█ 腦科學(xué)動(dòng)態(tài)

Science：終身行為監(jiān)測(cè)揭示衰老架構(gòu)：魚(yú)類早期行為可預(yù)測(cè)壽命

Science：大腦免疫細(xì)胞通過(guò)RANK蛋白調(diào)控生育能力

他人的評(píng)價(jià)會(huì)影響你的真實(shí)感受，社會(huì)暗示如何讓你“感覺(jué)”更痛

手部精細(xì)運(yùn)動(dòng)不只靠大腦皮層，腦干才是幕后功臣

新型試劑SeeDB-Live利用血液蛋白實(shí)現(xiàn)活體大腦無(wú)創(chuàng)透明化成像

關(guān)鍵鈣離子通道Orai1調(diào)控神經(jīng)炎癥與動(dòng)機(jī)行為

█ AI行業(yè)動(dòng)態(tài)

陳天橋組建AI夢(mèng)之隊(duì)，攻堅(jiān)可驗(yàn)證推理

全球首個(gè)侵入式腦機(jī)接口醫(yī)療器械在中國(guó)獲批上市

馬斯克推出“數(shù)字員工”Digital Optimus，AI開(kāi)始替你操作電腦辦公

█ AI驅(qū)動(dòng)科學(xué)

人腦與人工智能在語(yǔ)音解碼中展現(xiàn)出相似的層級(jí)處理機(jī)制

用泛函擴(kuò)散模型破解單細(xì)胞測(cè)序預(yù)測(cè)難題

具有腿式敏捷性與輪式效率的新型兩輪自行車(chē)機(jī)器人UMV

新型圖算法顯著提高近距離最短路徑計(jì)算精度

AI搜索機(jī)器人結(jié)合3D地圖與大語(yǔ)言模型高效尋找遺失物品

解碼人類動(dòng)作前奏：多模態(tài)智能穿戴設(shè)備如何精準(zhǔn)預(yù)測(cè)運(yùn)動(dòng)意圖

腦科學(xué)動(dòng)態(tài)

Science：終身行為監(jiān)測(cè)揭示衰老架構(gòu)：魚(yú)類早期行為可預(yù)測(cè)壽命

衰老過(guò)程是平滑漸進(jìn)還是分階段發(fā)生，早期行為能否預(yù)測(cè)壽命？斯坦福大學(xué)的Claire Bedbrook、Ravi Nath、Anne Brunet和Karl Deisseroth團(tuán)隊(duì)，通過(guò)對(duì)短壽的非洲鳉魚(yú)進(jìn)行前所未有的終身自動(dòng)化行為監(jiān)測(cè)，發(fā)現(xiàn)衰老并非平滑衰退，而是由幾個(gè)穩(wěn)定階段和快速轉(zhuǎn)變構(gòu)成的階梯式過(guò)程，并且動(dòng)物中年的行為足以預(yù)測(cè)其最終壽命。

研究團(tuán)隊(duì)搭建了一個(gè)科學(xué)版的“楚門(mén)的世界”，利用自動(dòng)化系統(tǒng)對(duì)81條非洲綠松石鳉魚(yú)（African turquoise killifish）從青春期到死亡進(jìn)行全天候不間斷記錄。通過(guò)機(jī)器學(xué)習(xí)分析海量視頻數(shù)據(jù)，他們發(fā)現(xiàn)衰老過(guò)程存在一個(gè)分階段的架構(gòu)，動(dòng)物會(huì)在數(shù)個(gè)穩(wěn)定的行為階段中度過(guò)數(shù)周，然后經(jīng)歷幾天的快速轉(zhuǎn)變進(jìn)入下一階段。更重要的是，個(gè)體間的衰老路徑在生命中期（約70-100天）便已出現(xiàn)分化。那些最終長(zhǎng)壽的魚(yú)在此時(shí)表現(xiàn)出更強(qiáng)的游泳活力，且睡眠主要集中在夜間；而短壽的魚(yú)則在白天也頻繁休息。僅憑幾天的中年行為數(shù)據(jù)，模型便能準(zhǔn)確預(yù)測(cè)其壽命。該行為差異也與肝臟等器官的基因表達(dá)變化相關(guān)，為衰老的分子機(jī)制提供了線索。研究發(fā)表在 Science 上。

#疾病與健康 #預(yù)測(cè)模型構(gòu)建 #健康管理與壽命延長(zhǎng) #衰老

閱讀更多：

Bedbrook, Claire N., et al. “Lifelong Behavioral Screen Reveals an Architecture of Vertebrate Aging.” Science, vol. 391, no. 6790, Mar. 2026, p. eaea9795. science.org (Atypon), https://doi.org/10.1126/science.aea9795

Science：大腦免疫細(xì)胞通過(guò)RANK蛋白調(diào)控生育能力

生育和青春期的啟動(dòng)過(guò)程遠(yuǎn)比想象的復(fù)雜，并非只由神經(jīng)元主導(dǎo)。西班牙國(guó)家癌癥研究中心（CNIO）的Eva González-Suárez和Alejandro Collado等人領(lǐng)導(dǎo)的國(guó)際團(tuán)隊(duì)發(fā)現(xiàn)，大腦中的免疫細(xì)胞——小膠質(zhì)細(xì)胞，通過(guò)RANK蛋白信號(hào)通路在調(diào)控生育能力中扮演著不可或缺的角色，這一發(fā)現(xiàn)為理解和治療相關(guān)內(nèi)分泌疾病開(kāi)辟了新思路。

