█腦科學(xué)動(dòng)態(tài)

Nature：AI從頭設(shè)計(jì)抗體，實(shí)現(xiàn)原子級(jí)精度

Nature：腺苷信號(hào)是氯胺酮和電休克療法抗抑郁作用的關(guān)鍵

融合解剖與成像：BraDiPho工具構(gòu)建高精度三維人腦白質(zhì)圖譜

高強(qiáng)度運(yùn)動(dòng)提升認(rèn)知表現(xiàn)

基因改造揭示內(nèi)毛細(xì)胞主導(dǎo)聽(tīng)覺(jué)器官結(jié)構(gòu)形成

7T MRI揭示大腦如何預(yù)測(cè)和調(diào)節(jié)身體需求的全腦網(wǎng)絡(luò)

首次全面量化強(qiáng)化冥想對(duì)人體的系統(tǒng)性影響

想贏石頭剪刀布？新研究發(fā)現(xiàn)：忘掉上一局是關(guān)鍵

█AI行業(yè)動(dòng)態(tài)

AlphaEvolve：由LLM驅(qū)動(dòng)的進(jìn)化智能體自主發(fā)現(xiàn)數(shù)學(xué)新構(gòu)造

《中國(guó)神經(jīng)系統(tǒng)疾病報(bào)告2024》發(fā)布

Kimi K2 Thinking推理能力超越GPT-5

AI科學(xué)家Kosmos，12小時(shí)完成人類六個(gè)月工作量

█AI驅(qū)動(dòng)科學(xué)

腦機(jī)接口首次實(shí)現(xiàn)對(duì)普通話的實(shí)時(shí)神經(jīng)解碼

雙向視覺(jué)神經(jīng)假體實(shí)現(xiàn)與大腦實(shí)時(shí)對(duì)話，助盲人識(shí)別形狀與字母

AI新突破：利用上下文線索精準(zhǔn)追蹤冰球，提升體育分析可及性

AI生成的人臉圖像與真實(shí)照片真假難辨，挑戰(zhàn)視覺(jué)媒體信任度

腦科學(xué)動(dòng)態(tài)

Nature：AI從頭設(shè)計(jì)抗體，實(shí)現(xiàn)原子級(jí)精度

諾貝爾獎(jiǎng)得主David Baker及華盛頓大學(xué)蛋白質(zhì)設(shè)計(jì)研究所的Nathaniel R. Bennett、Joseph L. Watson等人，利用名為RFdiffusion2的人工智能工具，成功實(shí)現(xiàn)了完全從頭設(shè)計(jì)能夠精準(zhǔn)結(jié)合特定靶點(diǎn)的抗體，其精度達(dá)到了前所未有的原子級(jí)別。

研究團(tuán)隊(duì)利用為抗體設(shè)計(jì)專門優(yōu)化的AI模型RFdiffusion2，直接生成能夠靶向特定疾病表位的抗體序列。該方法的核心在于，AI能夠精準(zhǔn)設(shè)計(jì)抗體的互補(bǔ)決定區(qū)（complementarity-determining regions, CDRs），即決定其特異性結(jié)合能力的關(guān)鍵部分。團(tuán)隊(duì)將計(jì)算設(shè)計(jì)與酵母展示篩選實(shí)驗(yàn)相結(jié)合，成功生成了多種形式的抗體。他們針對(duì)四種疾病靶點(diǎn)（包括流感病毒和艱難梭菌毒素）設(shè)計(jì)的抗體，不僅表現(xiàn)出納摩爾級(jí)的強(qiáng)結(jié)合親和力，更重要的是，通過(guò)冷凍電鏡技術(shù)驗(yàn)證，這些抗體的實(shí)際三維結(jié)構(gòu)與AI預(yù)測(cè)的模型高度吻合，主干結(jié)構(gòu)偏差低至1.45埃，關(guān)鍵功能區(qū)的偏差甚至僅有0.8埃，證實(shí)了原子級(jí)的準(zhǔn)確性。此外，團(tuán)隊(duì)還將初始親和力較低的設(shè)計(jì)通過(guò)定向進(jìn)化技術(shù)提升了百倍，且不改變其原有的精準(zhǔn)結(jié)合模式。這項(xiàng)工作建立了一個(gè)從計(jì)算設(shè)計(jì)、篩選到驗(yàn)證的完整框架，為精準(zhǔn)藥物開(kāi)發(fā)開(kāi)辟了新途徑。研究發(fā)表在 Nature 上。

閱讀更多：

Bennett, Nathaniel R., et al. “Atomically Accurate de Novo Design of Antibodies with RFdiffusion.” Nature, Nov. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41586-025-09721-5

Nature：腺苷信號(hào)是氯胺酮和電休克療法抗抑郁作用的關(guān)鍵機(jī)制

氯胺酮（Ketamine）和電休克療法（ECT）雖能快速緩解抑郁癥，但其作用機(jī)制一直不明。為開(kāi)發(fā)更安全的療法，北京腦科學(xué)與類腦研究所的羅敏敏、中國(guó)科學(xué)院長(zhǎng)春應(yīng)用化學(xué)研究所的王曉輝，以及樂(lè)晨雨、王娜等研究人員，通過(guò)小鼠模型研究，揭示了腺苷信號(hào)是驅(qū)動(dòng)這兩種療法抗抑郁效果的核心通路，為開(kāi)發(fā)新型非侵入式抗抑郁療法提供了新靶點(diǎn)。

研究團(tuán)隊(duì)利用小鼠模型，結(jié)合基因編碼的腺苷傳感器和實(shí)時(shí)光學(xué)記錄技術(shù)，發(fā)現(xiàn)氯胺酮和電休克療法都能在調(diào)節(jié)情緒的關(guān)鍵腦區(qū)，如內(nèi)側(cè)前額葉皮質(zhì)和海馬體，引發(fā)強(qiáng)烈的腺苷激增。為了證實(shí)腺苷信號(hào)的關(guān)鍵作用，研究人員通過(guò)遺傳或藥理學(xué)手段破壞A1和A2A腺苷受體，發(fā)現(xiàn)這兩種療法的抗抑郁效果隨之消失。研究進(jìn)一步揭示，氯胺酮并非通過(guò)導(dǎo)致神經(jīng)元過(guò)度活躍，而是通過(guò)調(diào)節(jié)細(xì)胞代謝來(lái)提高細(xì)胞內(nèi)腺苷水平?；谶@一新機(jī)制，團(tuán)隊(duì)成功開(kāi)發(fā)出新型氯胺酮衍生物，這些衍生物能更有效地增強(qiáng)腺苷信號(hào)，在展現(xiàn)出更優(yōu)抗抑郁效果的同時(shí)，副作用顯著減少。此外，研究還發(fā)現(xiàn)一種非藥物干預(yù)手段——急性間歇性低氧（acute intermittent hypoxia），它通過(guò)可控地降低氧氣水平，同樣能提升大腦腺苷水平并產(chǎn)生抗抑郁效果。這些發(fā)現(xiàn)統(tǒng)一了氯胺酮和電休克療法的作用機(jī)制，證實(shí)腺苷是治療重度抑郁癥的關(guān)鍵靶點(diǎn)。研究發(fā)表在 Nature 上。

