█腦科學(xué)動(dòng)態(tài)

Cell：50歲是人類衰老轉(zhuǎn)折點(diǎn)，血管系統(tǒng)首當(dāng)其沖

科學(xué)家培育出整合血管系統(tǒng)的“全腦”類器官

牙神經(jīng)既是疼痛探測器，也是牙齒保護(hù)者

多讀書不能減緩大腦衰老？

AI結(jié)合超聲技術(shù)，實(shí)現(xiàn)嬰兒腦膜炎無創(chuàng)精準(zhǔn)篩查

遺傳風(fēng)險(xiǎn)或源于大腦的“守護(hù)細(xì)胞”而非神經(jīng)元

超加工食品可致成癮，其標(biāo)準(zhǔn)不亞于藥物濫用

恰到好處的“大腦噪音”讓記憶力更強(qiáng)

抑制作用如何精煉海馬區(qū)的記憶線索表征

█AI行業(yè)動(dòng)態(tài)

智譜開源GLM-4.5大模型：一句話生成B站級(jí)應(yīng)用

國產(chǎn)多模態(tài)推理模型Step 3：開源、高效、低成本

█AI驅(qū)動(dòng)科學(xué)

Science：首次實(shí)現(xiàn)原子級(jí)熱振動(dòng)成像，科學(xué)家“看見”了熱量

彎曲神經(jīng)網(wǎng)絡(luò)通過幾何設(shè)計(jì)實(shí)現(xiàn)類人“頓悟式”記憶回憶

AI驅(qū)動(dòng)的個(gè)性化神經(jīng)刺激頭戴設(shè)備可在家中提升注意力

仿生人造肌肉讓機(jī)器人可推、舉、踢，行動(dòng)更靈活

Allegro-FM：面向艾字節(jié)級(jí)分子動(dòng)力學(xué)模擬的等變基礎(chǔ)模型

腦科學(xué)動(dòng)態(tài)

Cell：50歲是人類衰老轉(zhuǎn)折點(diǎn)，血管系統(tǒng)首當(dāng)其沖

中國科學(xué)院動(dòng)物研究所的劉光慧、曲靜，國家生物信息中心的張維綺，以及四川大學(xué)華西醫(yī)院的楊家印等研究人員組成的合作團(tuán)隊(duì)，利用前沿技術(shù)繪制了首個(gè)跨越50年的人類多器官蛋白質(zhì)組衰老圖譜，揭示了衰老的關(guān)鍵節(jié)點(diǎn)和核心驅(qū)動(dòng)因素。

該研究通過超高靈敏度質(zhì)譜技術(shù)，對(duì)來自76名14-68歲人群的13種不同組織（包括心臟、主動(dòng)脈、肺等）共516份樣本進(jìn)行了深度分析，構(gòu)建了龐大的蛋白質(zhì)數(shù)據(jù)庫。研究發(fā)現(xiàn)，衰老的一個(gè)核心特征是蛋白質(zhì)穩(wěn)態(tài)（proteostasis，維持蛋白質(zhì)正常合成、折疊與清除的細(xì)胞能力）的崩潰，導(dǎo)致功能性蛋白減少，而淀粉樣蛋白等有害蛋白則在多器官內(nèi)異常累積。利用機(jī)器學(xué)習(xí)算法，團(tuán)隊(duì)構(gòu)建了器官衰老時(shí)鐘，精準(zhǔn)定位到人類衰老的轉(zhuǎn)折點(diǎn)大約在50歲，此時(shí)全身蛋白質(zhì)組會(huì)發(fā)生劇烈波動(dòng)。更重要的是，研究指出血管是全身的“衰老起搏器”，其衰老跡象最早在30歲左右就已出現(xiàn)，遠(yuǎn)早于其他器官。衰老的血管會(huì)分泌GAS6等促衰老蛋白進(jìn)入血液，如同一個(gè)“衰老樞紐”，加速并放大了全身的系統(tǒng)性衰老。研究發(fā)表在 Cell 上。

#疾病與健康 #健康管理與壽命延長 #蛋白質(zhì)組學(xué) #系統(tǒng)性衰老

閱讀更多：

Ding, Yingjie, et al. “Comprehensive Human Proteome Profiles across a 50-Year Lifespan Reveal Aging Trajectories and Signatures.” Cell, vol. 0, no. 0, Jul. 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.06.047

科學(xué)家培育出整合血管系統(tǒng)的“全腦”類器官

約翰·霍普金斯大學(xué)的Annie Kathuria及其團(tuán)隊(duì)解決了傳統(tǒng)腦類器官僅能模擬單一腦區(qū)的局限性，他們成功培育出一種整合了多個(gè)關(guān)鍵腦區(qū)和血管系統(tǒng)的多區(qū)域腦類器官，為在實(shí)驗(yàn)室中復(fù)現(xiàn)人類大腦發(fā)育和疾病提供了強(qiáng)大工具。

?利用免疫組織化學(xué)分析和批量 RNA 測序驗(yàn)證細(xì)胞命運(yùn)。Credit: Advanced Science (2025).