? 小鼠下丘腦中小膠質(zhì)細(xì)胞（綠色）與 GnHR 神經(jīng)元（紅色）的相互作用，圖中分別展示了對(duì)照組（上圖）和 Rank 蛋白表達(dá)抑制組（下圖）小鼠的下丘腦結(jié)構(gòu)。Rank 蛋白表達(dá)抑制后，小膠質(zhì)細(xì)胞體積更小，分支更少。右圖：小膠質(zhì)細(xì)胞外部結(jié)構(gòu)。左圖：小膠質(zhì)細(xì)胞內(nèi)部結(jié)構(gòu)。Credit: Nozha Borjini and Rafael Fernández Chacón / IBiS

研究團(tuán)隊(duì)通過(guò)動(dòng)物模型揭示了這一全新機(jī)制。他們發(fā)現(xiàn)，下丘腦-垂體-性腺軸（hypothalamic-pituitary-gonadal (HPG) axis）的核心——促性腺激素釋放神經(jīng)元，其功能受到小膠質(zhì)細(xì)胞的精密調(diào)控。這種調(diào)控依賴于小膠質(zhì)細(xì)胞表面的一種名為RANK的蛋白。當(dāng)研究人員在小鼠模型中抑制RANK蛋白的表達(dá)后，小鼠出現(xiàn)了青春期延遲、性激素水平下降和不孕等癥狀，即促性腺激素低下性性腺功能減退癥。深入觀察發(fā)現(xiàn)，缺乏RANK蛋白的小膠質(zhì)細(xì)胞形態(tài)變小、分支減少，并且與GnRH神經(jīng)元的物理接觸和互動(dòng)顯著減弱。更重要的是，該研究在部分患有此罕見(jiàn)病的患者體內(nèi)也發(fā)現(xiàn)了RANK基因的突變，直接將動(dòng)物模型的發(fā)現(xiàn)與人類疾病聯(lián)系起來(lái)。研究發(fā)表在 Science 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #內(nèi)分泌系統(tǒng) #小膠質(zhì)細(xì)胞

閱讀更多：

Collado-Sole, Alejandro, et al. “Microglia Rank Signaling Regulates GnRH Neuronal Function and the Hypothalamic-Pituitary-Gonadal Axis.” Science, vol. 0, no. 0, Mar. 2026, p. eaeb6999. science.org (Atypon), https://doi.org/10.1126/science.aeb6999

他人的評(píng)價(jià)會(huì)影響你的真實(shí)感受，社會(huì)暗示如何讓你“感覺(jué)”更痛

為什么一句“這個(gè)針很疼”會(huì)真的讓你感覺(jué)更疼？達(dá)特茅斯學(xué)院的 Aryan Yazdanpanah, Tor Wager, Alireza Soltani 等研究人員，探究了社會(huì)信息如何塑造我們對(duì)疼痛、共情和認(rèn)知努力等負(fù)面體驗(yàn)的感知。他們發(fā)現(xiàn)，他人的觀點(diǎn)會(huì)通過(guò)“確認(rèn)偏誤”等機(jī)制，制造出難以改變的“自我實(shí)現(xiàn)預(yù)言”，深刻影響我們的主觀感受。

? 實(shí)驗(yàn)范式和行為結(jié)果。Credit: Proceedings of the National Academy of Sciences (2026).

研究團(tuán)隊(duì)設(shè)計(jì)了三項(xiàng)實(shí)驗(yàn)，分別讓參與者體驗(yàn)直接的身體疼痛（手臂熱刺激）、替代性疼痛（觀看他人痛苦的視頻）和認(rèn)知努力（心理旋轉(zhuǎn)3D圖像）。在每次體驗(yàn)前，研究人員會(huì)向參與者展示一個(gè)據(jù)稱是“前人評(píng)價(jià)”的社交線索，暗示接下來(lái)的刺激是“高痛苦”還是“低痛苦”，但實(shí)際上這些線索是隨機(jī)生成的，與真實(shí)刺激強(qiáng)度無(wú)關(guān)。結(jié)果顯示，這些毫無(wú)根據(jù)的社交線索極大地影響了參與者的主觀感受：即使接受的是低強(qiáng)度的熱刺激，被告知“很疼”的參與者也會(huì)報(bào)告更高的疼痛感。通過(guò)計(jì)算模型分析，研究揭示了背后的兩大機(jī)制：一是期望直接扭曲了感知；二是學(xué)習(xí)中的確認(rèn)偏誤，即人們傾向于更多地從符合預(yù)期的信息中學(xué)習(xí)，而忽略或輕視與預(yù)期相悖的證據(jù)。這兩種機(jī)制共同作用，形成了一個(gè)強(qiáng)大的反饋循環(huán)，使得由社會(huì)信息塑造的信念即使在缺乏事實(shí)依據(jù)的情況下也難以被糾正。研究發(fā)表在 PNAS 上。