閱讀更多：

Yue, Chenyu, et al. “Adenosine Signalling Drives Antidepressant Actions of Ketamine and ECT.” Nature, Nov. 2025, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41586-025-09755-9

融合解剖與成像：BraDiPho工具構(gòu)建高精度三維人腦白質(zhì)圖譜

為解決腦白質(zhì)研究中離體解剖與活體成像技術(shù)難以整合的挑戰(zhàn)，由特倫托大學(xué)的Silvio Sarubbo、布魯諾·凱斯勒基金會(huì)的Paolo Avesani及波爾多大學(xué)的Laurent Petit等研究人員組成的國(guó)際團(tuán)隊(duì)，開(kāi)發(fā)了一種名為BraDiPho的創(chuàng)新工具。該工具通過(guò)融合人工智能與攝影測(cè)量技術(shù)，成功創(chuàng)建了首個(gè)可精確對(duì)齊解剖標(biāo)本與神經(jīng)影像數(shù)據(jù)的高分辨率三維腦圖譜。

?語(yǔ)言系統(tǒng)主要連接路徑示意圖，圖片由特倫托大學(xué) Federico Nardelli 拍攝。Credit: UniTrento ph FedericoNardelli.

人腦白質(zhì)連接的研究長(zhǎng)期依賴兩種互補(bǔ)但割裂的技術(shù)：擴(kuò)散磁共振成像纖維束追蹤（diffusion MRI tractography，一種無(wú)創(chuàng)觀察活體大腦纖維束的技術(shù)）和離體顯微解剖。前者雖能三維成像，但常產(chǎn)生假陽(yáng)性；后者雖是金標(biāo)準(zhǔn)，卻局限于二維靜態(tài)圖像。為彌合這一鴻溝，研究團(tuán)隊(duì)開(kāi)發(fā)了BraDiPho（腦解剖攝影測(cè)量法）。該方法對(duì)解剖后的人腦標(biāo)本，從360度不同角度拍攝數(shù)千張超高分辨率照片，再利用人工智能算法將這些二維圖像重建為一個(gè)精細(xì)的、帶有真實(shí)紋理的三維數(shù)字模型。該模型被配準(zhǔn)到放射學(xué)空間，首次實(shí)現(xiàn)了離體解剖結(jié)構(gòu)與活體磁共振成像數(shù)據(jù)的精確融合與量化比較。這一突破性成果不僅為驗(yàn)證纖維束追蹤的準(zhǔn)確性提供了可靠依據(jù)，也為神經(jīng)外科手術(shù)規(guī)劃、神經(jīng)退行性疾病研究及神經(jīng)解剖學(xué)教學(xué)提供了前所未有的“導(dǎo)航地圖”。研究發(fā)表在 Nature Communications 上。

閱讀更多：

Vavassori, Laura, et al. “Brain Dissection Photogrammetry: A Tool for Studying Human White Matter Connections Integrating Ex Vivo and in Vivo Multimodal Datasets.” Nature Communications, vol. 16, no. 1, Nov. 2025, p. 9801. www.nature.com, https://doi.org/10.1038/s41467-025-64788-y

高強(qiáng)度運(yùn)動(dòng)提升認(rèn)知表現(xiàn)

運(yùn)動(dòng)能否提升腦力？為探究不同運(yùn)動(dòng)強(qiáng)度對(duì)認(rèn)知功能的影響及其神經(jīng)機(jī)制，考文垂大學(xué)的Ricardo Martins及其團(tuán)隊(duì)進(jìn)行了一項(xiàng)研究。他們發(fā)現(xiàn)，高強(qiáng)度的阻力運(yùn)動(dòng)比中等強(qiáng)度運(yùn)動(dòng)更能有效提升工作記憶和注意力，其原因在于高強(qiáng)度運(yùn)動(dòng)能顯著增加大腦關(guān)鍵區(qū)域的氧氣供應(yīng)，從而激活大腦。

該研究招募了42名健康的年輕人，將其隨機(jī)分為高強(qiáng)度、中等強(qiáng)度阻力運(yùn)動(dòng)組和無(wú)運(yùn)動(dòng)對(duì)照組。參與者在運(yùn)動(dòng)前、后即刻及45分鐘后，執(zhí)行了評(píng)估抑制控制（inhibitory control，即抑制干擾信息的能力）的Stroop任務(wù)和評(píng)估工作記憶的N-back任務(wù)。同時(shí)，研究人員使用功能性近紅外光譜（fNIRS，一種測(cè)量大腦皮層氧合水平的光學(xué)成像技術(shù)）監(jiān)測(cè)其前額葉皮層的血流動(dòng)力學(xué)變化。結(jié)果顯示，高強(qiáng)度運(yùn)動(dòng)組在兩項(xiàng)認(rèn)知任務(wù)中的表現(xiàn)提升最為顯著，且這種效果在運(yùn)動(dòng)后45分鐘依然存在。腦成像數(shù)據(jù)揭示了其背后的機(jī)制：高強(qiáng)度運(yùn)動(dòng)顯著增加了前額葉皮層的氧合血紅蛋白水平，尤其是在右半球，表明大腦神經(jīng)活動(dòng)增強(qiáng)，為認(rèn)知任務(wù)提供了更多能量支持。研究發(fā)表在 Behavioural Brain Research 上。

閱讀更多：

Martins, Ricardo, et al. “Acute Resistance Exercise Load Modulates Brain Haemodynamics, Working Memory, and Inhibitory Performance.” Behavioural Brain Research, vol. 497, Feb. 2026, p. 115887. ScienceDirect, https://doi.org/10.1016/j.bbr.2025.115887