研究團(tuán)隊(duì)采用了一種“模塊化組裝”策略，首先獨(dú)立培育出大腦皮層、中后腦和內(nèi)皮系統(tǒng)（即血管系統(tǒng)）的類器官，然后用生物粘合劑將它們?nèi)诤铣梢粋�(gè)名為多區(qū)域腦類器官（Multi-Region Brain Organoid，簡稱MRBO）的統(tǒng)一結(jié)構(gòu)。這個(gè)微型“全腦”模型不僅成功實(shí)現(xiàn)了跨區(qū)域的神經(jīng)連接并產(chǎn)生了協(xié)同電活動(dòng)，更關(guān)鍵的是，它還形成了包含多種血管細(xì)胞的原始血管網(wǎng)絡(luò)和早期的血腦屏障。通過單核RNA測序分析，研究人員證實(shí)MRBO的細(xì)胞構(gòu)成與人類孕期約40天的胎兒大腦高度相似，并發(fā)現(xiàn)了13種全新的神經(jīng)-血管細(xì)胞間信號(hào)通路。這一模型克服了以往研究的瓶頸，能夠更真實(shí)地模擬孤獨(dú)癥等疾病的復(fù)雜病理過程，為開發(fā)新療法和篩選藥物提供了更接近人體的平臺(tái)。研究發(fā)表在 Advanced Science 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #類器官 #神經(jīng)發(fā)育

閱讀更多：

Kshirsagar, Anannya, et al. Multi‐Region Brain Organoids Integrating Cerebral, Mid‐Hindbrain, and Endothelial Systems. advanced.onlinelibrary.wiley.com, https://doi.org/10.1002/advs.202503768. Accessed 29 Jul. 2025

牙神經(jīng)既是疼痛探測器，也是牙齒保護(hù)者

牙齒內(nèi)的神經(jīng)僅僅是疼痛的來源嗎？密歇根大學(xué)的Joshua Emrick和Elizabeth A. Ronan等研究人員，針對(duì)這一問題展開研究，他們發(fā)現(xiàn)牙神經(jīng)不僅傳遞痛感，更扮演著牙齒“哨兵”的角色，能觸發(fā)一種超快速的保護(hù)性反射，防止牙齒受損。

?Credit: Cell Reports (2025).

研究團(tuán)隊(duì)利用活體鈣成像（in vivo Ca2+ imaging）技術(shù)實(shí)時(shí)觀察小鼠臼齒內(nèi)神經(jīng)元的活動(dòng)，并結(jié)合光遺傳學(xué)精準(zhǔn)激活這些細(xì)胞。實(shí)驗(yàn)發(fā)現(xiàn)，一類被稱為牙內(nèi)高閾值機(jī)械傷害感受器（HTMRs）的神經(jīng)元是關(guān)鍵。當(dāng)這些神經(jīng)元被化學(xué)手段持續(xù)激活時(shí)，AI行為分析工具記錄到了小鼠明顯的疼痛表情；而當(dāng)研究人員用光脈沖瞬間激活它們時(shí)，驚人的一幕發(fā)生了：小鼠的下頜在5到15毫秒內(nèi)迅速彈開。這一速度遠(yuǎn)快于疼痛感知，是一種純粹的保護(hù)性反射，就像我們不小心咬到叉子會(huì)立刻松口一樣。這一發(fā)現(xiàn)顛覆了傳統(tǒng)認(rèn)知，證明牙神經(jīng)除了作為疼痛警報(bào)器，更是一個(gè)主動(dòng)的保護(hù)系統(tǒng)，通過啟動(dòng)瞬時(shí)張口反射來保護(hù)牙齒免受結(jié)構(gòu)性損傷。研究發(fā)表在 Cell Reports 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #疼痛 #牙齒健康 #感覺神經(jīng)元

閱讀更多：

Ronan, Elizabeth A., et al. “Intradental Mechano-Nociceptors Serve as Sentinels That Prevent Tooth Damage.” Cell Reports, vol. 44, no. 8, Aug. 2025. www.cell.com, https://doi.org/10.1016/j.celrep.2025.116017

多讀書不能減緩大腦衰老？大規(guī)模研究挑戰(zhàn)教育對(duì)認(rèn)知衰退的保護(hù)作用

教育水平越高，老了以后腦子越好使嗎？針對(duì)這一普遍認(rèn)知，由挪威奧斯陸大學(xué)Anders M. Fjell等人領(lǐng)導(dǎo)的歐洲Lifebrain聯(lián)盟進(jìn)行了一項(xiàng)迄今為止最大規(guī)模的研究。這項(xiàng)涉及33個(gè)國家、超過17萬人的研究發(fā)現(xiàn)，雖然高學(xué)歷人群的認(rèn)知起點(diǎn)更高，但并不能減緩他們認(rèn)知能力隨年齡下降的速度。

?大腦、記憶和教育之間的關(guān)系。Credit: Nature Medicine (2025).

該研究整合了來自33個(gè)西方國家27個(gè)縱向隊(duì)列的數(shù)據(jù)，對(duì)170,795名50歲以上成年人進(jìn)行了長達(dá)28年的追蹤。研究人員分析了超過40萬份評(píng)估記憶和推理能力的神經(jīng)心理學(xué)測試結(jié)果，并對(duì)其中6,472人進(jìn)行了腦部磁共振成像（MRI）掃描，以測量大腦結(jié)構(gòu)的變化。結(jié)果顯示，擁有更高學(xué)歷的人在研究開始時(shí)，確實(shí)表現(xiàn)出更好的記憶力，并且其顱內(nèi)容積和與記憶相關(guān)的腦區(qū)（如海馬體）體積也稍大。然而，研究的關(guān)鍵發(fā)現(xiàn)是，隨著時(shí)間推移，高學(xué)歷人群的認(rèn)知衰退速度與低學(xué)歷人群并無顯著差異，他們的認(rèn)知水平下降曲線幾乎是平行的。這表明，教育的作用更像是讓你在人生的認(rèn)知競賽中有一個(gè)更高的起點(diǎn)，但它并不能改變你衰老的速度。研究者推斷，教育與更優(yōu)認(rèn)知之間的關(guān)聯(lián)，可能并非因果關(guān)系，而是一個(gè)更早期的因素（例如天生的神經(jīng)生物學(xué)特征）同時(shí)影響了一個(gè)人接受更高教育的傾向和其初始的認(rèn)知儲(chǔ)備。研究發(fā)表在 Nature Medicine 上。

