█腦科學(xué)動態(tài)

Cell：用自然語言構(gòu)建“虛擬細胞實驗室”

Cell：兩個關(guān)鍵基因可促進大腦體積增大與連接復(fù)雜化

大腦如何將一次舊傷變成永久的恐懼與疼痛開關(guān)

百萬級基因研究鎖定57個口吃“風(fēng)險基因”

完整解析涼爽感知的神經(jīng)通路

飲食攝入更多銅與老年人認知能力更強相關(guān)

人類CLOCK基因的額外功能：增強大腦連通性與思維靈活性

GLP-1全面綜述：GLP-1類藥物的健康益處遠超降糖減肥

█AI行業(yè)動態(tài)

全球首個"原生記憶力"大模型Yan 2.0

階躍星辰Step 3：開源多模態(tài)推理之王，性能與成本雙突破

█AI驅(qū)動科學(xué)

清華大模型僅憑體檢報告預(yù)測衰老與疾病風(fēng)險

模擬人類思維的機器人路徑規(guī)劃新范式

人工智能攻克復(fù)雜科學(xué)方程，加速藥物與材料設(shè)計

TrainCheck：一款主動檢測深度學(xué)習(xí)訓(xùn)練中靜默錯誤的自動化工具

超越上下文限制：為長時程推理引入“潛意識線程”

腦科學(xué)動態(tài)

Cell：用自然語言構(gòu)建“虛擬細胞實驗室”

如何預(yù)測數(shù)萬億細胞在人體內(nèi)的復(fù)雜互動？傳統(tǒng)的計算機建模技術(shù)門檻高，限制了其在生物學(xué)研究中的應(yīng)用。由印第安納大學(xué)、約翰·霍普金斯醫(yī)學(xué)院、馬里蘭大學(xué)醫(yī)學(xué)院等機構(gòu)的Paul Macklin, Genevieve Stein-O'Brien, Elana J. Fertig領(lǐng)導(dǎo)的團隊，開發(fā)了一種全新的框架，允許科學(xué)家使用簡單的自然語言來構(gòu)建細胞行為的“數(shù)字孿生”，極大地降低了技術(shù)壁壘。

該研究的核心是創(chuàng)建了一種“細胞行為假說語法”，它允許科學(xué)家像填寫電子表格一樣，用“如果...那么...”的簡單邏輯語句描述細胞行為規(guī)則（例如：隨著氧氣濃度增加，此細胞分裂加速）。研究團隊開發(fā)的PhysiCell軟件能夠自動將這些人類可讀的“語法”翻譯成復(fù)雜的數(shù)學(xué)方程，并構(gòu)建成基于代理的模型。這種方法讓不具備高深編程技能的生物學(xué)家也能在幾小時內(nèi)搭建起復(fù)雜的細胞模擬系統(tǒng)。

為驗證其有效性，研究人員模擬了免疫細胞侵襲乳腺腫瘤的過程，模型預(yù)測腫瘤生長與癌細胞移動能力增強有關(guān)，這一結(jié)果在后續(xù)的活體細胞實驗中得到證實。此外，團隊還利用公共數(shù)據(jù)庫成功構(gòu)建了首個大腦皮層發(fā)育的動態(tài)模型。這項技術(shù)最終旨在創(chuàng)建一個“虛擬細胞實驗室”，作為真實實驗的“數(shù)字孿生”，用以快速測試藥物反應(yīng)、基因相互作用等假說，優(yōu)先篩選出最有希望的研究方向，從而大幅加速生物醫(yī)學(xué)的探索進程。研究發(fā)表在 Cell 上。

#AI驅(qū)動科學(xué) #計算模型與人工智能模擬 #數(shù)字孿生 #系統(tǒng)生物學(xué)

閱讀更多：

Johnson, Jeanette A. I., et al. “Human Interpretable Grammar Encodes Multicellular Systems Biology Models to Democratize Virtual Cell Laboratories.” Cell, vol. 0, no. 0, Jul. 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.06.048

Cell：兩個關(guān)鍵基因可促進大腦體積增大與連接復(fù)雜化

加州大學(xué)戴維斯分校的Daniela C. Soto和Megan Y. Dennis等人，利用最新發(fā)布的完整人類基因組圖譜，系統(tǒng)性地研究了此前難以分析的基因重復(fù)序列區(qū)域。他們的研究成功鑒定出兩個關(guān)鍵的人類特有基因，分別調(diào)控著大腦體積的增加和神經(jīng)連接的復(fù)雜化。