基因改造揭示內(nèi)毛細(xì)胞主導(dǎo)聽(tīng)覺(jué)器官結(jié)構(gòu)形成

內(nèi)耳聽(tīng)覺(jué)器官的精密細(xì)胞結(jié)構(gòu)是如何形成的？美國(guó)西北大學(xué)醫(yī)學(xué)院的Jaime García-A?overos、Ignacio García-Gómez及其團(tuán)隊(duì)通過(guò)小鼠實(shí)驗(yàn)，揭示了一種關(guān)鍵的感覺(jué)細(xì)胞——內(nèi)毛細(xì)胞，在發(fā)育過(guò)程中扮演著“建筑師”的角色，主動(dòng)指揮周圍支持細(xì)胞的排列和分化，從而主導(dǎo)了整個(gè)聽(tīng)覺(jué)器官的組裝。

為了探明內(nèi)耳中不同細(xì)胞類型的發(fā)育指令，研究人員利用基因工程技術(shù)，在小鼠的不同發(fā)育階段實(shí)現(xiàn)了內(nèi)毛細(xì)胞（inner hair cells, IHCs）與外毛細(xì)胞（outer hair cells, OHCs）之間的身份互換，并構(gòu)建了完全缺失內(nèi)毛細(xì)胞的模型。這一方法類似于精準(zhǔn)的“細(xì)胞移植”，使團(tuán)隊(duì)能直接觀察特定細(xì)胞類型對(duì)周圍組織的影響。

?各種支持細(xì)胞的細(xì)胞骨架與毛細(xì)胞（圖中未顯示）交錯(cuò)排列，其種類和精確排列部分由內(nèi)毛細(xì)胞決定。Credit: García-A?overos laboratory.

研究結(jié)果清晰地表明，內(nèi)毛細(xì)胞并非被動(dòng)的感覺(jué)接收器，而是聽(tīng)覺(jué)器官科爾蒂氏器（organ of Corti，將聲音振動(dòng)轉(zhuǎn)換為神經(jīng)信號(hào)的精密結(jié)構(gòu)）發(fā)育的積極組織者。實(shí)驗(yàn)觀察到，內(nèi)毛細(xì)胞發(fā)出的信號(hào)能夠促進(jìn)外柱細(xì)胞（outer pillar cells）的分化，同時(shí)抑制迪特斯細(xì)胞（Deiters' cells）的發(fā)育，從而確保這兩種支持細(xì)胞精確地排列在各自的專屬行中。此外，內(nèi)毛細(xì)胞對(duì)于包裹自身的內(nèi)指骨細(xì)胞（inner phalangeal cells）的早期形成和遷移也至關(guān)重要，它會(huì)主動(dòng)吸引這些細(xì)胞靠近并環(huán)繞自己。這些發(fā)現(xiàn)證實(shí)，內(nèi)毛細(xì)胞通過(guò)復(fù)雜的細(xì)胞間通訊，主導(dǎo)了多種支持細(xì)胞的命運(yùn)和空間布局，是構(gòu)建聽(tīng)覺(jué)器官精密結(jié)構(gòu)的關(guān)鍵。這一成果不僅加深了對(duì)器官發(fā)育的理解，也為未來(lái)開(kāi)發(fā)聽(tīng)力再生療法提供了新思路，因?yàn)橹亟üδ苄月?tīng)覺(jué)不僅需要毛細(xì)胞，更需要它們與支持細(xì)胞的精確協(xié)作。研究發(fā)表在 Science Advances 上。

閱讀更多：

García-Gómez, Ignacio, et al. “Targeted Cell Interconversions Reveal Inner Hair Cell Control of Organ of Corti Cytoarchitecture.” Science Advances, vol. 11, no. 44, Oct. 2025, p. eadz3944. science.org (Atypon), https://doi.org/10.1126/sciadv.adz3944

7T MRI揭示大腦如何預(yù)測(cè)和調(diào)節(jié)身體需求的全腦網(wǎng)絡(luò)

大腦如何預(yù)測(cè)并調(diào)節(jié)身體的能量需求，同時(shí)感知內(nèi)部狀態(tài)？麻省總醫(yī)院布里格姆醫(yī)院的Jiahe Zhang、Lisa Feldman Barrett和Marta Bianciardi等人利用尖端成像技術(shù)，首次以超高精度繪制了支持這一核心功能的全腦網(wǎng)絡(luò)圖譜，揭示了身心健康的神經(jīng)基礎(chǔ)。

?參與內(nèi)感受和異質(zhì)穩(wěn)態(tài)的關(guān)鍵皮層和皮層下區(qū)域。Credit: Nature Neuroscience (2025).

研究團(tuán)隊(duì)采用超高場(chǎng)7特斯拉功能磁共振成像（7 Tesla functional MRI）技術(shù)，對(duì)90名處于靜息狀態(tài)的健康受試者進(jìn)行腦部掃描，以捕捉自發(fā)的身體調(diào)節(jié)活動(dòng)。該技術(shù)相較于傳統(tǒng)的3特斯拉MRI，具有更高的空間分辨率和信噪比，能夠以前所未有的精度解析腦干等微小深部腦區(qū)。研究人員將成像數(shù)據(jù)與一個(gè)名為腦干導(dǎo)航器（Brainstem Navigator）的最新活體腦干圖譜相結(jié)合，精確分析了支持異質(zhì)穩(wěn)態(tài)（allostasis，指大腦預(yù)測(cè)并準(zhǔn)備滿足身體能量需求的過(guò)程）與內(nèi)感受（interoception，指監(jiān)測(cè)身體內(nèi)部感覺(jué)狀態(tài)的過(guò)程）的神經(jīng)網(wǎng)絡(luò)。結(jié)果不僅重復(fù)并擴(kuò)展了先前的研究，還證實(shí)了超過(guò)96%在非人哺乳動(dòng)物示蹤研究中發(fā)現(xiàn)的解剖連接。研究發(fā)現(xiàn)，負(fù)責(zé)管理身體需求的腦區(qū)（如前扣帶回皮層）與負(fù)責(zé)感知的腦區(qū)（如后島葉）之間存在密切的雙向通訊。這一發(fā)現(xiàn)將身體需求的監(jiān)測(cè)與調(diào)節(jié)置于人腦功能的核心，為理解精神疾病與軀體疾病背后的大腦-身體通訊障礙提供了關(guān)鍵證據(jù)。研究發(fā)表在 Nature Neuroscience 上。