#疾病與健康 #疾病預(yù)防 #認(rèn)知衰退 #大腦健康

閱讀更多：

Fjell, Anders M., et al. “Reevaluating the Role of Education on Cognitive Decline and Brain Aging in Longitudinal Cohorts across 33 Western Countries.” Nature Medicine, Jul. 2025, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41591-025-03828-y

AI結(jié)合超聲技術(shù)，實(shí)現(xiàn)嬰兒腦膜炎無創(chuàng)精準(zhǔn)篩查

嬰兒腦膜炎診斷長期依賴有創(chuàng)的腰椎穿刺，不僅給患兒帶來痛苦，在資源匱乏地區(qū)更難以實(shí)施。由巴塞羅那全球健康研究所（ISGlobal）的Sara Ajanovic和Quique Bassat等人領(lǐng)導(dǎo)的國際團(tuán)隊(duì)，開發(fā)并驗(yàn)證了一款結(jié)合高分辨率超聲與人工智能的無創(chuàng)篩查設(shè)備，有望革新腦膜炎的早期診斷模式。

?從圖像采集到最終預(yù)測的流程。Credit: Pediatric Research (2025).

該研究采用名為NEOSONICS的便攜式設(shè)備，通過嬰兒頭部尚未閉合的囟門（fontanelle），發(fā)射高分辨率超聲波以獲取腦脊液的圖像。這些圖像隨后由一個(gè)深度學(xué)習(xí)算法進(jìn)行分析，該算法經(jīng)過專門訓(xùn)練，能夠自動(dòng)識(shí)別并量化腦脊液中的白細(xì)胞，從而判斷是否存在腦膜炎引發(fā)的炎癥。研究團(tuán)隊(duì)在西班牙、莫桑比克和摩洛哥的醫(yī)院對(duì)200多名疑似患兒進(jìn)行了測試，并將AI的判斷結(jié)果與傳統(tǒng)的腰椎穿刺（lumbar puncture，診斷腦膜炎的金標(biāo)準(zhǔn)）進(jìn)行了對(duì)比。結(jié)果顯示，該設(shè)備的診斷靈敏度高達(dá)94.4%，特異性為94.8%，成功識(shí)別了絕大多數(shù)腦膜炎病例。這項(xiàng)技術(shù)不僅能大幅減少非必要的有創(chuàng)檢查，還能為病情危重或身處偏遠(yuǎn)地區(qū)的嬰兒提供快速、安全的診斷途徑。研究發(fā)表在 Pediatric Research 上。

#疾病與健康 #預(yù)測模型構(gòu)建 #AI驅(qū)動(dòng)科學(xué) #腦膜炎

閱讀更多：

Ajanovic, Sara, et al. “Non-Invasive Meningitis Screening in Neonates and Infants: Multicentre International Study.” Pediatric Research, Jul. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41390-025-04179-7

遺傳風(fēng)險(xiǎn)或源于大腦的“守護(hù)細(xì)胞”而非神經(jīng)元

長期以來，阿爾茨海默病等腦疾病的遺傳風(fēng)險(xiǎn)成因不明，研究多聚焦于神經(jīng)元。格拉德斯通研究所（Gladstone Institutes）和加州大學(xué)舊金山分校（UCSF）的Andrew C. Yang, Madigan M. Reid, Shreya Menon等人開發(fā)了一項(xiàng)新技術(shù)，通過分析人腦樣本發(fā)現(xiàn)，許多疾病風(fēng)險(xiǎn)并非源于神經(jīng)元，而是來自構(gòu)成血腦屏障的血管和免疫細(xì)胞。

為探究腦疾病遺傳風(fēng)險(xiǎn)的真正作用位點(diǎn)，研究團(tuán)隊(duì)開發(fā)了一項(xiàng)名為MultiVINE-seq的新技術(shù)，并利用它分析了30例人類大腦樣本。這項(xiàng)技術(shù)首次實(shí)現(xiàn)了在單細(xì)胞水平上，同時(shí)分析構(gòu)成血腦屏障的血管和免疫細(xì)胞中的基因活性（RNA）和染色質(zhì)可及性。通過將這個(gè)精細(xì)的細(xì)胞圖譜與大規(guī)模的全基因組關(guān)聯(lián)研究數(shù)據(jù)進(jìn)行整合，團(tuán)隊(duì)成功將數(shù)千個(gè)此前未映射的疾病風(fēng)險(xiǎn)變異與它們所影響的細(xì)胞類型和基因?qū)?yīng)起來。研究結(jié)果顛覆了傳統(tǒng)認(rèn)知，表明許多阿爾茨海默病和中風(fēng)的遺傳風(fēng)險(xiǎn)是在大腦的“守護(hù)細(xì)胞”——血管和免疫細(xì)胞中發(fā)揮作用。更有趣的是，不同疾病的機(jī)制截然不同：中風(fēng)相關(guān)的變異傾向于削弱血管的結(jié)構(gòu)完整性，而阿爾茨海默病的變異則會(huì)過度激活免疫細(xì)胞的炎癥反應(yīng)。其中一個(gè)重大發(fā)現(xiàn)是，一個(gè)靠近PTK2B基因的常見阿爾茨海默病風(fēng)險(xiǎn)變異，在腦內(nèi)T細(xì)胞中尤為活躍，可能通過促進(jìn)T細(xì)胞進(jìn)入大腦并過度激活，從而參與疾病進(jìn)程。研究發(fā)表在 Neuron 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #阿爾茨海默病 #血腦屏障 #遺傳學(xué)

閱讀更多：

Reid, Madigan M., et al. “Human Brain Vascular Multi-Omics Elucidates Disease-Risk Associations.” Neuron, vol. 0, no. 0, Jul. 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.07.001