#認(rèn)知科學(xué) #計(jì)算模型與人工智能模擬 #社會(huì)認(rèn)知 #確認(rèn)偏誤

閱讀更多：

Yazdanpanah, Aryan, et al. “Social Information Creates Self-Fulfilling Prophecies in Judgments of Pain, Vicarious Pain, and Cognitive Effort.” Proceedings of the National Academy of Sciences, vol. 123, no. 7, Feb. 2026, p. e2513856123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2513856123

手部精細(xì)運(yùn)動(dòng)不只靠大腦皮層，腦干才是幕后功臣

人類靈巧的雙手是如何被精確控制的？加州大學(xué)河濱分校的Shahab Vahdat和Vishwas Jindal等人挑戰(zhàn)了傳統(tǒng)上以大腦皮層為絕對(duì)核心的觀點(diǎn)。他們通過(guò)跨物種研究發(fā)現(xiàn)了一條被長(zhǎng)期忽視的、從腦干到脊髓的間接運(yùn)動(dòng)通路，該通路在手部精細(xì)控制中發(fā)揮著關(guān)鍵作用，并為中風(fēng)康復(fù)治療提供了新的潛在靶點(diǎn)。

? 小鼠和人類前肢運(yùn)動(dòng)控制中延髓和 C3-C4 固有脊髓系統(tǒng)的組織結(jié)構(gòu)。(A) 小鼠前肢運(yùn)動(dòng)控制中皮質(zhì)-延髓連接（特別是與外側(cè)內(nèi)側(cè)核和尾狀核的連接）概述。(B) 人類參與手部運(yùn)動(dòng)控制的皮質(zhì)感覺(jué)運(yùn)動(dòng)區(qū)與延髓區(qū)域的連接示意圖。Credit: Proceedings of the National Academy of Sciences (2026).

該研究顛覆了手部運(yùn)動(dòng)主要由大腦皮層直接調(diào)控的傳統(tǒng)模型。研究團(tuán)隊(duì)采用功能性磁共振成像（fMRI）技術(shù)，分別觀察了人類和小鼠在執(zhí)行手部用力任務(wù)時(shí)的大腦及脊髓活動(dòng)。結(jié)果發(fā)現(xiàn)，在腦干的延髓中有兩個(gè)特定區(qū)域——外側(cè)延髓頭端（Lat-RM）和延髓尾端（CauM），在兩個(gè)物種中都表現(xiàn)出一致的激活模式，證明了這條控制回路在演化上的高度保守性。更重要的是，研究首次在人類身上證實(shí)，頸部脊髓的C3-C4節(jié)段固有束系統(tǒng)（C3–C4 propriospinal system，位于頸部的神經(jīng)元網(wǎng)絡(luò)）扮演著一個(gè)關(guān)鍵的中繼角色，負(fù)責(zé)整合來(lái)自大腦皮層和腦干的復(fù)雜指令，再傳遞給控制手部肌肉的神經(jīng)元。這一發(fā)現(xiàn)表明，除了經(jīng)典的直接通路，還存在一條涉及網(wǎng)狀脊髓束和固有束系統(tǒng)的間接通路協(xié)同工作，為中風(fēng)后繞過(guò)受損皮層、通過(guò)神經(jīng)調(diào)控刺激幸存通路來(lái)恢復(fù)手部功能提供了新思路。研究發(fā)表在 PNAS 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #神經(jīng)調(diào)控 #中風(fēng)康復(fù)

閱讀更多：

Jindal, Vishwas, et al. “Medullary and C3–C4 Propriospinal Pathways Underlying Mammalian Forelimb Movement Control.” Proceedings of the National Academy of Sciences, vol. 123, no. 5, Feb. 2026, p. e2518217123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2518217123

新型試劑SeeDB-Live利用血液蛋白實(shí)現(xiàn)活體大腦無(wú)創(chuàng)透明化成像

為解決活體深層腦成像中組織不透明的難題，九州大學(xué)的Takeshi Imai和Shigenori Inagaki等人開(kāi)發(fā)出一種新型光學(xué)透明化試劑SeeDB-Live。該試劑利用血液中常見(jiàn)的牛血清白蛋白，首次實(shí)現(xiàn)了在不影響細(xì)胞功能的條件下，對(duì)活體腦組織進(jìn)行無(wú)創(chuàng)、可逆的透明化處理，從而能夠觀察到前所未有的深層神經(jīng)活動(dòng)。

? 利用雙光子顯微鏡對(duì)表達(dá)熒光蛋白（Thy1-EYFP-H）的小鼠大腦皮層第 5 層神經(jīng)元進(jìn)行三維熒光成像。與未進(jìn)行透明化處理的組織相比，SeeDB-Live 透明化處理提高了深部腦區(qū)的熒光亮度。Credit: Shigenori Inagaki and Takeshi Imai, Kyushu University