閱讀更多：

Zhang, Jiahe, et al. “Cortical and Subcortical Mapping of the Human Allostatic–Interoceptive System Using 7 Tesla fMRI.” Nature Neuroscience, vol. 28, no. 11, Nov. 2025, pp. 2380–91. www.nature.com, https://doi.org/10.1038/s41593-025-02087-x

首次全面量化強(qiáng)化冥想對(duì)人體的系統(tǒng)性影響

身心干預(yù)如何從生物學(xué)層面影響健康？加州大學(xué)圣地亞哥分校的 Alex Jinich-Diamant 和 Hemal H. Patel 等研究人員，通過(guò)一項(xiàng)綜合性研究，首次全面量化了一種結(jié)合冥想、概念重塑和療愈儀式的強(qiáng)化靜修活動(dòng)對(duì)人體的短期影響，結(jié)果揭示了其能夠迅速且廣泛地改變大腦功能和血液生物學(xué)特征。

?這張圖展示了大腦在休息和冥想狀態(tài)下不同區(qū)域之間的連接。加州大學(xué)圣地亞哥分校的研究人員發(fā)現(xiàn)，冥想可以減少大腦中與內(nèi)心對(duì)話和不同區(qū)域同步活動(dòng)相關(guān)的部分之間的連接。Credit: Alex Jinich-Diamant/UC San Diego Health Sciences

研究團(tuán)隊(duì)對(duì)20名健康成年人進(jìn)行了為期七天的住宿式靜修干預(yù)，并在前后采集了大腦影像和血液數(shù)據(jù)。研究方法結(jié)合了功能性磁共振成像、高通量血漿分析（包括蛋白質(zhì)組學(xué)和代謝組學(xué)）以及體外細(xì)胞實(shí)驗(yàn)。研究結(jié)果顯示，靜修帶來(lái)了深刻的身心變化。大腦層面，fMRI數(shù)據(jù)顯示，與內(nèi)心獨(dú)白和自我反思相關(guān)的默認(rèn)模式網(wǎng)絡(luò)活動(dòng)減弱，而大腦不同區(qū)域間的協(xié)同活動(dòng)增強(qiáng)，表明大腦功能變得更高效、更整合。分子層面，參與者靜修后的血漿在體外實(shí)驗(yàn)中能顯著促進(jìn)神經(jīng)元生長(zhǎng)，增強(qiáng)神經(jīng)可塑性。此外，血液分析還發(fā)現(xiàn)，身體的天然止痛系統(tǒng)被激活（內(nèi)源性阿片類物質(zhì)水平升高），細(xì)胞代謝轉(zhuǎn)向更靈活的糖酵解模式，并呈現(xiàn)出一種同時(shí)激活炎癥與抗炎通路的復(fù)雜免疫調(diào)節(jié)反應(yīng)。有趣的是，參與者報(bào)告的“神秘體驗(yàn)”程度越高，其大腦整合度的變化也越大，這種神經(jīng)活動(dòng)模式與使用裸蓋菇素等迷幻藥物后觀察到的現(xiàn)象驚人地相似。研究發(fā)表在 Communications Biology 上。

閱讀更多：

Jinich-Diamant, Alex, et al. “Neural and Molecular Changes during a Mind-Body Reconceptualization, Meditation, and Open Label Placebo Healing Intervention.” Communications Biology, vol. 8, no. 1, Nov. 2025, p. 1525. www.nature.com, https://doi.org/10.1038/s42003-025-09088-3

想贏石頭剪刀布？新研究發(fā)現(xiàn)：忘掉上一局是關(guān)鍵

在競(jìng)爭(zhēng)博弈中，大腦如何決策？為何人們難以做到真正的隨機(jī)？Denise Moerel, Tijl Grootswagers, Jessica L L Chin及同事利用腦電超掃描技術(shù)（hyperscanning），研究了人們?cè)谕妗笆^剪刀布”游戲時(shí)的決策過(guò)程。研究發(fā)現(xiàn)，大腦在競(jìng)爭(zhēng)中會(huì)不自覺(jué)地依賴過(guò)往經(jīng)驗(yàn)，且這種傾向在輸家中尤為明顯，從而影響了最佳策略的執(zhí)行，揭示了人類決策中固有的認(rèn)知偏見(jiàn)。

研究團(tuán)隊(duì)通過(guò)超掃描（hyperscanning，一種同步記錄多個(gè)互動(dòng)個(gè)體大腦活動(dòng)的技術(shù)）方法，同步記錄了31對(duì)參與者在進(jìn)行總計(jì)15,000輪電腦版“石頭剪刀布”游戲時(shí)的腦電圖（EEG）數(shù)據(jù)。分析發(fā)現(xiàn)，盡管最佳策略是完全隨機(jī)，但玩家普遍存在行為偏見(jiàn)，如更偏愛(ài)出“石頭”，并傾向于避免重復(fù)上一輪的選擇。利用多元解碼技術(shù)，研究人員甚至能在玩家做出選擇前，就從其大腦活動(dòng)中預(yù)測(cè)出他們的決定。更重要的是，大腦在決策時(shí)會(huì)調(diào)用上一輪自己和對(duì)手的出招信息。一個(gè)決定性的發(fā)現(xiàn)是，只有輸家的腦中才存在關(guān)于上一輪比賽的獨(dú)特信息表征，而贏家的大腦則沒(méi)有。這有力地證明，在需要不可預(yù)測(cè)性的競(jìng)爭(zhēng)中，過(guò)度依賴和“復(fù)盤”過(guò)往結(jié)果是一種有害策略，它會(huì)妨礙最佳表現(xiàn)，使人更容易輸?shù)舯荣悺Ｑ芯堪l(fā)表在 Social Cognitive and Affective Neuroscience 上。

閱讀更多：

Moerel, Denise, et al. “Neural Decoding of Competitive Decision-Making in Rock-Paper-Scissors.” Social Cognitive and Affective Neuroscience, Sept. 2025, p. nsaf101. Silverchair, https://doi.org/10.1093/scan/nsaf101

AI 行業(yè)動(dòng)態(tài)