超加工食品可致成癮，其標(biāo)準(zhǔn)不亞于藥物濫用

薯片、餅干等超加工食品為何讓人難以抗拒？它們是否像毒品一樣會(huì)令人上癮？密歇根大學(xué)的Ashley Gearhardt、德雷塞爾大學(xué)的Erica M. LaFata及其同事綜合了近300項(xiàng)研究，以迄今最強(qiáng)的證據(jù)論證，超加工食品能夠引發(fā)符合臨床診斷標(biāo)準(zhǔn)的成癮行為，并呼吁醫(yī)學(xué)界正視這一問題。

研究團(tuán)隊(duì)系統(tǒng)性地整合了來自36個(gè)國家的證據(jù)，將其與《精神障礙診斷和統(tǒng)計(jì)手冊(cè)》（DSM）中的成癮標(biāo)準(zhǔn)進(jìn)行比對(duì)。結(jié)果發(fā)現(xiàn)，超加工食品引發(fā)的失控性渴望、不顧健康后果的持續(xù)攝入等行為，與物質(zhì)使用障礙的特征高度吻合。神經(jīng)影像學(xué)研究進(jìn)一步揭示了其生物學(xué)基礎(chǔ)：強(qiáng)迫性攝入這些食物的個(gè)體，其大腦獎(jiǎng)賞回路的紊亂模式與酒精、可卡因成癮者表現(xiàn)出驚人的相似性。研究者尖銳地指出，當(dāng)前的診斷體系存在雙重標(biāo)準(zhǔn)，相比證據(jù)基礎(chǔ)更薄弱的咖啡因成癮，證據(jù)確鑿的超加工食品成癮卻遲遲未被承認(rèn)。他們強(qiáng)調(diào)，現(xiàn)代垃圾食品經(jīng)過工業(yè)設(shè)計(jì)，其功能更像尼古丁而非營養(yǎng)。因此，團(tuán)隊(duì)呼吁立即正式承認(rèn)超加工食品成癮，并采取類似煙草管制的公共衛(wèi)生保護(hù)措施。

#疾病與健康 #心理健康與精神疾病 #成癮 #公共衛(wèi)生

閱讀更多：

LaFata, Erica M., et al. “Now Is the Time to Recognize and Respond to Addiction to Ultra-Processed Foods.” Nature Medicine, Jul. 2025, pp. 1–2. www.nature.com, https://doi.org/10.1038/s41591-025-03858-6

恰到好處的“大腦噪音”讓記憶力更強(qiáng)

大腦從兒童到成年的發(fā)育過程如何塑造我們的認(rèn)知能力？美國西北大學(xué)的Zachariah R. Cross及其合作團(tuán)隊(duì)進(jìn)行了一項(xiàng)大規(guī)模研究。他們通過直接測量大腦活動(dòng)，系統(tǒng)繪制了“神經(jīng)噪音”在近半個(gè)世紀(jì)生命跨度中的發(fā)展圖譜。

?感覺運(yùn)動(dòng)皮質(zhì)（橙色）和聯(lián)想皮質(zhì)（藍(lán)綠色）的非周期性斜率在 5 歲至 25 歲之間趨于平緩，此后逐漸變陡。需要注意的是，在青少年和成年早期（灰色陰影），感覺運(yùn)動(dòng)皮質(zhì)的平緩化比聯(lián)想皮質(zhì)更明顯。關(guān)于注意力狀態(tài)（即基于任務(wù)與非任務(wù)）非周期性活動(dòng)的差異，在前額葉皮質(zhì)（PFC）中，兒童的無任務(wù)（紅色虛線）斜率比基于任務(wù)（紅色實(shí)線）斜率更陡峭（即神經(jīng)噪聲更少），而成人則相反。效應(yīng)在 18-20 歲時(shí)發(fā)生逆轉(zhuǎn)，這可能反映了控制力的發(fā)展。Credit: Modified from Cross et al (2025), Nature Human Behaviour,

該研究使用了顱內(nèi)腦電圖（intracranial electroencephalography，iEEG），直接記錄了101名年齡從5歲到54歲不等的參與者的大腦電活動(dòng)。研究團(tuán)隊(duì)重點(diǎn)分析了大腦信號(hào)中的非周期性活動(dòng)（aperiodic activity），它常被看作大腦的背景“神經(jīng)噪音”，其水平通過“非周期性斜率”來衡量，斜率越平緩代表噪音越多。研究結(jié)果顛覆了傳統(tǒng)認(rèn)知：與人們普遍認(rèn)為的“大腦隨成熟而變得更有序”相反，研究發(fā)現(xiàn)在感覺運(yùn)動(dòng)和聯(lián)想皮層，神經(jīng)噪音水平從童年到成年早期實(shí)際上是增加的。特別是在前額葉皮層，這種變化還與注意力狀態(tài)相關(guān)：兒童在休息時(shí)噪音更少，而成年人在專注執(zhí)行任務(wù)時(shí)噪音更少，這種模式的轉(zhuǎn)變發(fā)生在青春期后期，標(biāo)志著認(rèn)知控制能力的成熟。更有趣的是，研究發(fā)現(xiàn)任務(wù)中適度的神經(jīng)噪音反而與更好的記憶表現(xiàn)相關(guān)，呈現(xiàn)出一種“金發(fā)姑娘效應(yīng)”（Goldilocks effect），即不多不少的噪音才是最優(yōu)狀態(tài)。研究發(fā)表在 Nature Human Behaviour 上。

#認(rèn)知科學(xué) #神經(jīng)機(jī)制與腦功能解析 #大腦發(fā)育 #神經(jīng)噪音

閱讀更多：

Cross, Zachariah R., et al. “The Development of Aperiodic Neural Activity in the Human Brain.” Nature Human Behaviour, Jul. 2025, pp. 1–16. www.nature.com, https://doi.org/10.1038/s41562-025-02270-x