該研究首先利用了前沿的端粒到端粒（T2T-CHM13）完整人類基因組序列，從中鑒定出上千個人類特有的旁系同源基因（paralog，即由基因重復(fù)產(chǎn)生的副本基因）。為了驗證這些基因的功能，研究團隊創(chuàng)新地構(gòu)建了“人源化”斑馬魚模型。他們通過CRISPR基因編輯技術(shù)敲除斑馬魚體內(nèi)與人類候選基因相對應(yīng)的基因，再注入編碼人類特有基因的信使核糖核酸（mRNA），從而觀察這些“外來”基因?qū)Π唏R魚大腦發(fā)育的影響。結(jié)果清晰地表明，人類特有的GPR89B基因能以劑量依賴的方式（gene dosage-mediated，即基因數(shù)量越多，效果越明顯）顯著增大斑馬魚的大腦體積。而另一個名為FRMPD2B的基因，則通過影響突觸信號轉(zhuǎn)導(dǎo)來增加神經(jīng)連接的復(fù)雜度。這項研究為理解人類大腦演化的遺傳基礎(chǔ)提供了直接證據(jù)。研究發(fā)表在 Cell 上。

#神經(jīng)科學(xué) #神經(jīng)機制與腦功能解析 #人類進化 #基因重復(fù)

閱讀更多：

Soto, Daniela C., et al. “Human-Specific Gene Expansions Contribute to Brain Evolution.” Cell, vol. 0, no. 0, Jul. 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.06.037

大腦如何將一次舊傷變成永久的恐懼與疼痛開關(guān)

為何一次身體創(chuàng)傷能在痊愈后仍留下長期影響，甚至導(dǎo)致慢性疼痛或焦慮？多倫多大學(xué)密西沙加分校的Jennet Baumbach和Loren J. Martin團隊通過小鼠實驗發(fā)現(xiàn)，過去的損傷會重塑大腦的應(yīng)激回路，使其對未來的壓力產(chǎn)生過度反應(yīng)，并揭示了其中的關(guān)鍵分子通路。

?Credit: Current Biology (2025).

研究人員首先對小鼠進行一次性的局部損傷，以建立“疼痛啟動”（pain-priming）模型。待其完全康復(fù)后，再將它們暴露于天敵的氣味中，這是一種純粹的心理壓力。結(jié)果顯示，與從未受過傷的同伴相比，這些有過“創(chuàng)傷史”的小鼠表現(xiàn)出極度夸張的恐懼，并產(chǎn)生了長達六個多月的慢性疼痛，甚至連從未受傷的另一側(cè)肢體也出現(xiàn)痛覺超敏。

進一步的機制研究發(fā)現(xiàn)，這一現(xiàn)象的核心在于應(yīng)激激素皮質(zhì)酮與TRPA1受體（TRPA1 receptor，一種能感知芥末等刺激物的“警報”蛋白）之間的相互作用。過去的損傷使這一通路變得敏感，當再次遭遇壓力時，該通路被激活，從而放大了恐懼與疼痛信號。更有趣的是，研究發(fā)現(xiàn)恐懼和疼痛的長期化是由不同機制驅(qū)動的：阻斷TRPA1受體能消除過度的恐懼，卻無法緩解慢性疼痛；而抑制皮質(zhì)酮則能同時消除兩者。這表明大腦中存在著獨立處理恐懼和疼痛的平行通路。研究發(fā)表在 Current Biology 上。

#疾病與健康 #神經(jīng)機制與腦功能解析 #慢性疼痛 #應(yīng)激 #心理健康與精神疾病

閱讀更多：

Baumbach, Jennet L., et al. “A History of Injury Enhances Affective and Sensory Responses to Predator Threat by Sensitizing Corticosterone Release through TRPA1 Receptor Signaling.” Current Biology, vol. 0, no. 0, Jul. 2025. www.cell.com, https://doi.org/10.1016/j.cub.2025.07.005

百萬級基因研究鎖定57個口吃“風(fēng)險基因”

口吃的成因數(shù)百年來眾說紛紜，常被誤解為心理或家庭問題。為揭示其生物學(xué)基礎(chǔ)，范德比爾特大學(xué)醫(yī)學(xué)中心的Jennifer (Piper) Below、韋恩州立大學(xué)的Shelly Jo Kraft及同事與基因公司23andMe合作，開展了迄今最大規(guī)模的口吃遺傳學(xué)研究。這項研究不僅為口吃的遺傳根源提供了確鑿證據(jù)，還發(fā)現(xiàn)了其與孤獨癥、抑郁癥等疾病的內(nèi)在聯(lián)系。

