Dennis Gabor 發現這個數學模型的初衷，完全與視覺神經科學無關。1946年，他是在解決通訊工程的訊號傳輸問題時，藉由引入量子力學的概念，推導出了這個數學函數。
以下是 Gabor 函數被發現的核心過程，以及它如何從通訊理論跨界成為神經科學標準的歷史脈絡：
1. 通訊傳輸的瓶頸與訊號分析的極限
二戰後，Dennis Gabor 在英國湯姆森-休斯頓公司（British Thomson-Houston）從事雷達與通訊系統的研究。當時工程界的核心問題是：如何將最大量的資訊（如聲音、電報）塞進有限的傳輸頻寬中？
傳統的傅立葉轉換（Fourier Transform）能精準分析訊號的「頻率」，卻會完全喪失「時間」資訊；反之亦然。工程師無法同時知道一個訊號「在什麼時候發生」以及「包含了什麼頻率」。
2. 引入量子力學的「測不準原理」
Gabor 的天才之處在於，他借用了量子物理學家維爾納·海森堡（Werner Heisenberg）的測不準原理（Uncertainty Principle）。
在量子力學中，粒子的位置（x）與動量（p）無法同時被精準測量：
Gabor 證明了，這個物理定律同樣適用於資訊理論中的時間（t）與頻率（f）：
這意味著在訊號處理上，時間解析度與頻率解析度是互斥的。訊號在時間上越短促，其頻率分佈就越廣泛；頻率越純粹，持續的時間就必須越長。
3. 找出數學上的「最優解」
既然極限存在，Gabor 便試圖尋找一個能讓 \Delta t \Delta f 乘積達到數學最低極限（即等於 \frac{1}{4\pi}）的函數。這代表在該函數下，資訊的封裝效率達到理論上的最高境界，時間與頻率的模糊度降至最低。
經過推導，他找到了這個唯一解：將一個高斯函數（Gaussian envelope）與一個正弦波（Sinusoidal carrier）相乘。 這就是一維的「Gabor 函數」。它能最有效率地提取局部時間與頻率的資訊，成為現代數位訊號處理、語音辨識與 MP3 壓縮技術的數學基礎。
4. 從一維通訊走向二維視覺：Gabor Patch 的誕生
Gabor 發表該理論的 30 多年後，神經科學與電腦視覺領域才將其延伸至二維空間。
1980 年代，哈佛大學學者 John Daugman 將 Gabor 的一維時間/頻率函數，擴展為二維的空間/空間頻率函數（2D Gabor Filter），也就是我們現在看到的黑白漸層條紋圖形。
Daugman 隨後有了一個震驚科學界的發現：人類大腦初級視覺皮層（V1）中「簡單細胞」的感受野輪廓，竟然與二維 Gabor 函數的數學特徵完全吻合。
結論：大主演化的數學巧合
Dennis Gabor 為了突破通訊工程極限而計算出的最佳數學解，竟然是大腦在數百萬年演化中，為了最有效率地處理邊緣、輪廓與空間深度，所發展出的底層神經運算邏輯。
這解釋了為什麼看 Gabor Patch 會極大化地消耗視覺皮層的能量：因為這個圖形正是大腦視覺神經元的「原生機器碼」，能毫無耗損地觸發 V1 皮層的最強烈共振與活化。