抑制作用如何精煉海馬區(qū)的記憶線索表征

加州大學(xué)洛杉磯分校的Jiannis Taxidis、Peyman Golshani及合作者，利用新型電壓成像技術(shù)，揭示了兩種關(guān)鍵抑制性神經(jīng)元如何協(xié)同作用，通過“靜音”大部分神經(jīng)元來凸顯關(guān)鍵記憶信號(hào)，從而提高記憶編碼的效率和準(zhǔn)確性。

研究團(tuán)隊(duì)采用了一種前沿的縱向電壓成像（longitudinal voltage imaging）技術(shù)，以千赫茲的超高幀率捕捉小鼠在執(zhí)行氣味記憶任務(wù)時(shí)，其海馬CA1區(qū)神經(jīng)元的膜電位動(dòng)態(tài)。該技術(shù)首次實(shí)現(xiàn)了對(duì)特定抑制性神經(jīng)元亞型——小清蛋白中間神經(jīng)元（Parvalbumin interneurons，簡稱PV神經(jīng)元）和生長抑素中間神經(jīng)元（somatostatin-expressing interneurons，簡稱SST神經(jīng)元）——長達(dá)數(shù)日的毫秒級(jí)活動(dòng)追蹤。研究發(fā)現(xiàn)，當(dāng)氣味線索出現(xiàn)時(shí)，PV和SST神經(jīng)元會(huì)同步激活，但它們的活動(dòng)并不編碼氣味的身份，而是作為一個(gè)通用的“事件探測器”。

具體的抑制機(jī)制分為兩步：首先，PV神經(jīng)元短暫放電，引發(fā)周圍大部分主導(dǎo)興奮功能的錐體細(xì)胞發(fā)生廣泛的超極化（hyperpolarization，一種使神經(jīng)元更難興奮的抑制狀態(tài)），瞬間將大腦背景噪音“靜音”；與此同時(shí)，SST神經(jīng)元?jiǎng)t抑制其他中間神經(jīng)元。這一過程清除了干擾，為真正編碼氣味信息的少數(shù)錐體細(xì)胞創(chuàng)造了一個(gè)清晰的放電窗口。這些關(guān)鍵的錐體細(xì)胞會(huì)與中間神經(jīng)元超極化后的反彈放電精準(zhǔn)同步，從而極大地提升了記憶信號(hào)的信噪比。研究發(fā)表在 Nature Neuroscience 上。

#神經(jīng)科學(xué) #記憶機(jī)制 #神經(jīng)機(jī)制與腦功能解析 #電壓成像

閱讀更多：

Taxidis, Jiannis, et al. “Voltage Imaging Reveals Hippocampal Inhibitory Dynamics Shaping Pyramidal Memory-Encoding Sequences.” Nature Neuroscience, Jul. 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41593-025-02016-y

AI 行業(yè)動(dòng)態(tài)

智譜開源GLM-4.5大模型：一句話生成B站級(jí)應(yīng)用

智譜（Zhipu）最新發(fā)布的GLM-4.5大模型以其開源、高性能和多功能性引發(fā)業(yè)界關(guān)注。該模型采用MoE（混合專家）架構(gòu)，總參數(shù)量達(dá)3550億，在12項(xiàng)國際評(píng)測基準(zhǔn)中綜合排名全球第三，開源與國產(chǎn)維度均位列第一。其生成速度高達(dá)100 tokens/s，API調(diào)用成本僅為輸入0.8元/百萬tokens，輸出2元/百萬tokens，遠(yuǎn)低于主流模型。更令人驚嘆的是，用戶僅需一句指令即可生成功能完備的應(yīng)用，如仿百度搜索、小紅書式社交平臺(tái)，甚至支持視頻播放和彈幕的B站克隆版。

GLM-4.5的技術(shù)突破源于系統(tǒng)性工程優(yōu)化。團(tuán)隊(duì)通過MoE架構(gòu)提升計(jì)算效率，采用無損均衡路由和Sigmoid門控技術(shù)，并引入分組查詢RoPE位置編碼。訓(xùn)練階段結(jié)合15T通用語料與7T代碼推理數(shù)據(jù)，輔以強(qiáng)化學(xué)習(xí)基礎(chǔ)設(shè)施Slime，顯著提升了模型在編程、搜索等場景的穩(wěn)定性。測試顯示，其代碼能力超越Claude等競品，成功復(fù)現(xiàn)《羊了個(gè)羊》等復(fù)雜項(xiàng)目，且參數(shù)量僅為DeepSeek-R1的一半，效率優(yōu)勢(shì)明顯。

此次發(fā)布被視為國產(chǎn)AI的里程碑。GLM-4.5以開源姿態(tài)提前實(shí)現(xiàn)GPT-5傳聞功能，展現(xiàn)了智譜的技術(shù)前瞻性。其“小參數(shù)量、高性能”的設(shè)計(jì)理念，打破了行業(yè)盲目追求參數(shù)的慣性，為全球開源社區(qū)提供了新范式。目前，用戶可通過智譜清言和Z.ai免費(fèi)體驗(yàn)滿血版，程序員還能以50元包月無限調(diào)用，進(jìn)一步降低了技術(shù)門檻。

#GLM-4.5 #開源大模型 #MoE架構(gòu) #AI編程 #智譜

閱讀更多：

https://z.ai/blog/glm-4.5

國產(chǎn)多模態(tài)推理模型Step 3：開源、高效、低成本，適配國產(chǎn)芯片

近期，階躍星辰（StepFun）發(fā)布了新一代基礎(chǔ)大模型Step 3，填補(bǔ)了市場上兼具多模態(tài)、高效推理、低成本及開源特性的空白。Step 3是一個(gè)總參數(shù)321B的混合專家模型（MoE），在MMMU等多模態(tài)榜單上取得開源模型新SOTA（State-of-the-Art）成績。其推理解碼成本僅為DeepSeek的1/3，并在國產(chǎn)芯片上展現(xiàn)出卓越性能，推理效率最高可達(dá)競品的300%。階躍星辰CEO姜大昕強(qiáng)調(diào)，Step 3不僅具備強(qiáng)大的視覺感知和復(fù)雜推理能力，還能精準(zhǔn)應(yīng)對(duì)日常生活中的多模態(tài)需求，如識(shí)別商品標(biāo)簽并給出穿搭建議。