該研究采用全基因組關(guān)聯(lián)研究技術(shù)，分析了超過一百萬人的基因數(shù)據(jù)。研究人員在99,776名自我報告有口吃史的人群和超過一百萬的對照組中，成功定位了57個與口吃風(fēng)險顯著相關(guān)的基因組區(qū)域。研究發(fā)現(xiàn)，口吃的遺傳基礎(chǔ)與孤獨癥、抑郁癥以及音樂節(jié)奏感存在重疊，表明控制言語、情緒和音樂能力的大腦通路可能共享相似的遺傳根源。例如，在男性中風(fēng)險信號最強的基因VRK2，也被證實與節(jié)拍同步能力有關(guān)。此外，研究還揭示了口吃遺傳風(fēng)險的性別差異，這或許能解釋為何口吃在成年男性中更為普遍。基于男性遺傳數(shù)據(jù)構(gòu)建的多基因風(fēng)險評分（polygenic risk score）能夠有效預(yù)測口吃風(fēng)險，為未來的早期識別和干預(yù)提供了可能。研究發(fā)表在 Nature Genetics 上。

#疾病與健康 #個性化醫(yī)療 #口吃 #基因組學(xué) #神經(jīng)科學(xué)

閱讀更多：

Polikowsky, Hannah G., et al. “Large-Scale Genome-Wide Analyses of Stuttering.” Nature Genetics, Jul. 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41588-025-02267-2

完整解析涼爽感知的神經(jīng)通路

涼爽的感覺為何如此獨特？我們的大腦如何精確區(qū)分一絲涼意和刺骨寒冷？密歇根大學(xué)的Bo Duan及其研究團隊，包括Hankyu Lee, Chia Chun Hor, Lorraine Horwitz等人，利用小鼠模型進行研究，首次完整描繪出了一條從皮膚到大腦的、專門用于傳遞涼爽感覺的神經(jīng)通路，并發(fā)現(xiàn)脊髓中存在一個關(guān)鍵的“信號放大器”。

該研究揭示，涼爽感知的旅程始于皮膚上表達瞬時受體電位褪黑素8型（Transient receptor potential melastatin type 8，TRPM8）分子的感覺神經(jīng)元。當皮膚接觸到15至25攝氏度的無害低溫時，這些神經(jīng)元被激活，并將信號發(fā)送至脊髓。研究團隊發(fā)現(xiàn)了一個前所未知的關(guān)鍵步驟：在脊髓中，一類特定的興奮性中間神經(jīng)元（Trhr+ interneurons）接收到這個初始信號后，會像放大器一樣將其增強。這一步至關(guān)重要，如果通過基因技術(shù)移除這些“放大器”神經(jīng)元，小鼠便會失去對涼爽的感知能力，但其對溫暖或冷痛的反應(yīng)則不受影響，證明了該回路的高度特異性。

隨后，被放大的信號被傳遞給另一群脊髓投射神經(jīng)元，最終抵達大腦的臂旁外側(cè)核，從而產(chǎn)生涼爽的感覺。這條完整的“皮膚-脊髓-大腦”通路為感覺的“標記線理論”（labeled-line theory，即不同感覺有其專屬通路）提供了強有力的證據(jù)。這一發(fā)現(xiàn)不僅加深了我們對基本感覺機制的理解，也為未來開發(fā)針對化療引起的冷痛等感覺異常疾病的靶向療法奠定了基礎(chǔ)。研究發(fā)表在 Nature Communications 上。

#神經(jīng)科學(xué) #神經(jīng)機制與腦功能解析 #感覺通路 #溫度感知

閱讀更多：

Lee, Hankyu, et al. “A Dedicated Skin-to-Brain Circuit for Cool Sensation in Mice.” Nature Communications, vol. 16, no. 1, Jul. 2025, p. 6731. www.nature.com, https://doi.org/10.1038/s41467-025-61562-y

飲食攝入更多銅與老年人認知能力更強相關(guān)

溫州醫(yī)科大學(xué)附屬麗水市中心醫(yī)院的Weiai Jia, Kangsheng Zhu, Jingpu Shi及Fangfang Yong等研究人員，利用美國大型健康調(diào)查數(shù)據(jù)，分析了飲食中的銅攝入量與老年人認知健康的關(guān)系，發(fā)現(xiàn)二者存在顯著正相關(guān)，但同時指出這種關(guān)聯(lián)受到多種社會經(jīng)濟因素的影響，其直接因果關(guān)系尚待進一步厘清。

該研究是一項橫斷面觀察性研究，分析了來自美國國家健康與營養(yǎng)檢查調(diào)查（NHANES）的2420名60歲以上成年人的數(shù)據(jù)。研究人員通過詳細的飲食日記評估了參與者的銅攝入量，并采用數(shù)字符號替換測試（DSST）和動物流暢性測試（AFT）等一系列標準化工具來衡量其認知功能。結(jié)果顯示，較高的膳食銅攝入量（常見于貝類、堅果、黑巧克力等食物）與更好的認知表現(xiàn)顯著相關(guān)。然而，這種關(guān)系并非簡單的線性增長，而是呈現(xiàn)出倒“L”形曲線，表明銅的益處在達到一個拐點后便不再增加，研究建議的最佳攝入范圍為每天1.22至1.65毫克。研究團隊也強調(diào)，高銅攝入人群往往收入更高、生活方式更健康，這些混雜因素使得難以斷定銅是改善認知的直接原因。其他研究顯示阿爾茨海默病患者血液中銅含量偏高，但大腦關(guān)鍵記憶區(qū)域卻缺銅，這表明疾病本身可能擾亂了銅的代謝平衡，凸顯了銅與大腦健康關(guān)系的復(fù)雜性。研究發(fā)表在 Scientific Reports 上。