研究團(tuán)隊(duì)首先解決了光學(xué)成像中的核心難題——光散射。通過(guò)系統(tǒng)性實(shí)驗(yàn)，他們確定了匹配細(xì)胞內(nèi)外折射率是減少散射的關(guān)鍵。挑戰(zhàn)在于，如何找到一種物質(zhì)，既能調(diào)節(jié)折射率，又不會(huì)因滲透壓過(guò)高而損傷活細(xì)胞。在一次偶然的深夜實(shí)驗(yàn)中，研究人員發(fā)現(xiàn)牛血清白蛋白完美地滿足了這些苛刻條件。基于此，他們開(kāi)發(fā)了名為SeeDB-Live的透明化溶液。實(shí)驗(yàn)結(jié)果令人振奮：將該溶液應(yīng)用于活體小鼠大腦，深層神經(jīng)元的熒光信號(hào)亮度增強(qiáng)了三倍，使過(guò)去難以清晰觀察的大腦皮層第五層結(jié)構(gòu)得以呈現(xiàn)。更重要的是，這一過(guò)程完全無(wú)創(chuàng)且可逆，組織透明度在幾小時(shí)后即可恢復(fù)，允許對(duì)同一個(gè)體進(jìn)行長(zhǎng)期的追蹤研究。這項(xiàng)技術(shù)為實(shí)時(shí)觀測(cè)大腦的復(fù)雜功能開(kāi)辟了新途徑。研究發(fā)表在 Nature Methods 上

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #光學(xué)成像 #組織透明化技術(shù)

閱讀更多：

Inagaki, Shigenori, et al. “Isotonic and Minimally Invasive Optical Clearing Media for Live Cell Imaging Ex Vivo and in Vivo.” Nature Methods, Mar. 2026, pp. 1–15. www.nature.com, https://doi.org/10.1038/s41592-026-03023-y

關(guān)鍵鈣離子通道Orai1調(diào)控神經(jīng)炎癥與動(dòng)機(jī)行為

大腦免疫細(xì)胞如何影響我們的情緒與動(dòng)機(jī)？西北大學(xué)醫(yī)學(xué)院的Murali Prakriya和Kaitlyn E. DeMeulenaere等人揭示了其中的關(guān)鍵機(jī)制。他們的研究發(fā)現(xiàn)，大腦主要免疫細(xì)胞——小膠質(zhì)細(xì)胞上的Orai1鈣離子通道，不僅是調(diào)控神經(jīng)炎癥的“開(kāi)關(guān)”，還直接影響由炎癥導(dǎo)致的動(dòng)機(jī)行為（如抑郁樣行為），為治療相關(guān)腦部疾病提供了新靶點(diǎn)。

? 圖像顯示，小鼠海馬中炎癥誘導(dǎo)的神經(jīng)膠質(zhì)細(xì)胞標(biāo)志物（包括小膠質(zhì)細(xì)胞（紅色）、星形膠質(zhì)細(xì)胞（綠色）以及所有細(xì)胞核（藍(lán)色））均有所增加。在小膠質(zhì)細(xì)胞中缺乏 Orai1 的小鼠中，并未出現(xiàn)這種炎癥誘導(dǎo)的炎癥標(biāo)志物增加現(xiàn)象。Credit: Murali Prakriya, PhD.

研究團(tuán)隊(duì)通過(guò)在小鼠的小膠質(zhì)細(xì)胞中特異性敲除Orai1基因，探究了其功能。研究發(fā)現(xiàn)，Orai1通道是小膠質(zhì)細(xì)胞進(jìn)入促炎狀態(tài)所必需的。當(dāng)該通道被刪除后，小膠質(zhì)細(xì)胞不僅無(wú)法被激活以促進(jìn)炎癥，反而意外地切換到了抗炎和神經(jīng)保護(hù)模式，開(kāi)始產(chǎn)生更多有益于神經(jīng)元存活和生長(zhǎng)的分子，如腦源性神經(jīng)營(yíng)養(yǎng)因子（BDNF）。在模擬炎癥的實(shí)驗(yàn)中（通過(guò)注射脂多糖LPS），缺乏Orai1的小鼠海馬區(qū)的炎癥反應(yīng)明顯減弱，并且它們成功避免了由炎癥引起的動(dòng)機(jī)下降和獎(jiǎng)勵(lì)尋求行為受損等類似抑郁的癥狀。這項(xiàng)結(jié)合了轉(zhuǎn)錄組學(xué)、代謝組學(xué)和行為學(xué)分析的研究清晰地表明，Orai1通道是將鈣信號(hào)與神經(jīng)炎癥及行為功能障礙聯(lián)系起來(lái)的關(guān)鍵一環(huán)，抑制其活性有望成為治療抑郁癥、神經(jīng)退行性疾病和慢性疼痛等疾病的有效策略。研究發(fā)表在 Science Signaling 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #神經(jīng)炎癥 #心理健康與精神疾病

閱讀更多：

DeMeulenaere, Kaitlyn E., et al. “Microglial Reactivity and Neuroinflammation-Driven Changes in Motivational Behaviors Are Regulated by Orai1 Calcium Channels.” Science Signaling, vol. 19, no. 925, Feb. 2026, p. eady8398. science.org (Atypon), https://doi.org/10.1126/scisignal.ady8398

AI 行業(yè)動(dòng)態(tài)