AlphaEvolve：由大型語(yǔ)言模型驅(qū)動(dòng)的進(jìn)化智能體自主發(fā)現(xiàn)數(shù)學(xué)新構(gòu)造

如何利用人工智能系統(tǒng)性地探索數(shù)學(xué)未知領(lǐng)域并自主發(fā)現(xiàn)新構(gòu)造？來(lái)自Google DeepMind的BOGDAN GEORGIEV、JAVIER GóMEZ-SERRANO、ADAM ZSOLT WAGNER與著名數(shù)學(xué)家TERENCE TAO合作，開(kāi)發(fā)了一款名為AlphaEvolve的AI工具。該工具通過(guò)進(jìn)化算法與大型語(yǔ)言模型的結(jié)合，成功在多個(gè)數(shù)學(xué)難題中發(fā)現(xiàn)超越現(xiàn)有水平的新構(gòu)造，并啟發(fā)了新的數(shù)學(xué)研究。

AlphaEvolve的核心思想是進(jìn)化生成數(shù)學(xué)構(gòu)造的計(jì)算機(jī)程序，而非直接操縱數(shù)學(xué)對(duì)象本身。它從一個(gè)基礎(chǔ)程序入手，利用大型語(yǔ)言模型生成大量略有差異的程序“變體”，并通過(guò)一個(gè)評(píng)分函數(shù)評(píng)估每個(gè)程序所產(chǎn)生構(gòu)造的優(yōu)劣，不斷迭代優(yōu)化。研究團(tuán)隊(duì)設(shè)計(jì)了兩種關(guān)鍵模式：一種是“搜索模式”，讓AlphaEvolve進(jìn)化出高效的搜索啟發(fā)式算法，在限定時(shí)間內(nèi)尋找特定問(wèn)題的最佳構(gòu)造；另一種是“泛化器模式”，旨在通過(guò)分析小規(guī)模問(wèn)題的解，發(fā)現(xiàn)并歸納出適用于任意參數(shù)的通用公式。

為驗(yàn)證其能力，研究團(tuán)隊(duì)在涵蓋分析、組合數(shù)學(xué)、幾何學(xué)與數(shù)論的67個(gè)問(wèn)題上部署了AlphaEvolve。結(jié)果顯示，該系統(tǒng)在大部分問(wèn)題中復(fù)現(xiàn)了當(dāng)前最佳解，并在部分問(wèn)題上取得了突破，其發(fā)現(xiàn)的新構(gòu)造甚至啟發(fā)了合作者TERENCE TAO撰寫(xiě)兩篇新的數(shù)學(xué)論文。更引人注目的是，研究團(tuán)隊(duì)成功將AlphaEvolve與用于符號(hào)推理的Deep Think和用于形式化驗(yàn)證的AlphaProof工具鏈結(jié)合，展示了從AI發(fā)現(xiàn)經(jīng)驗(yàn)?zāi)Ｊ降缴蓢?yán)格數(shù)學(xué)證明的自動(dòng)化工作流。

閱讀更多：

Georgiev, Bogdan, et al. “Mathematical Exploration and Discovery at Scale.” Version 1, arXiv:2511.02864, arXiv, 3 Nov. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2511.02864

《中國(guó)神經(jīng)系統(tǒng)疾病報(bào)告2024》發(fā)布：腦機(jī)接口為百萬(wàn)患者帶來(lái)新希望

根據(jù)最新發(fā)布的《中國(guó)神經(jīng)系統(tǒng)疾病報(bào)告2024》，神經(jīng)系統(tǒng)疾病已成為中國(guó)重要的公共衛(wèi)生挑戰(zhàn)，尤其隨著人口老齡化加劇，腦血管病和神經(jīng)退行性疾病等負(fù)擔(dān)日益沉重。報(bào)告顯示，腦血管病位居中國(guó)居民死因順位的第三位，僅次于惡性腫瘤和心臟病，其中腦卒中（Stroke，俗稱中風(fēng)）更是我國(guó)成人致死、致殘的首位病因，我國(guó)因腦卒中死亡人數(shù)約占全球總數(shù)的三分之一。近年來(lái)，我國(guó)在神經(jīng)系統(tǒng)疾病的預(yù)防管理、診療技術(shù)和科研創(chuàng)新方面取得了顯著進(jìn)展?！吨袊?guó)神經(jīng)系統(tǒng)疾病報(bào)告2024》基于最新的流行病學(xué)調(diào)查和臨床研究成果，系統(tǒng)梳理了我國(guó)神經(jīng)系統(tǒng)疾病的流行趨勢(shì)、防治策略及規(guī)范化管理現(xiàn)狀，為相關(guān)政策制定、臨床實(shí)踐及科研發(fā)展提供了科學(xué)且重要的依據(jù)。

在科研領(lǐng)域，腦機(jī)接口技術(shù)取得了重大突破，為龐大的神經(jīng)系統(tǒng)疾病患者群體帶來(lái)了新的治療希望。例如，由國(guó)家神經(jīng)疾病醫(yī)學(xué)中心、首都醫(yī)科大學(xué)宣武醫(yī)院與清華大學(xué)合作，開(kāi)展了全球首例硬膜外腦機(jī)接口（Epidural BCI，一種將電極植入硬腦膜上方的侵入性腦機(jī)接口技術(shù)）臨床試驗(yàn)。國(guó)家神經(jīng)疾病醫(yī)學(xué)中心主任、首都醫(yī)科大學(xué)宣武醫(yī)院院長(zhǎng)趙國(guó)光研究員介紹，目前已完成32例四肢癱瘓患者的腦機(jī)接口植入，通過(guò)采集患者的大腦運(yùn)動(dòng)意念信號(hào)并結(jié)合外骨骼支架的實(shí)時(shí)反饋，模擬正常的生理傳導(dǎo)以修復(fù)損傷，研究人員已經(jīng)“初步看到了一些曙光”。此外，該技術(shù)在肢體運(yùn)動(dòng)障礙、意識(shí)與認(rèn)知障礙、癲癇和精神性疾病等的治療和康復(fù)方面展現(xiàn)出巨大潛力。中國(guó)工程院院士、北京協(xié)和醫(yī)學(xué)院院校長(zhǎng)吉訓(xùn)明研究員指出，通過(guò)腦神經(jīng)網(wǎng)絡(luò)的深入研究結(jié)合腦機(jī)接口技術(shù)，有望攻克以往難以解決的重要問(wèn)題，特別是無(wú)創(chuàng)腦機(jī)接口（Non-invasive BCI）的應(yīng)用，對(duì)于了解人類衰老機(jī)制和增強(qiáng)老年人功能將發(fā)揮關(guān)鍵作用。