#疾病與健康 #疾病預(yù)防 #營養(yǎng)學(xué) #阿爾茨海默病 #認知功能

閱讀更多：

Jia, Weiai, et al. “Association between Dietary Copper Intake and Cognitive Function in American Older Adults: NHANES 2011–2014.” Scientific Reports, vol. 15, no. 1, Jul. 2025, p. 24334. www.nature.com, https://doi.org/10.1038/s41598-025-09280-9

人類CLOCK基因的額外功能：增強大腦連通性與思維靈活性

生物鐘基因CLOCK除了調(diào)節(jié)睡眠和覺醒，是否還有其他功能？德克薩斯大學(xué)西南醫(yī)學(xué)中心的Yuxiang Liu, Genevieve Konopka及其同事，針對該基因在人類大腦皮層中獨特的非節(jié)律性高表達模式展開研究。他們發(fā)現(xiàn)，人類特有的CLOCK基因表達模式能夠增強神經(jīng)連接和認知靈活性。

?野生型小鼠大腦皮層興奮性神經(jīng)元示例圖，顯示樹突減少。 Credit: Dr. Yuxiang Liu

研究團隊首先構(gòu)建了一種人源化小鼠模型（humanized mouse model），使其大腦皮層中的CLOCK基因表達模式與人類相似。在行為測試中，這種小鼠表現(xiàn)出更強的認知靈活性。為了探究其神經(jīng)機制，研究人員運用單核RNA測序等技術(shù)分析發(fā)現(xiàn)，在人源化小鼠的興奮性神經(jīng)元中，負責促進神經(jīng)連接的基因被激活了。通過顯微成像和電生理記錄，他們進一步證實這些神經(jīng)元長出了更復(fù)雜的樹突，突觸棘密度也更高，這直接證明了其大腦連接性的增強。為了在人類細胞中驗證這一發(fā)現(xiàn)，團隊利用CRISPR技術(shù)敲除了人類誘導(dǎo)多能干細胞（iPSC）中的CLOCK基因，結(jié)果觀察到神經(jīng)元的樹突復(fù)雜性顯著降低。這項研究有力地證明了CLOCK基因通過在進化中獲得新的表達模式，促進了大腦連接和高級認知功能的發(fā)展。研究發(fā)表在 Nature Neuroscience 上。

#神經(jīng)科學(xué) #神經(jīng)機制與腦功能解析 #認知科學(xué) #進化

閱讀更多：

Liu, Yuxiang, et al. “Human CLOCK Enhances Neocortical Function.” Nature Neuroscience, Jun. 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41593-025-01993-4

GLP-1全面綜述：GLP-1類藥物的健康益處遠超降糖減肥

GLP-1研究領(lǐng)域的先驅(qū)、加拿大內(nèi)分泌學(xué)家Daniel J. Drucker與合作者Maria J. Gonzalez-Rellan全面回顧了GLP-1類藥物在心血管、腎臟、肝臟等多種疾病治療中的最新臨床證據(jù)，并探討了其潛在作用機制。

這篇評論文章，系統(tǒng)梳理了多項大型3期臨床試驗的關(guān)鍵數(shù)據(jù)，揭示了GLP-1類藥物的“超適應(yīng)癥”潛力。在心血管和腎臟保護方面，SELECT試驗發(fā)現(xiàn)，司美格魯肽可將無糖尿病的肥胖癥患者的主要不良心血管事件（MACE，指心血管死亡、非致命性心肌梗死或非致命性中風(fēng)的復(fù)合終點）風(fēng)險降低20%；而FLOW試驗則證實，該藥物能使2型糖尿病合并慢性腎病患者的腎臟重大疾病事件風(fēng)險降低24%。這些益處被發(fā)現(xiàn)部分獨立于體重減輕的程度。