陳天橋組建AI“夢(mèng)之隊(duì)”：三位世界級(jí)科學(xué)家加盟MiroMind，攻堅(jiān)可驗(yàn)證推理

就在剛剛，MiroMind 在其官網(wǎng)宣布了三位杰出的 AI 科學(xué)家加入領(lǐng)導(dǎo)團(tuán)隊(duì)。這幾項(xiàng)重要任命標(biāo)志著 MiroMind 在構(gòu)建 “發(fā)現(xiàn)式智能”（Discoverable Intelligence） 的使命上邁出關(guān)鍵一步 —— 一種不僅能分析已有知識(shí)，還能進(jìn)行預(yù)測(cè)并探索全新概念的 AI。隨著杜少雷博士出任 Lead Scientist for Reasoning Models & Training、安波教授出任 Lead Scientist for Runtime & Agent Systems，以及楊凱峪博士出任 Lead Scientist of the Verifiable AI Lab，MiroMind 正在打造的 Heavy Duty Solver 引擎的三大核心技術(shù)支柱現(xiàn)已全部就位。

MiroMind 由全球知名創(chuàng)新企業(yè)家、慈善家陳天橋創(chuàng)立，其愿景是打造面向發(fā)現(xiàn)式智能的新一代 AI 平臺(tái)，他為公司和 AI 業(yè)界帶來(lái)了獨(dú)特的全球化視角。

MiroMind 的使命不是打造一個(gè)更會(huì)表達(dá)的語(yǔ)言模型，而是構(gòu)建一種全新的 AI 系統(tǒng) —— 能夠進(jìn)行嚴(yán)謹(jǐn)推理并解決現(xiàn)實(shí)世界中的復(fù)雜難題。這個(gè)系統(tǒng)的輸出不只是 “看起來(lái)合理”，還能夠被形式化驗(yàn)證（formally verifiable）。

對(duì)于三位 AI 科學(xué)家的加入，MiroMind 創(chuàng)始人陳天橋表示：“我們?yōu)?MiroMind 打造的 Heavy Duty Solver 引擎的核心技術(shù)領(lǐng)導(dǎo)團(tuán)隊(duì)架構(gòu)，從負(fù)責(zé)可驗(yàn)證性的楊凱峪博士，到負(fù)責(zé)智能體系統(tǒng)的安波教授，負(fù)責(zé)推理模型與訓(xùn)練的杜少雷博士，已經(jīng)為 “發(fā)現(xiàn)式智能” 的實(shí)現(xiàn)，搭建起了最關(guān)鍵的鐵三角。這標(biāo)志著我們的 AI 戰(zhàn)略拼圖已經(jīng)到位，接下來(lái)就是讓引擎開(kāi)始轟鳴。期待這支世界級(jí)的頂尖團(tuán)隊(duì)，能帶領(lǐng)我們共同打造出真正可靠、可信、能解決嚴(yán)肅問(wèn)題的下一代 AI?！?/p>

#MiroMind #杜少雷 #安波 #楊凱峪 #可驗(yàn)證AI

閱讀更多：

https://github.com/MiroMindAI

全球首個(gè)侵入式腦機(jī)接口醫(yī)療器械在中國(guó)獲批上市，意念控制手部動(dòng)作成現(xiàn)實(shí)

近日，國(guó)家藥品監(jiān)督管理局正式批準(zhǔn)了博睿康醫(yī)療科技（上海）有限公司的“植入式腦機(jī)接口手部運(yùn)動(dòng)功能代償系統(tǒng)”（簡(jiǎn)稱NEO腦機(jī)接口系統(tǒng)）的創(chuàng)新產(chǎn)品注冊(cè)申請(qǐng)。這標(biāo)志著全球首個(gè)侵入式腦機(jī)接口醫(yī)療器械在中國(guó)實(shí)現(xiàn)首發(fā)上市，正式進(jìn)入臨床應(yīng)用階段。該系統(tǒng)主要用于幫助因頸段脊髓損傷導(dǎo)致四肢癱瘓的患者，通過(guò)采集并解碼大腦發(fā)出的運(yùn)動(dòng)指令，驅(qū)動(dòng)外部的氣動(dòng)手套，輔助患者實(shí)現(xiàn)手部抓握等動(dòng)作，從而顯著改善生活質(zhì)量?；颊咝铦M足18至60歲、C2～C6節(jié)段損傷、病情穩(wěn)定等條件。

NEO系統(tǒng)采用了獨(dú)特的“硬腦膜外植入”技術(shù)路線，與美國(guó)Neuralink的方案不同。其植入體僅硬幣大小，被放置在顱骨和硬腦膜之間，不直接接觸大腦組織，既保證了高質(zhì)量的信號(hào)采集，又大幅降低了手術(shù)風(fēng)險(xiǎn)和排異反應(yīng)。系統(tǒng)通過(guò)近場(chǎng)無(wú)線供電和數(shù)據(jù)傳輸，體內(nèi)無(wú)需植入電池。在臨床試驗(yàn)中，該系統(tǒng)僅用78天便在11家頂尖醫(yī)院完成32例植入，所有受試者均未出現(xiàn)器械相關(guān)不良反應(yīng)，術(shù)后3個(gè)月抓握輔助響應(yīng)率達(dá)100%，手部功能評(píng)分顯著提升。此次獲批是上海在腦機(jī)接口這一未來(lái)產(chǎn)業(yè)布局的成果，得益于“項(xiàng)目經(jīng)理人”等制度創(chuàng)新。博?？当硎?，將加速產(chǎn)品入院，并持續(xù)迭代，未來(lái)探索應(yīng)用于難治性癲癇、腦卒中等更多領(lǐng)域。