Step 3的成功得益于系統(tǒng)協(xié)同設(shè)計(jì)（Model-system Co-design），包括創(chuàng)新的AFD分布式推理系統(tǒng)和MFA注意力機(jī)制。AFD通過拆分Attention和FNN計(jì)算任務(wù)，優(yōu)化GPU資源利用；MFA則采用低秩注意力設(shè)計(jì)，提升KV緩存效率。這些技術(shù)使Step 3在A800和H20等國產(chǎn)芯片上實(shí)現(xiàn)高性價(jià)比推理。此外，階躍聯(lián)合華為昇騰、沐曦等近10家廠商成立“模芯生態(tài)創(chuàng)新聯(lián)盟”，推動(dòng)國產(chǎn)芯片適配，降低推理成本。Step 3將于7月31日正式開源，打破“強(qiáng)模型不開源”的行業(yè)現(xiàn)狀。

在商業(yè)化落地方面，Step 3已廣泛應(yīng)用于汽車、手機(jī)、IoT等領(lǐng)域。吉利銀河M9首發(fā)搭載其端到端語音大模型，OPPO、榮耀等手機(jī)廠商也集成其多模態(tài)能力，實(shí)現(xiàn)本地AI伴聊、視頻通話輔助等功能。階躍預(yù)計(jì)2025年收入將達(dá)10億人民幣，成為少數(shù)具備清晰商業(yè)化路徑的基礎(chǔ)模型廠商。Step 3的“多開好省”（多模態(tài)、開源、高性能、低成本）策略，不僅重新定義了推理模型的SOTA標(biāo)準(zhǔn)，更推動(dòng)AI技術(shù)從實(shí)驗(yàn)室走向產(chǎn)業(yè)應(yīng)用。

#多模態(tài)大模型 #開源AI #國產(chǎn)芯片適配 #高效推理 #Step3

閱讀更多：

https://mp.weixin.qq.com/s/oWFzYMBDxazqR4fnuVrEfg?click_id=15

AI 驅(qū)動(dòng)科學(xué)

Science：首次實(shí)現(xiàn)原子級(jí)熱振動(dòng)成像，科學(xué)家“看見”了熱量

在二維莫爾材料中，一種被稱為相子（phason）的特殊原子振動(dòng)模式被理論預(yù)測存在，但從未被直接觀測。伊利諾伊大學(xué)厄巴納-香檳分校的Pinshane Huang和Yichao Zhang等研究人員，利用超高分辨率成像技術(shù)，首次直接“看見”并證實(shí)了相子的存在，獲得了史上最高分辨率的單原子圖像。

?（左）二維材料中的原子。（右）單個(gè)原子的照片。Credit: The Grainger College of Engineering at the University of Illinois Urbana-Champaign

研究團(tuán)隊(duì)利用了一項(xiàng)名為電子疊層顯微成像技術(shù)（electron ptychography，一種能極大提升顯微鏡分辨率的尖端成像方法）的突破性技術(shù)，對(duì)扭轉(zhuǎn)雙層的二硒化鎢（WSe2）材料進(jìn)行觀測。熱量本質(zhì)上是原子的集體振動(dòng)，這種振動(dòng)會(huì)導(dǎo)致原子在成像時(shí)顯得“模糊”。通過達(dá)到前所未有的皮米級(jí)（低于15皮米）空間分辨率，研究人員能夠精確測量每個(gè)獨(dú)立原子的“模糊”程度，從而量化其振動(dòng)幅度，實(shí)現(xiàn)了對(duì)熱量的可視化。

借助這種方法，團(tuán)隊(duì)首次直接觀測到了一種長期存在于理論中的振動(dòng)模式——相子。相子屬于莫爾聲子（moiré phonons，由兩層二維材料扭轉(zhuǎn)堆疊形成的超晶格所特有的集體振動(dòng)模式）中一種頻率極低的特殊類型。實(shí)驗(yàn)證實(shí)，這些相子振動(dòng)在低扭轉(zhuǎn)角度的材料中占據(jù)主導(dǎo)地位，并且集中在特定的原子堆疊區(qū)域。這一發(fā)現(xiàn)不僅證實(shí)了長期存在的物理學(xué)假設(shè)，更開辟了一條在原子尺度上研究和調(diào)控?zé)醾鲗?dǎo)的新路徑，為開發(fā)具有更優(yōu)異散熱性能的下一代電子器件提供了基礎(chǔ)知識(shí)。研究發(fā)表在 Science 上。

#其他 #其他 #材料科學(xué) #二維材料 #電子顯微鏡

閱讀更多：

Zhang, Yichao, et al. “Atom-by-Atom Imaging of Moiré Phasons with Electron Ptychography.” Science, vol. 389, no. 6758, Jul. 2025, pp. 423–28. Crossref, https://doi.org/10.1126/science.adw7751

彎曲神經(jīng)網(wǎng)絡(luò)通過幾何設(shè)計(jì)實(shí)現(xiàn)類人“頓悟式”記憶回憶

傳統(tǒng)AI記憶模型難以模擬人腦中復(fù)雜的多路信號(hào)交互，限制了其效率和能力。來自巴斯克應(yīng)用數(shù)學(xué)中心（BCAM）、Araya公司、薩塞克斯大學(xué)和京都大學(xué)的國際團(tuán)隊(duì)，包括Miguel Aguilera、Pablo A Morales、Fernando E. Rosas和Hideaki Shimazaki，提出一種“彎曲神經(jīng)網(wǎng)絡(luò)”，利用幾何學(xué)原理，使AI能夠?qū)崿F(xiàn)高效、可靠且類似人類“靈光一現(xiàn)”的記憶回憶。

?由統(tǒng)計(jì)流形的葉狀結(jié)構(gòu)產(chǎn)生的高階分解。Credit: Nature Communications (2025).