此外，研究還總結(jié)了其在其他領(lǐng)域的顯著療效：在代謝功能障礙相關(guān)脂肪性肝炎（MASH）患者中，司美格魯肽和替爾泊肽均能有效改善肝臟炎癥和纖維化；在肥胖合并骨關(guān)節(jié)炎（osteoarthritis）患者中，司美格魯肽能顯著減輕疼痛；在肥胖合并中重度阻塞性睡眠呼吸暫停（obstructive sleep apnea）患者中，替爾泊肽也顯示出卓越的治療效果。作者指出，GLP-1類藥物廣泛的器官保護作用可能源于其強大的抗炎能力和對全身代謝的直接調(diào)節(jié)，而不僅僅是減重的間接效應(yīng)。

#疾病與健康 #健康管理與壽命延長 #GLP-1 #肥胖

閱讀更多：

Gonzalez-Rellan, Maria J., and Daniel J. Drucker. “The Expanding Benefits of GLP-1 Medicines.” Cell Reports Medicine, vol. 6, no. 7, Jul. 2025. www.cell.com, https://doi.org/10.1016/j.xcrm.2025.102214

AI 行業(yè)動態(tài)

全球首個"原生記憶力"大模型Yan 2.0亮相WAIC，挑戰(zhàn)Transformer霸權(quán)

近期，世界人工智能大會（WAIC）上，中國AI創(chuàng)企RockAI展示了基于全新架構(gòu)Yan 2.0 Preview的多模態(tài)大模型。這款僅3B參數(shù)的模型能在樹莓派等低算力設(shè)備離線運行，其獨特之處在于具備"原生記憶"能力——通過可微的神經(jīng)網(wǎng)絡(luò)記憶單元，將用戶交互信息內(nèi)化為模型參數(shù)，實現(xiàn)類似人類的時間維度記憶。相比之下，傳統(tǒng)Transformer模型每次對話都需重新加載上下文，而經(jīng)過裁剪的端側(cè)Transformer模型更是喪失了持續(xù)學(xué)習(xí)能力。RockAI CEO劉凡平指出，這種內(nèi)生記憶機制能實現(xiàn)真正的個性化服務(wù)，使設(shè)備從工具進化為"數(shù)字大腦"。

RockAI團隊耗時兩年研發(fā)的Yan架構(gòu)，從根本上解決了Transformer的"數(shù)據(jù)墻"和"算力依賴"問題。該架構(gòu)通過降低計算復(fù)雜度，實現(xiàn)了"訓(xùn)推同步"——模型在推理時仍可學(xué)習(xí)更新，如同兒童在互動中成長。現(xiàn)場演示中，搭載Yan 2.0的機器狗能記住學(xué)過的動作，即使重啟對話窗口也不遺忘。CTO楊華強調(diào)，這種離線自主學(xué)習(xí)能力是群體智能的基礎(chǔ)，未來硬件價值將取決于"智能進化能力"而非靜態(tài)配置。目前已有多個硬件廠商與RockAI合作，推動非Transformer架構(gòu)的商業(yè)化落地。

從早期遭受質(zhì)疑到如今引發(fā)行業(yè)關(guān)注，RockAI始終堅守"讓每臺設(shè)備擁有自主智能"的愿景。CMO鄒佳思透露，團隊正在挑戰(zhàn)更底層的反向傳播算法，以提升學(xué)習(xí)效率。這種長期主義研發(fā)策略，與OpenAI早期探索scaling law的路徑相似。隨著記憶能力成為AI進化關(guān)鍵，Yan架構(gòu)或?qū)锳GI發(fā)展提供新范式——當海量數(shù)據(jù)紅利見頂時，具備持續(xù)進化能力的"數(shù)字生命體"可能開啟智能新時代。

#人工智能 #大模型 #Transformer #記憶能力 #端側(cè)AI

閱讀更多：

https://www.rockai.net/

階躍星辰Step 3：開源多模態(tài)推理之王，性能與成本雙突破

在2025世界人工智能大會（WAIC）前夕，階躍星辰（StepFun）正式推出新一代基座模型Step 3，被譽為“開源多模態(tài)推理之王”。該模型在MMMU、MathVision等基準測試中超越同類開源模型，甚至能與OpenAI o3、Gemini 2.5 Pro等閉源模型一較高下。Step 3以“多開好省”為核心特點：支持文本和視覺多模態(tài)能力（多）、7月31日全球開源（開）、性能優(yōu)異（好）、推理效率高且成本低（省）。其國產(chǎn)芯片適配優(yōu)化使推理成本僅為業(yè)界領(lǐng)先開源模型的三分之一，為AI商業(yè)化應(yīng)用提供了新范式。

實測顯示，Step 3在多模態(tài)任務(wù)中表現(xiàn)驚艷。無論是識別貓的品種、解讀網(wǎng)絡(luò)熱梗，還是整合多張圖片生成故事，其視覺理解和推理能力均達到頂尖水平。此外，階躍AI App的智能視頻通話功能也展現(xiàn)了強大的實時多模態(tài)交互能力。Step 3的底層采用原創(chuàng)MFA架構(gòu)（多矩陣分解注意力），結(jié)合MoE（混合專家）技術(shù)，并通過Attention-FFN Disaggregation（AFD）方案優(yōu)化分布式推理，實現(xiàn)了性能與效率的完美平衡。