閱讀更多：

https://mp.weixin.qq.com/s/P_aB5Wh0M-ejqIaOFHFZbA?click_id=4

Kimi K2 Thinking推理能力超越GPT-5

月之暗面（Moonshot AI）近日發(fā)布并開(kāi)源了其最新且功能最強(qiáng)大的思考模型——Kimi K2 Thinking，迅速在業(yè)界引發(fā)熱議。這款模型主打“模型即智能體”（Model as Agent），通過(guò)掌握邊思考邊使用工具的能力，標(biāo)志著開(kāi)源模型在逼近甚至超越頂尖閉源模型方面邁出了重要一步。Kimi K2 Thinking的核心能力在于其卓越的自主推理與工具調(diào)用能力，無(wú)需人工干預(yù)即可連續(xù)執(zhí)行多達(dá) 200-300 次工具調(diào)用。在架構(gòu)細(xì)節(jié)上，該模型擁有 1TB 參數(shù)量和 32B 的激活參數(shù)（Active Parameters，指模型在特定計(jì)算過(guò)程中實(shí)際參與運(yùn)算的參數(shù)數(shù)量），并采用了 256K 的長(zhǎng)上下文窗口。值得注意的是，Kimi K2 Thinking原生支持 INT4 量化（INT4 Quantization，一種將模型參數(shù)壓縮至 4 比特整數(shù)的技術(shù)），而非傳統(tǒng)的 FP8（Floating Point 8-bit，8比特浮點(diǎn)數(shù)），這不僅大幅提升了推理速度約兩倍，還增強(qiáng)了對(duì)包括國(guó)產(chǎn)加速計(jì)算芯片在內(nèi)的硬件兼容性。

Kimi K2 Thinking 的性能在多項(xiàng)關(guān)鍵基準(zhǔn)測(cè)試中刷新了 SOTA紀(jì)錄。在允許使用工具的人類最后的考試（HLE）和測(cè)試自主網(wǎng)絡(luò)瀏覽能力的 BrowseComp 等評(píng)測(cè)中，Kimi K2 Thinking 的成績(jī)超越了包括 GPT-5 和 Claude Sonnet 4.5 (Thinking) 在內(nèi)的閉源競(jìng)爭(zhēng)者，特別是在 BrowseComp 中以 60.2% 的成績(jī)證明了其強(qiáng)大的自主搜索與長(zhǎng)程規(guī)劃能力。研究人員指出，這種提升得益于其在測(cè)試時(shí)擴(kuò)展（Test-Time Scaling）領(lǐng)域的最新進(jìn)展，通過(guò)同時(shí)擴(kuò)展思考 Token（Thinking Tokens，用于模型內(nèi)部推理和規(guī)劃步驟的計(jì)算資源）和工具調(diào)用輪次來(lái)實(shí)現(xiàn)更強(qiáng)的智能體和推理性能。在專業(yè)的 tau^2-Bench Telecom 智能體工具使用基準(zhǔn)測(cè)試中，Kimi K2 Thinking 達(dá)到了 93% 的高分，大幅提升了其在復(fù)雜 Agent 場(chǎng)景下的處理能力。此外，新模型在 Agentic 編程、創(chuàng)意寫(xiě)作和學(xué)術(shù)分析等通用基礎(chǔ)能力方面也全面升級(jí)，鞏固了其作為新一代開(kāi)源智能體模型的地位。

閱讀更多：

https://huggingface.co/moonshotai/Kimi-K2-Thinking

AI科學(xué)家Kosmos開(kāi)啟科研全自動(dòng)化新時(shí)代，12小時(shí)完成人類六個(gè)月工作量

由愛(ài)迪生科學(xué)（Edison Scientific）開(kāi)發(fā)的全自動(dòng)“AI科學(xué)家”Kosmos，在科研領(lǐng)域展現(xiàn)出驚人的效率和跨學(xué)科能力。該系統(tǒng)無(wú)需人類干預(yù)，即可自主執(zhí)行從文獻(xiàn)檢索、數(shù)據(jù)分析、編寫(xiě)代碼到撰寫(xiě)報(bào)告和論文的完整研究流程。研究人員發(fā)現(xiàn)，Kosmos 最長(zhǎng)能連續(xù)工作12小時(shí)，平均單次研究可閱讀1500篇論文，并生成多達(dá)4.2萬(wàn)行分析代碼，其20輪的研究成果約相當(dāng)于人類團(tuán)隊(duì)6個(gè)月的工作量。Kosmos 的科研質(zhì)量極高，79%的研究結(jié)果可被人類科學(xué)家復(fù)現(xiàn)。系統(tǒng)已在代謝組學(xué)、神經(jīng)科學(xué)、材料科學(xué)等多個(gè)領(lǐng)域取得了7項(xiàng)真實(shí)發(fā)現(xiàn)，甚至成功復(fù)現(xiàn)了人類未公開(kāi)的成果。例如，在神經(jīng)保護(hù)代謝組學(xué)領(lǐng)域，Kosmos 通過(guò)通路富集分析（Pathway Enrichment Analysis, 一種分析實(shí)驗(yàn)中觀察到的基因或蛋白質(zhì)變化是否集中在特定的生物學(xué)通路上的方法），準(zhǔn)確識(shí)別出低溫通過(guò)激活核苷酸補(bǔ)救途徑（一種節(jié)省能量的代謝方式）來(lái)保護(hù)大腦，其具體代謝物變化趨勢(shì)與人類研究結(jié)果的匹配度高達(dá)R2=0.998。