該研究沒有采用增加網(wǎng)絡(luò)連接或計(jì)算量的傳統(tǒng)方法，而是開創(chuàng)性地引入幾何學(xué)思想，構(gòu)建了彎曲神經(jīng)網(wǎng)絡(luò)（Curved Neural Networks）。其核心在于通過“彎曲”模型所在的數(shù)學(xué)空間，以一種極為簡約的方式實(shí)現(xiàn)高階相互作用（HOIs，即多個(gè)神經(jīng)元信號(hào)同時(shí)相互影響的復(fù)雜模式），從而更逼真地模擬大腦的運(yùn)作方式。研究人員通過精確的平均場理論（mean-field theory）分析發(fā)現(xiàn)，這種彎曲的幾何結(jié)構(gòu)能自發(fā)地引導(dǎo)出一個(gè)自調(diào)節(jié)退火過程（self-regulating annealing process）。

在這個(gè)過程中，系統(tǒng)能夠?qū)崿F(xiàn)爆發(fā)式記憶回憶（explosive memory recall，指系統(tǒng)能像撥動(dòng)開關(guān)一樣，從無序狀態(tài)迅速跳轉(zhuǎn)到清晰的記憶狀態(tài)），其速度和效率遠(yuǎn)超傳統(tǒng)模型。這種機(jī)制源于模型內(nèi)部能量與一個(gè)“有效”溫度間的正反饋循環(huán)，讓AI在回憶時(shí)能自動(dòng)調(diào)整“焦點(diǎn)”。分析與實(shí)驗(yàn)均證明，這種設(shè)計(jì)不僅能提升記憶檢索的速度，還能顯著增加網(wǎng)絡(luò)的記憶容量和回憶過程的魯棒性。這一框架為構(gòu)建更高效、更易于理解的“白盒”AI提供了新思路。研究發(fā)表在 Nature Communications 上。

#AI驅(qū)動(dòng)科學(xué) #計(jì)算模型與人工智能模擬 #記憶機(jī)制 #神經(jīng)網(wǎng)絡(luò)

閱讀更多：

Aguilera, Miguel, et al. “Explosive Neural Networks via Higher-Order Interactions in Curved Statistical Manifolds.” Nature Communications, vol. 16, no. 1, Jul. 2025, p. 6511. www.nature.com, https://doi.org/10.1038/s41467-025-61475-w

AI驅(qū)動(dòng)的個(gè)性化神經(jīng)刺激頭戴設(shè)備可在家中提升注意力

傳統(tǒng)的腦刺激技術(shù)因“一刀切”模式效果不一，且難以在真實(shí)生活場景中實(shí)現(xiàn)個(gè)性化。薩里大學(xué)、牛津大學(xué)和認(rèn)知神經(jīng)技術(shù)公司（Cognitive Neurotechnology）的Roi Cohen Kadosh等人開發(fā)了一款由人工智能驅(qū)動(dòng)的個(gè)性化神經(jīng)刺激頭戴設(shè)備，能根據(jù)用戶特征遠(yuǎn)程調(diào)整刺激參數(shù)，在家中安全有效地提升持續(xù)注意力。

該研究的核心技術(shù)是一套智能頭戴設(shè)備，它采用經(jīng)顱隨機(jī)噪聲刺激（tRNS），并由一個(gè)先進(jìn)的人工智能算法——個(gè)性化貝葉斯優(yōu)化（pBO）進(jìn)行驅(qū)動(dòng)。研究團(tuán)隊(duì)首先利用103名參與者在家庭環(huán)境中完成的290次注意力任務(wù)數(shù)據(jù)對(duì)AI進(jìn)行訓(xùn)練。算法學(xué)會(huì)了如何根據(jù)每個(gè)人的初始注意力水平和頭圍（作為大腦解剖結(jié)構(gòu)的近似指標(biāo)）來遠(yuǎn)程定制最佳的刺激強(qiáng)度，從而擺脫了對(duì)昂貴且費(fèi)時(shí)的核磁共振（MRI）掃描的依賴。

在一項(xiàng)包含37名新參與者的雙盲、安慰劑對(duì)照研究中，該系統(tǒng)的有效性得到了驗(yàn)證。結(jié)果顯示，接受AI個(gè)性化tRNS刺激的參與者，其持續(xù)注意力的提升程度顯著高于接受固定強(qiáng)度標(biāo)準(zhǔn)刺激或偽刺激（placebo）的參與者。尤其值得注意的是，這種認(rèn)知增強(qiáng)效果在那些基線注意力水平較低的人群中最為明顯，而對(duì)高水平者則無顯著影響。這表明該技術(shù)有望幫助縮小個(gè)體間的認(rèn)知能力差距，而非僅僅讓強(qiáng)者更強(qiáng)。整個(gè)過程未發(fā)現(xiàn)嚴(yán)重副作用。研究發(fā)表在 npj Digital Medicine 上。

#AI驅(qū)動(dòng)科學(xué) #神經(jīng)調(diào)控 #個(gè)性化醫(yī)療 #認(rèn)知增強(qiáng)

閱讀更多：

Cohen Kadosh, Roi, et al. “Personalized Home Based Neurostimulation via AI Optimization Augments Sustained Attention.” Npj Digital Medicine, vol. 8, no. 1, Jul. 2025, p. 463. www.nature.com, https://doi.org/10.1038/s41746-025-01744-6