階躍星辰還聯(lián)合華為昇騰、沐曦等10家芯片廠商成立“模芯生態(tài)創(chuàng)新聯(lián)盟”，推動國產(chǎn)算力生態(tài)發(fā)展。2025年上半年，其智能終端多模態(tài)模型調(diào)用量環(huán)比增長超800%，預(yù)計年收入接近10億元。從Step 1到Step 3，階躍星辰完成了從技術(shù)深耕到商業(yè)落地的跨越，為AI行業(yè)提供了兼具性能與成本效益的“最優(yōu)解”。

#階躍星辰 #Step3 #多模態(tài)模型 #開源AI #國產(chǎn)芯片

閱讀更多：

https://www.stepfun.com/company

AI 驅(qū)動科學(xué)

清華大模型僅憑體檢報告預(yù)測衰老與疾病風(fēng)險

清華大學(xué)的底騫、馬為之及新疆維吾爾自治區(qū)人民醫(yī)院的楊毅寧等研究人員，開發(fā)了一種基于大語言模型（LLM）的新框架，僅需普通體檢報告即可精準預(yù)測個體的整體及器官生物學(xué)年齡。

該研究創(chuàng)建了一個創(chuàng)新性評估框架，首先將個體的常規(guī)體檢數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化的文字報告，然后將其輸入到大語言模型中。模型利用其強大的預(yù)訓(xùn)練醫(yī)學(xué)知識進行綜合分析，無需預(yù)設(shè)公式即可推斷出個體的整體生物學(xué)年齡以及心臟、肝臟等六大器官系統(tǒng)的專屬年齡。研究團隊利用全球六個大型數(shù)據(jù)庫中超過1000萬人的數(shù)據(jù)對該方法進行了驗證。結(jié)果顯示，該模型在預(yù)測全因死亡率（all-cause mortality）方面的準確率（C-index為0.757），顯著優(yōu)于表觀遺傳時鐘（epigenetic clocks）等傳統(tǒng)衰老生物標志物。模型計算出的“年齡差”（即預(yù)測生物學(xué)年齡與實際年齡的差值）是關(guān)鍵的健康預(yù)警信號，年齡差每增加1歲，未來死亡風(fēng)險便上升5.5%。此外，該模型還能識別與加速衰老相關(guān)的蛋白質(zhì)生物標志物（protein biomarkers），并為270種疾病構(gòu)建了風(fēng)險預(yù)測模型，在精準健康管理方面展現(xiàn)出巨大潛力。研究發(fā)表在 Nature Medicine 上。

#AI驅(qū)動科學(xué) #預(yù)測模型構(gòu)建 #健康管理與壽命延長 #大模型技術(shù)

閱讀更多：

Li, Yanjun, et al. “Large Language Model-Based Biological Age Prediction in Large-Scale Populations.” Nature Medicine, Jul. 2025, pp. 1–14. www.nature.com, https://doi.org/10.1038/s41591-025-03856-8

模擬人類思維的機器人路徑規(guī)劃新范式

現(xiàn)有機器人導(dǎo)航方法在面對迷宮等復(fù)雜環(huán)境時往往效率低下或不夠可靠。浙江大學(xué)湖州研究院的Zhichao Han、Fei Gao等人受人類尋路模式啟發(fā)，開發(fā)了一種創(chuàng)新的分層規(guī)劃框架，該框架結(jié)合了人工智能的快速直覺與傳統(tǒng)算法的精確可靠，旨在讓機器人在任何復(fù)雜環(huán)境中都能高效、穩(wěn)定地導(dǎo)航。

?涉及腿式機器人在迷宮環(huán)境中導(dǎo)航的實驗。Credit: Science Robotics (2025).

該研究的核心是一種模仿人類“直覺先行，后精細調(diào)整”思維模式的分層規(guī)劃方法。首先，一個輕量級深度神經(jīng)網(wǎng)絡(luò)作為前端規(guī)劃器，它通過學(xué)習(xí)大量專家數(shù)據(jù)，能像人一樣“一眼”看穿環(huán)境，直接在地圖圖像上快速生成一條可行的大致路徑。這種基于學(xué)習(xí)的方式保證了規(guī)劃時間不隨環(huán)境復(fù)雜度的增加而大幅波動，實現(xiàn)了可預(yù)測的計算效率。隨后，該粗略路徑被傳遞給一個作為后端優(yōu)化器的新型時空軌跡優(yōu)化器。該優(yōu)化器采用經(jīng)典的數(shù)值優(yōu)化技術(shù)，將前端給出的路徑“打磨”成一條機器人能夠平穩(wěn)、安全執(zhí)行的、無奇異點的高質(zhì)量運動軌跡。這種“AI預(yù)測+經(jīng)典優(yōu)化”的混合模式，成功結(jié)合了深度學(xué)習(xí)的高效率和傳統(tǒng)方法的可靠性。在對腿式機器人和無人機進行的大規(guī)模迷宮導(dǎo)航實驗中，該系統(tǒng)展現(xiàn)了卓越的魯棒性和高效率，即使在極度復(fù)雜的環(huán)境中也能穩(wěn)定輸出高質(zhì)量的導(dǎo)航路徑。研究發(fā)表在 Science Robotics 上。