Kosmos 之所以能突破現(xiàn)有 AI 系統(tǒng)的限制（如前身 Robin 僅能生成約4000行代碼且上下文銜接存在問(wèn)題），核心在于其“循環(huán)迭代+信息共享”的全自動(dòng)流程，并依賴于一個(gè)結(jié)構(gòu)化世界模型（Structured World Model, 共享的中央知識(shí)庫(kù)）。研究人員只需提供一個(gè)開(kāi)放的研究目標(biāo)和對(duì)應(yīng)的數(shù)據(jù)集，Kosmos 便會(huì)啟動(dòng)數(shù)據(jù)分析和文獻(xiàn)搜索的雙軌模式，通過(guò)共享大腦實(shí)時(shí)整合信息，確保每一步方向正確。這一流程最多可運(yùn)行200多輪，直至目標(biāo)完成，最終報(bào)告中每句話都標(biāo)有對(duì)應(yīng)的代碼或文獻(xiàn)來(lái)源，顯著提高了研究結(jié)果的可追溯性和可信度。該項(xiàng)目主要由愛(ài)迪生科學(xué)的技術(shù)人員 Ludovico Mitchener 和 Michaela Hinks 主導(dǎo)。盡管功能強(qiáng)大，Kosmos 仍存在局限性，例如它可能將統(tǒng)計(jì)學(xué)顯著但科學(xué)意義不大的結(jié)果作為重點(diǎn)，且在處理超過(guò)5GB的大型數(shù)據(jù)集時(shí)效率會(huì)下降。此外，系統(tǒng)在解讀數(shù)據(jù)時(shí)也常使用絕對(duì)化表述。

閱讀更多：

https://arxiv.org/abs/2511.02824

AI 驅(qū)動(dòng)科學(xué)

腦機(jī)接口首次實(shí)現(xiàn)對(duì)普通話的實(shí)時(shí)神經(jīng)解碼

如何實(shí)時(shí)解碼普通話這一聲調(diào)語(yǔ)言是腦機(jī)接口領(lǐng)域的一大挑戰(zhàn)。天橋腦科學(xué)研究院、上海腦虎科技有限公司陶虎、復(fù)旦大學(xué)附屬華山醫(yī)院吳勁松、中國(guó)科學(xué)院大學(xué)周志濤團(tuán)隊(duì)成功開(kāi)發(fā)并驗(yàn)證了一個(gè)能實(shí)時(shí)解碼普通話的BCI框架，首次實(shí)現(xiàn)了對(duì)聲調(diào)語(yǔ)言的高效解碼，為因神經(jīng)系統(tǒng)疾病失語(yǔ)的患者帶來(lái)了新的溝通希望。

?用于解碼中文句子的實(shí)時(shí)腦機(jī)接口框架。Credit: Science Advances (2025).

研究團(tuán)隊(duì)招募了一名43歲的女性癲癇患者，在其大腦語(yǔ)言相關(guān)區(qū)域植入了256通道的高密度皮層腦電圖（ECoG，一種直接放置在大腦皮層表面的電極陣列），在11天內(nèi)記錄了其在朗讀單字和句子時(shí)的神經(jīng)信號(hào)。該研究創(chuàng)新地采用了以音節(jié)為中心的解碼框架，將包含聲調(diào)信息的完整普通話單音節(jié)作為解碼單元，有效克服了普通話同音詞多、語(yǔ)音冗余度低的挑戰(zhàn)。分析顯示，系統(tǒng)僅憑神經(jīng)信號(hào)就能以71.2%的中位準(zhǔn)確率識(shí)別音節(jié)。在整合了3元漢語(yǔ)語(yǔ)言模型的實(shí)時(shí)句子解碼任務(wù)中，字符準(zhǔn)確率達(dá)到73.1%，通信速率高達(dá)每分鐘49.7個(gè)字符。研究還發(fā)現(xiàn)大腦中存在處理音節(jié)和聲調(diào)的不同神經(jīng)關(guān)聯(lián)，該系統(tǒng)成功解碼了包含394個(gè)不同聲調(diào)音節(jié)的集合，并能讓參與者用意念控制機(jī)械臂和虛擬形象。這一突破性成果為聲調(diào)語(yǔ)言的語(yǔ)音神經(jīng)假體開(kāi)發(fā)鋪平了道路。研究發(fā)表在 Science Advances 上。

閱讀更多：

Qian, Youkun, et al. “Real-Time Decoding of Full-Spectrum Chinese Using Brain-Computer Interface.” Science Advances, vol. 11, no. 45, Nov. 2025, p. eadz9968. science.org (Atypon), https://doi.org/10.1126/sciadv.adz9968

雙向視覺(jué)神經(jīng)假體實(shí)現(xiàn)與大腦實(shí)時(shí)對(duì)話，助盲人識(shí)別形狀與字母

如何為失明者恢復(fù)有意義的視覺(jué)？針對(duì)當(dāng)前視覺(jué)假體無(wú)法與大腦“交流”的局限，西班牙埃爾切米格爾·埃爾南德斯大學(xué)（UMH）的Fabrizio Grani、Cristina Soto Sánchez、Alfonso Rodil Doblado、Rocío López Peco、Eduardo Fernández Jover及Dr. Balmis綜合大學(xué)醫(yī)院的Pablo González López等人，開(kāi)發(fā)出一款新一代視覺(jué)神經(jīng)假體。該設(shè)備首次實(shí)現(xiàn)了與大腦的雙向?qū)崟r(shí)通信，成功幫助盲人志愿者感知形狀和字母，向恢復(fù)功能性視覺(jué)邁出關(guān)鍵一步。

?該系統(tǒng)不僅能通過(guò)傳遞誘發(fā)視覺(jué)感覺(jué)的電信號(hào)在大腦上“書(shū)寫(xiě)”，還能讀取神經(jīng)元反應(yīng)并實(shí)時(shí)進(jìn)行調(diào)整。Credit: Universidad Miguel Hernández de Elche.

該研究為兩名盲人志愿者的大腦視覺(jué)皮層植入了一個(gè)包含100個(gè)微電極的陣列。與以往只能單向發(fā)送指令的“開(kāi)環(huán)”系統(tǒng)不同，這項(xiàng)新技術(shù)的突破在于其“閉環(huán)”（closed-loop）設(shè)計(jì)，它不僅能通過(guò)電刺激向大腦“寫(xiě)入”信息以誘導(dǎo)產(chǎn)生光點(diǎn)感知（phosphenes，一種沒(méi)有光線進(jìn)入眼睛卻能看到光的感覺(jué)），還能同時(shí)“讀取”附近神經(jīng)元的活動(dòng)。這種雙向通信機(jī)制將技術(shù)與大腦的單向獨(dú)白變成了動(dòng)態(tài)對(duì)話。