#腦機(jī)接口 #博?？?#NEO系統(tǒng) #侵入式醫(yī)療 #上海創(chuàng)新

閱讀更多：

https://sh.sina.com.cn/news/k/2026-03-13/detail-inhqvtih4126708.shtml?cre=tianyi&mod=pchp&loc=4&r=0&rfunc=96&tj=cxvertical_pc_hp&tr=12

馬斯克推出“數(shù)字員工”Digital Optimus，AI開(kāi)始替你操作電腦辦公

世界首富埃隆·馬斯克近日正式揭曉了一項(xiàng)名為“數(shù)字擎天柱”（Digital Optimus）的AI新項(xiàng)目，它也被稱為“巨硬”（Macrohard）。這并非人形機(jī)器人，而是一款能在電腦上自動(dòng)完成辦公任務(wù)的AI智能體。它能夠理解屏幕內(nèi)容，并像人類一樣操作鍵盤(pán)鼠標(biāo)，執(zhí)行從數(shù)據(jù)錄入到合同處理等一系列重復(fù)性白領(lǐng)工作。馬斯克表示，從原則上講，它可以模擬一家完整公司的運(yùn)作。這個(gè)項(xiàng)目已在xAI內(nèi)部進(jìn)行測(cè)試，有趣的是，測(cè)試期間部分員工與它在線協(xié)作后，竟誤以為它是真人同事。

這一項(xiàng)目的推出，標(biāo)志著馬斯克正式加入由Anthropic、OpenAI等公司掀起的“AI接管軟件操作”的浪潮。據(jù)介紹，Digital Optimus主要負(fù)責(zé)執(zhí)行，如同人的“系統(tǒng)1”，而馬斯克旗下的另一款A(yù)I模型Grok則負(fù)責(zé)思考決策，扮演“系統(tǒng)2”的角色。該項(xiàng)目將運(yùn)行在成本更低、功耗僅為英偉達(dá)H100四分之一的特斯拉AI4芯片上。值得注意的是，這個(gè)項(xiàng)目經(jīng)歷了復(fù)雜的演變：它最初是xAI內(nèi)部代號(hào)“巨硬”的核心團(tuán)隊(duì)項(xiàng)目，但在經(jīng)歷管理層變動(dòng)、項(xiàng)目重組及關(guān)鍵人員離職后，部分技術(shù)資源被整合進(jìn)特斯拉的自動(dòng)駕駛團(tuán)隊(duì)，最終以xAI與特斯拉聯(lián)合項(xiàng)目的形態(tài)面世，旨在與Claude Cowork等同類產(chǎn)品在AI自動(dòng)化辦公領(lǐng)域展開(kāi)競(jìng)爭(zhēng)。

#馬斯克 #DigitalOptimus #AI智能體 #辦公自動(dòng)化 #xAI

閱讀更多：

https://x.com/elonmusk/status/2031751255060885911

AI 驅(qū)動(dòng)科學(xué)

人腦與人工智能在語(yǔ)音解碼中展現(xiàn)出相似的層級(jí)處理機(jī)制

人工智能模型解碼語(yǔ)音的內(nèi)在機(jī)制是否與人腦相似一直懸而未決。哥倫比亞大學(xué)、IBM研究院和范斯坦醫(yī)學(xué)研究所的Menoua Keshishian、Nima Mesgarani等人對(duì)比了兩者處理口語(yǔ)的特征，發(fā)現(xiàn)人腦和人工智能在將聲音轉(zhuǎn)化為意義時(shí)采用了幾乎相同的逐步計(jì)算策略。

? 基于自動(dòng)語(yǔ)音識(shí)別（ASR）建模的大腦語(yǔ)音處理階段。Credit: Nature Machine Intelligence (2026).

研究團(tuán)隊(duì)招募了15名植入高分辨率電極以監(jiān)測(cè)腦部活動(dòng)的癲癇患者，讓他們聆聽(tīng)30分鐘的連續(xù)口述故事，并記錄聽(tīng)覺(jué)皮層的神經(jīng)信號(hào)。隨后，研究人員將這些大腦數(shù)據(jù)與處理相同音頻的循環(huán)神經(jīng)網(wǎng)絡(luò)的內(nèi)部層級(jí)表征進(jìn)行比對(duì)。通過(guò)回歸分析，結(jié)果顯示兩者在處理語(yǔ)音時(shí)呈現(xiàn)出驚人一致的拓?fù)溆成?。人腦和AI模型均按照從基本聲學(xué)特征到語(yǔ)音、詞匯，再到語(yǔ)義信息的順序逐層解析。隨著模型層級(jí)加深，AI網(wǎng)絡(luò)精準(zhǔn)對(duì)應(yīng)了大腦中從初級(jí)聽(tīng)覺(jué)核心向外延伸的高階語(yǔ)言皮層。這表明生物進(jìn)化與任務(wù)優(yōu)化的AI趨同于同一種高效的層級(jí)轉(zhuǎn)換方案，且這種類似大腦的計(jì)算策略僅在AI接受特定語(yǔ)言語(yǔ)音訓(xùn)練后才會(huì)顯現(xiàn)。研究發(fā)表在 Nature Machine Intelligence 上。