#AI驅(qū)動科學(xué) #機器人及其進展 #路徑規(guī)劃 #人機融合

閱讀更多：

Han, Zhichao, et al. “Hierarchically Depicting Vehicle Trajectory with Stability in Complex Environments.” Science Robotics, vol. 10, no. 103, Jun. 2025, p. eads4551. science.org (Atypon), https://doi.org/10.1126/scirobotics.ads4551

人工智能攻克復(fù)雜科學(xué)方程，加速藥物與材料設(shè)計

許多前沿科學(xué)研究因求解復(fù)雜的物理方程（如薛定諤方程）而進展緩慢，德克薩斯農(nóng)工大學(xué)（Texas A&M University）的Shuiwang Ji、Xuan Zhang聯(lián)合來自15所頂尖高校的60余位研究者，共同完成了一篇里程碑式的綜述論文，系統(tǒng)闡述了如何利用人工智能（AI）攻克這些難題。

這篇綜述性研究詳細闡述了如何運用人工智能，特別是深度學(xué)習(xí)模型，來替代傳統(tǒng)方法，從而高效地近似求解這些復(fù)雜方程。其核心思想是訓(xùn)練AI模型直接學(xué)習(xí)物理系統(tǒng)的行為規(guī)律，例如，利用AI求解著名的薛定諤方程。為了保證AI模型的預(yù)測符合物理現(xiàn)實，一個關(guān)鍵的技術(shù)挑戰(zhàn)是讓模型內(nèi)嵌物理學(xué)基本原理，尤其是對稱性。研究者們深入探討了實現(xiàn)等變性（equivariance，指當系統(tǒng)輸入發(fā)生旋轉(zhuǎn)或平移等對稱變換時，模型輸出也相應(yīng)變換的特性）的多種AI技術(shù)。通過這種方式，AI不僅能處理傳統(tǒng)方法無法企及的大規(guī)模系統(tǒng)，還能將計算時間從數(shù)年縮短至幾分之一。研究發(fā)表在 Foundations and Trends in Machine Learning 上。

#AI驅(qū)動科學(xué) #預(yù)測模型構(gòu)建 #跨學(xué)科整合 #材料科學(xué)

閱讀更多：

Zhang, Xuan, et al. “Artificial Intelligence for Science in Quantum, Atomistic, and Continuum Systems.” Foundations and Trends? in Machine Learning, vol. 18, no. 4, Jul. 2025, pp. 385–912. www.nowpublishers.com, https://doi.org/10.1561/2200000115

TrainCheck：一款主動檢測深度學(xué)習(xí)訓(xùn)練中靜默錯誤的自動化工具

深度學(xué)習(xí)模型訓(xùn)練中難以察覺的“靜默錯誤”會導(dǎo)致模型性能下降并浪費大量計算資源，密歇根大學(xué)（University of Michigan）的Yuxuan Jiang、Ryan Huang等人，開發(fā)了一款名為TrainCheck的開源自動化框架，它通過監(jiān)控“訓(xùn)練不變量”來主動、快速地識別這些錯誤及其根本原因。

?BLOOM-176B 訓(xùn)練中的靜默錯誤。Credit: arXiv (2025).

傳統(tǒng)上，開發(fā)者通過監(jiān)控損失（loss）或準確率（accuracy）等高層指標來判斷訓(xùn)練狀態(tài)，但這些方法難以區(qū)分正常的訓(xùn)練波動和由靜默錯誤（silent error，即不導(dǎo)致程序崩潰但會悄悄影響模型最終性能的漏洞）引起的問題。TrainCheck采取了一種全新的主動檢測策略。其核心是利用“訓(xùn)練不變量”（training invariants），即在正常訓(xùn)練過程中必須恒成立的規(guī)則，例如“在張量并行訓(xùn)練中，不同GPU上的某些模型權(quán)重應(yīng)保持一致”。該框架能自動從正確的訓(xùn)練代碼中推斷出這些不變量，然后在新的訓(xùn)練任務(wù)中實時監(jiān)控它們。一旦某個不變量被違反，TrainCheck會立刻發(fā)出警報，并提供詳細的調(diào)試信息。在一項包含20個真實世界靜默錯誤的評估中，TrainCheck成功檢測到18個，而傳統(tǒng)方法僅發(fā)現(xiàn)2個。更重要的是，它為其中10個錯誤找到了確切的根本原因，并顯著縮小了其余8個錯誤的排查范圍。此外，該工具還發(fā)現(xiàn)了流行訓(xùn)練庫中6個此前未知的錯誤。研究發(fā)表在 USENIX Symposium on Operating Systems Design and Implementation (OSDI) 上。