仿生人造肌肉讓機(jī)器人可推、舉、踢，行動(dòng)更靈活

傳統(tǒng)剛性機(jī)器人難以適應(yīng)復(fù)雜環(huán)境，而現(xiàn)有軟體執(zhí)行器、性能不足且依賴笨重外部設(shè)備。為了解決這一難題，西北大學(xué)（Northwestern University）的Ryan Truby和Taekyoung Kim團(tuán)隊(duì)開發(fā)了一種新型電池驅(qū)動(dòng)的仿生軟體肌肉，其強(qiáng)度和柔韌性足以構(gòu)建不受束縛的人形機(jī)器人肢體。

?機(jī)器人腿的合成圖像——帶有集成的人工肌肉——在腳踝和膝蓋處彎曲。

研究團(tuán)隊(duì)的核心創(chuàng)新是一種全新的電動(dòng)軟體執(zhí)行器。其內(nèi)部是一個(gè)3D打印的手性剪切拉脹體（handed shearing auxetic, HSA，一種受扭轉(zhuǎn)時(shí)會(huì)伸展和膨脹的特殊結(jié)構(gòu)），外部包裹著一個(gè)同樣由3D打印制作的橡膠折紙波紋管。通過一個(gè)微型集成伺服電機(jī)驅(qū)動(dòng)HSA旋轉(zhuǎn)，即可讓整個(gè)執(zhí)行器產(chǎn)生強(qiáng)大的線性推拉動(dòng)作，模擬生物肌肉的收縮與舒張。這種人造肌肉重量僅400克，卻能伸縮其自身長度的30%，并產(chǎn)生高達(dá)75牛頓的力，足以舉起比自身重17倍的物體。更關(guān)鍵的是，其功率和能量密度比現(xiàn)有頂尖的軟體肌肉高出四個(gè)數(shù)量級(jí)，并且完全由便攜式電池供電。為了展示其應(yīng)用潛力，團(tuán)隊(duì)用三塊這種肌肉、硬質(zhì)塑料“骨骼”和彈性橡膠“肌腱”組裝出一條真人大小的機(jī)器人腿，它不僅能靈活地彎曲膝蓋和腳踝，還能有力地將排球踢走。研究發(fā)表在 Advanced Materials 上。

#其他 #機(jī)器人及其進(jìn)展 #軟體機(jī)器人 #仿生學(xué)

閱讀更多：

Kim, Taekyoung, et al. Architected Soft Actuators for Artificial Musculoskeletal Systems. advanced.onlinelibrary.wiley.com, https://doi.org/10.1002/adma.202501290. Accessed 29 Jul. 2025

Allegro-FM：面向艾字節(jié)級(jí)分子動(dòng)力學(xué)模擬的等變基礎(chǔ)模型

傳統(tǒng)分子動(dòng)力學(xué)模擬受限于特定任務(wù)和高昂的計(jì)算成本，難以應(yīng)對(duì)復(fù)雜材料體系。來自南加州大學(xué)、索尼集團(tuán)公司、廣島工業(yè)大學(xué)和熊本大學(xué)的Ken-ichi Nomura, Shinnosuke Hattori, Satoshi Ohmura等人，開發(fā)了一款名為Allegro-FM的AI基礎(chǔ)模型，旨在實(shí)現(xiàn)對(duì)多種材料和化學(xué)反應(yīng)的零樣本、高精度、大規(guī)模模擬。

該研究構(gòu)建的Allegro-FM模型基于E(3)等變網(wǎng)絡(luò)（E(3) equivariant network，一種能自動(dòng)處理原子三維空間關(guān)系的神經(jīng)網(wǎng)絡(luò)架構(gòu)），并在融合了大規(guī)模有機(jī)與無機(jī)材料的數(shù)據(jù)集上進(jìn)行訓(xùn)練。其核心優(yōu)勢(shì)在于卓越的零樣本學(xué)習(xí)能力。在模擬碳酸分解為水和二氧化碳的反應(yīng)中，模型計(jì)算的過渡態(tài)能量與高水平理論值的誤差僅為0.3 kcal/mol，展現(xiàn)了極高的預(yù)測精度。在材料性質(zhì)預(yù)測方面，Allegro-FM對(duì)硅酸鈣水合物（水泥的關(guān)鍵成分）的模擬密度（2.44 g/cm3）與實(shí)驗(yàn)值（2.46 g/cm3）幾乎一致。更重要的是，該模型具備前所未有的可擴(kuò)展性，在Aurora超級(jí)計(jì)算機(jī)上成功模擬了包含40億原子的龐大系統(tǒng)，并行效率高達(dá)97.5%。這一突破為在微米空間尺度和微秒時(shí)間尺度上研究材料的復(fù)雜行為提供了強(qiáng)大工具。

#AI驅(qū)動(dòng)科學(xué) #預(yù)測模型構(gòu)建 #材料科學(xué) #基礎(chǔ)模型

閱讀更多：

Nomura, Ken-ichi, et al. Allegro-FM: Towards Equivariant Foundation Model for Exascale Molecular Dynamics Simulations. arXiv:2502.06073, arXiv, 20 Feb. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2502.06073

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(dòng)科學(xué)年度研討會(huì)（AIAS 2025）將于10月27–28日在美國舊金山舉行。會(huì)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(shí)驗(yàn)方法的變革性人工智能創(chuàng)新。如果您希望與諾貝爾獎(jiǎng)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(tái)分享，請(qǐng)點(diǎn)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(jìn)，不斷探索科學(xué)的邊界。歡迎評(píng)論區(qū)留言，或后臺(tái)留言“社群”即可加入社群與我們互動(dòng)。您也可以在后臺(tái)提問，我們將基于追問知識(shí)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?jiǎng)?chuàng)建的世界最大私人腦科學(xué)研究機(jī)構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點(diǎn)，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(shí)驗(yàn)室、人工智能與精神健康前沿實(shí)驗(yàn)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(xiàng)目遍布?xì)W美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎(jiǎng)勵(lì)計(jì)劃、、等。