#神經(jīng)科學(xué) #計(jì)算模型與人工智能模擬 #語(yǔ)音識(shí)別 #腦機(jī)對(duì)齊 #神經(jīng)表征

閱讀更多：

Keshishian, Menoua, et al. “Parallel Hierarchical Encoding of Linguistic Representations in the Human Auditory Cortex and Recurrent Automatic Speech Recognition Systems.” Nature Machine Intelligence, vol. 8, no. 2, Feb. 2026, pp. 257–69. www.nature.com, https://doi.org/10.1038/s42256-026-01185-0

用泛函擴(kuò)散模型破解單細(xì)胞測(cè)序預(yù)測(cè)難題

為了解決單細(xì)胞轉(zhuǎn)錄組測(cè)序破壞性導(dǎo)致無(wú)法觀測(cè)微擾前后同一細(xì)胞狀態(tài)以及微擾響應(yīng)分布多變的預(yù)測(cè)難題，魁北克人工智能研究所的Xinyu Yuan和Jian Tang等人提出了一種全新的擴(kuò)散生成模型，成功構(gòu)建出高保真的人工智能虛擬細(xì)胞，在多項(xiàng)預(yù)測(cè)指標(biāo)上實(shí)現(xiàn)了性能突破。

該研究團(tuán)隊(duì)創(chuàng)新性地開(kāi)發(fā)了PerturbDiff模型，跳出傳統(tǒng)模型強(qiáng)行配對(duì)學(xué)習(xí)平均特征的局限，將微擾（Perturbation，指藥物干預(yù)或基因編輯等對(duì)細(xì)胞施加的影響）后的整個(gè)細(xì)胞種群分布視為一個(gè)隨機(jī)變量。研究利用再生核希爾伯特空間與核均值嵌入，在代表種群分布的點(diǎn)上進(jìn)行泛函擴(kuò)散。通過(guò)在包含6100萬(wàn)無(wú)干預(yù)細(xì)胞圖譜上的邊緣分布預(yù)訓(xùn)練，該模型在包含超1億單細(xì)胞的Tahoe100M圖譜等權(quán)威基準(zhǔn)測(cè)試中，打破了14項(xiàng)細(xì)胞響應(yīng)預(yù)測(cè)的最優(yōu)紀(jì)錄。它不僅在差異表達(dá)基因（DEGs，指在不同條件下表達(dá)水平存在顯著差異的基因族群）預(yù)測(cè)上展現(xiàn)極高精度，克服了傳統(tǒng)模型由于單細(xì)胞基因表達(dá)高度稀疏導(dǎo)致的預(yù)測(cè)失效，還具備出色的極低樣本微調(diào)能力與零樣本預(yù)測(cè)能力。

#AI驅(qū)動(dòng)科學(xué) #預(yù)測(cè)模型構(gòu)建 #泛函擴(kuò)散 #單細(xì)胞測(cè)序 #微擾響應(yīng)

閱讀更多：

Yuan, Xinyu, et al. “PerturbDiff: Functional Diffusion for Single-Cell Perturbation Modeling.” Version 1, arXiv:2602.19685, arXiv, 23 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.19685

具有腿式敏捷性與輪式效率的新型兩輪自行車(chē)機(jī)器人UMV

如何讓機(jī)器人在保持輪式移動(dòng)高效性的同時(shí)，具備腿式機(jī)器人跨越障礙的敏捷性？來(lái)自機(jī)器人與人工智能研究所（RAI）、卡內(nèi)基梅隆大學(xué)和麻省理工學(xué)院等機(jī)構(gòu)的Benjamin Bokser、Surya P. N. Singh及其合作者受人類自行車(chē)越野運(yùn)動(dòng)的啟發(fā)，開(kāi)發(fā)了一款名為超移動(dòng)車(chē)輛（UMV）的兩輪自行車(chē)機(jī)器人。該機(jī)器人僅用5個(gè)自由度便成功實(shí)現(xiàn)了高速行駛、單輪平衡、跳躍甚至前空翻等高難度動(dòng)作。

? 超移動(dòng)車(chē)輛 (UMV) 及其運(yùn)動(dòng)技能。(A) UMV 示意圖，這是一款基于自行車(chē)的機(jī)器人，具有五個(gè)可驅(qū)動(dòng)自由度[連桿（綠色）和子組件（紫色）]。它配備轉(zhuǎn)向和后輪驅(qū)動(dòng)驅(qū)動(dòng)器，可實(shí)現(xiàn)基本的地面移動(dòng)。該設(shè)計(jì)將機(jī)器人的大部分質(zhì)量集中在頭部，頭部通過(guò)空間連桿與自行車(chē)連接。該連桿由頸部和兩根拉桿組成。頭部中的強(qiáng)大驅(qū)動(dòng)器通過(guò)該連桿工作，使機(jī)器人能夠“甩動(dòng)”其質(zhì)量，從而實(shí)現(xiàn)動(dòng)態(tài)行為。(B) 前空翻的合成圖像，展示了高俯仰角動(dòng)量和通過(guò)身體收縮調(diào)節(jié)慣性；(C) 后輪跳躍，機(jī)器人像單腿跳躍者一樣保持平衡；(D) 自主跳臺(tái)序列，機(jī)器人加速、躍上 1 米高的平臺(tái)、穿過(guò)平臺(tái)并穩(wěn)定著陸。Credit: Bokser, et al.