研究結(jié)果表明，系統(tǒng)可以根據(jù)記錄到的神經(jīng)活動(dòng)，準(zhǔn)確預(yù)測(cè)特定電刺激是否會(huì)引發(fā)視覺(jué)感知，甚至能估計(jì)其感知亮度?；谶@種反饋，系統(tǒng)能夠?qū)崟r(shí)自動(dòng)微調(diào)刺激參數(shù)，適應(yīng)大腦的變化，從而克服了神經(jīng)元可能因疲勞或?qū)W習(xí)而改變反應(yīng)的難題。得益于這種智能化的雙向互動(dòng)，志愿者不僅能夠感知光點(diǎn)，還能識(shí)別復(fù)雜的圖案、運(yùn)動(dòng)、形狀乃至部分字母。這項(xiàng)技術(shù)展示了通過(guò)模擬自然視覺(jué)的反饋回路來(lái)提升人工視覺(jué)效果的巨大潛力，為開(kāi)發(fā)更穩(wěn)定、更高效的視覺(jué)假體鋪平了道路。研究發(fā)表在 Science Advances 上。

閱讀更多：

Grani, Fabrizio, et al. “Neural Correlates of Phosphene Perception in Blind Individuals: A Step toward a Bidirectional Cortical Visual Prosthesis.” Science Advances, vol. 11, no. 45, Nov. 2025, p. eadv8846. science.org (Atypon), https://doi.org/10.1126/sciadv.adv8846

AI新突破：滑鐵盧大學(xué)利用上下文線索精準(zhǔn)追蹤冰球，提升體育分析可及性

如何在普通體育轉(zhuǎn)播視頻中低成本地精準(zhǔn)追蹤冰球和球員是體育分析領(lǐng)域的一大挑戰(zhàn)。滑鐵盧大學(xué)的Liam Salass、Jerrin Bright、Amir Nazemi、Yuhao Chen、John Zelek、David Clausi等研究人員開(kāi)發(fā)了兩套創(chuàng)新的人工智能系統(tǒng)（PLUCC和SportMamba），它們利用上下文線索和動(dòng)態(tài)預(yù)測(cè)，顯著提高了追蹤精度和效率，為低成本體育分析提供了可能。

研究團(tuán)隊(duì)開(kāi)發(fā)了兩套人工智能系統(tǒng)。其中，名為PLUCC（Puck Localization Using Contextual Cues）的模型創(chuàng)新地利用球員身體姿態(tài)和視線方向作為上下文線索來(lái)推斷冰球位置。這種單幀處理方法避免了傳統(tǒng)追蹤技術(shù)中常見(jiàn)的誤差累積。實(shí)驗(yàn)結(jié)果顯示，PLUCC將冰球定位的平均精度提升了12%，并將一種名為冰場(chǎng)空間定位誤差（Rink Space Localization Error, RSLE）的新評(píng)估指標(biāo)下的誤差降低了超過(guò)25%。另一套系統(tǒng)SportMamba則用于追蹤多名球員，其準(zhǔn)確性比現(xiàn)有方法高出18%。這些工具為小型組織提供了低成本的高級(jí)體育分析方案，無(wú)需昂貴的專用設(shè)備。研究論文發(fā)表在 arXiv 預(yù)印本服務(wù)器上，并在2025年IEEE/CVF計(jì)算機(jī)視覺(jué)與模式識(shí)別研討會(huì)上進(jìn)行了展示。

閱讀更多：

Salass, Liam, et al. “Ice Hockey Puck Localization Using Contextual Cues.” arXiv:2506.04365, arXiv, 4 June 2025. arXiv.org, https://doi.org/10.48550/arXiv.2506.04365

AI生成的人臉圖像與真實(shí)照片真假難辨，挑戰(zhàn)視覺(jué)媒體信任度

人工智能能否生成令人信以為真的名人照片？來(lái)自斯旺西大學(xué)、林肯大學(xué)和以色列阿里爾大學(xué)的Robin S. S. Kramer, Alex L. Jones, Daniel Fitousi 和 Jeremy J. Tree等研究人員進(jìn)行了一項(xiàng)研究。他們發(fā)現(xiàn)，利用現(xiàn)成的AI工具生成的名人圖像已達(dá)到與真實(shí)照片幾乎無(wú)法區(qū)分的水平，這對(duì)視覺(jué)媒體的信任度構(gòu)成了嚴(yán)峻挑戰(zhàn)。

?頂部一行是人物的真實(shí)照片，下方是人工智能生成的版本。Credit: Swansea University

研究團(tuán)隊(duì)利用OpenAI的ChatGPT和DALL·E模型，生成了一系列虛構(gòu)人物及好萊塢明星（如Paul Rudd和Olivia Wilde）的高仿真度面部圖像。在四項(xiàng)獨(dú)立的實(shí)驗(yàn)中，他們向來(lái)自多個(gè)國(guó)家的參與者展示這些AI圖像與真實(shí)照片，并要求他們進(jìn)行辨別。結(jié)果顯示，參與者普遍無(wú)法準(zhǔn)確區(qū)分真實(shí)照片與AI生成的圖像。

更重要的是，研究發(fā)現(xiàn)，即便參與者對(duì)照片中的名人非常熟悉，或者在任務(wù)中提供真實(shí)的對(duì)比照片，也只能帶來(lái)微乎其微的幫助。這表明人類對(duì)面孔的識(shí)別專長(zhǎng)在對(duì)抗先進(jìn)的AI生成技術(shù)時(shí)已不足夠。這一發(fā)現(xiàn)揭示了“深度偽造”（deepfake）技術(shù)已達(dá)到一個(gè)新的現(xiàn)實(shí)主義水平，AI能夠輕易制造出足以以假亂真的真實(shí)人物圖像。這不僅可能被用于傳播虛假信息、操縱名人代言等，也嚴(yán)重侵蝕了公眾對(duì)視覺(jué)信息的信任基礎(chǔ)。研究人員強(qiáng)調(diào)，由于人類已難以通過(guò)肉眼辨別真?zhèn)?，因此迫切需要開(kāi)發(fā)出可靠的自動(dòng)化檢測(cè)工具。研究發(fā)表在 Cognitive Research: Principles and Implications 上。

閱讀更多：

Kramer, Robin S. S., et al. “AI-Generated Images of Familiar Faces Are Indistinguishable from Real Photographs.” Cognitive Research: Principles and Implications, vol. 10, no. 1, Oct. 2025, p. 70. BioMed Central, https://doi.org/10.1186/s41235-025-00683-w

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)于追問(wèn)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(wèn)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(wèn)，我們將基于追問(wèn)知識(shí)庫(kù)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、、、科普視頻媒體「大圓鏡」等。