Ochsner K N， Silvers J A， Buhle J T. Functional imaging studies of emotion regulation： a synthetic review and evolving model of the cognitive control of emotion［J］. Annals of the New York Academy of Sciences，2012，1251：E1-E24.

[60] Zhu R D， Xu Z H， Su S， et al. From gratitude to injustice： neurocomputational mechanisms of gratitude-induced injustice［J］. NeuroImage，2021，245：118730.

[61] Kong F， Zhao J J， You X Q， et al. Gratitude and the brain： trait gratitude mediates the association between structural variations in the medial prefrontal cortex and life satisfaction［J］. Emotion，2020，20（6）：917-926.

基金资助

教育部哲学社会科学研究重大课题攻关项目(21JZD063)