#大模型技術(shù) #自動化科研 #深度學(xué)習(xí) #錯誤檢測

閱讀更多：

Jiang, Yuxuan, et al. Training with Confidence: Catching Silent Errors in Deep Learning Training with Automated Proactive Checks. arXiv:2506.14813, arXiv, 6 Jun. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2506.14813

超越上下文限制：為長時程推理引入“潛意識線程”

來自MIT CSAIL、普林斯頓大學(xué)、特拉維夫大學(xué)以及Subconscious Systems Technologies公司的Hongyin Luo、James Glass等人，提出了一種名為TIM的線程推理模型及其推理引擎TIMRUN，通過將推理過程建模為可修剪的“任務(wù)樹”，成功突破了上下文限制。

該研究的核心思想是顛覆傳統(tǒng)LLM將語言視為線性序列的處理方式，轉(zhuǎn)而將其建模為一棵遞歸的任務(wù)樹�；诖�，團隊構(gòu)建了線程推理模型（TIM, Thread Inference Model）并為其開發(fā)了專用推理引擎TIMRUN。其工作機制如同人腦的“潛意識”：在推理過程中，TIMRUN會動態(tài)維護一個工作記憶。當一個子任務(wù)完成后，其在KV緩存（KV cache，存儲Transformer模型注意力機制中關(guān)鍵信息的核心內(nèi)存區(qū)域）中的狀態(tài)會被智能地修剪和釋放，從而為后續(xù)更重要的推理步驟騰出寶貴的GPU資源。這種動態(tài)的內(nèi)存管理機制，使得模型能夠處理理論上無限長的推理鏈條，有效克服了傳統(tǒng)LLM在輸出長度、位置編碼和GPU顯存方面的三重限制。該架構(gòu)還極大地簡化了需要多次調(diào)用外部工具的復(fù)雜工作流，將多次調(diào)用整合到單次模型推理中。實驗表明，該系統(tǒng)在處理長時程數(shù)學(xué)推理和多跳（multi-hop）信息檢索任務(wù)時表現(xiàn)出色，并且即使在動態(tài)管理高達90%的KV緩存時，也能保持高推理吞吐量。

#大模型技術(shù) #計算模型與人工智能模擬 #長文本處理 #AI智能體

閱讀更多：

Luo, Hongyin, et al. Beyond Context Limits: Subconscious Threads for Long-Horizon Reasoning. arXiv:2507.16784, arXiv, 22 Jul. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2507.16784

整理｜ChatGPT

編輯｜丹雀、存源

由天橋腦科學(xué)研究院主辦的首屆AI驅(qū)動科學(xué)年度研討會（AIAS 2025）將于10月27–28日在美國舊金山舉行。會議面向全球征集論文，聚焦能夠在科學(xué)領(lǐng)域開辟全新研究模式、假設(shè)生成及實驗方法的變革性人工智能創(chuàng)新。如果您希望與諾貝爾獎得主Jennifer Doudna，David Baker，知名學(xué)者Animashree Anankumar，Heather J. Kulik，以及業(yè)界領(lǐng)袖Tom Miller一同登臺分享，請點擊閱讀原文提交您的論文：https://aias2025.org/call-for-papers/！征稿截止日期為8月1日。

關(guān)于追問nextquestion

天橋腦科學(xué)研究院旗下科學(xué)媒體，旨在以科學(xué)追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學(xué)的邊界。歡迎評論區(qū)留言，或后臺留言“社群”即可加入社群與我們互動。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復(fù)哦~

關(guān)于天橋腦科學(xué)研究院

天橋腦科學(xué)研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創(chuàng)建的世界最大私人腦科學(xué)研究機構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點，支持腦科學(xué)研究，造福人類。

Chen Institute與華山醫(yī)院、上海市精神衛(wèi)生中心設(shè)立了應(yīng)用神經(jīng)技術(shù)前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學(xué)院合作成立了加州理工天橋神經(jīng)科學(xué)研究院。

Chen Institute建成了支持腦科學(xué)和人工智能領(lǐng)域研究的生態(tài)系統(tǒng)，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎勵計劃、、等。