UMV重23.5公斤，設(shè)計(jì)獨(dú)特之處在于將其大部分質(zhì)量包括電池和計(jì)算單元集中在機(jī)器人的頭部。頭部通過(guò)空間連桿機(jī)構(gòu)（spatial linkage）與車(chē)架相連，僅依靠5個(gè)可驅(qū)動(dòng)自由度（DoF）運(yùn)行，徹底摒棄了反作用輪（reaction wheels）或支架等傳統(tǒng)的被動(dòng)穩(wěn)定裝置。機(jī)器人的控制大腦完全依賴于強(qiáng)化學(xué)習(xí)，研究人員在物理模擬器中對(duì)其進(jìn)行了大量并行訓(xùn)練，隨后將控制策略直接零樣本遷移到真實(shí)的物理機(jī)器上。實(shí)驗(yàn)結(jié)果顯示，UMV最高行駛速度達(dá)到了8米每秒，還能夠跳上1米高的平臺(tái)，這相當(dāng)于其自身高度的百分之一百三十。更為驚艷的是，依靠頭部重心的動(dòng)態(tài)甩動(dòng)和重定位，該機(jī)器人成功在現(xiàn)實(shí)中復(fù)現(xiàn)了極其敏捷的動(dòng)作，例如持續(xù)的后輪跳躍、原地動(dòng)態(tài)平衡以及前空翻。強(qiáng)化學(xué)習(xí)算法甚至在未被顯式編程的情況下，自主學(xué)會(huì)了通過(guò)快速側(cè)移前輪來(lái)實(shí)現(xiàn)原地旋轉(zhuǎn)的擺動(dòng)轉(zhuǎn)彎技巧。這一系統(tǒng)證明了通過(guò)計(jì)算能力可以極大釋放簡(jiǎn)單機(jī)械結(jié)構(gòu)的運(yùn)動(dòng)潛能。

#AI驅(qū)動(dòng)科學(xué) #機(jī)器人及其進(jìn)展 #強(qiáng)化學(xué)習(xí) #動(dòng)態(tài)控制 #零樣本遷移

閱讀更多：

Bokser, Benjamin, et al. “System Design of the Ultra Mobility Vehicle: A Driving, Balancing, and Jumping Bicycle Robot.” arXiv:2602.22118, arXiv, 27 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.22118

新型圖算法顯著提高近距離最短路徑計(jì)算精度

計(jì)算大型網(wǎng)絡(luò)中任意兩點(diǎn)間的最短路徑是一項(xiàng)極具挑戰(zhàn)的任務(wù)，特別是針對(duì)距離較近的節(jié)點(diǎn)，經(jīng)典算法的近似誤差長(zhǎng)期難以保證。印度理工學(xué)院甘地訥格爾分校的Manoj Gupta針對(duì)這一長(zhǎng)達(dá)25年的理論瓶頸展開(kāi)研究，成功提出了一種更優(yōu)的多尺度近似算法，大幅縮小了近距離頂點(diǎn)對(duì)最短路徑計(jì)算的誤差。

1996年提出的經(jīng)典DHZ算法通過(guò)提取代表性頂點(diǎn)進(jìn)行采樣，能夠快速得出不大于實(shí)際距離兩倍的2-近似值，但這一誤差保證僅在頂點(diǎn)間距至少為k等較遠(yuǎn)的情況下才有效，對(duì)于近距離頂點(diǎn)則會(huì)導(dǎo)致估算失真。為了解決這一問(wèn)題，Manoj Gupta提出了一種對(duì)采樣過(guò)程進(jìn)行多尺度細(xì)化的新方法。該算法不再依賴于單層的采樣頂點(diǎn)，而是巧妙地將圖結(jié)構(gòu)信息按不同的尺度進(jìn)行分層組織，從而能夠更精確地捕捉更短的路徑。研究表明，這種組合的隨機(jī)算法在保持大致相同的運(yùn)行時(shí)間下，成功將滿足2-近似保證的最小距離閾值從原本的k縮減至O（log k）。當(dāng)參數(shù)k等于log n時(shí)，算法運(yùn)行時(shí)間為O（n的平方），并能為相距至少為O（log log n）的所有頂點(diǎn)對(duì)返回高概率的正確結(jié)果。這一理論飛躍在不犧牲計(jì)算速度的前提下，顯著擴(kuò)展了算法對(duì)更短距離的適用性。研究發(fā)表在 2025 IEEE 66th Annual Symposium on Foundations of Computer Science 上。

#其他 #其他 #圖算法 #最短路徑 #近似算法

閱讀更多：

Gupta, Manoj. “Improved 2-Approximate Shortest Paths for Close Vertex Pairs.” 2025 IEEE 66th Annual Symposium on Foundations of Computer Science (FOCS), 2025, pp. 1248–61. IEEE Xplore, https://doi.org/10.1109/FOCS63196.2025.00065

AI搜索機(jī)器人結(jié)合3D地圖與大語(yǔ)言模型高效尋找遺失物品

日常生活中的物體經(jīng)常發(fā)生移動(dòng)，機(jī)器人如何在這種不斷變化的半靜態(tài)環(huán)境中高效定位丟失的物品？Benjamin Bogenberger和Angela Schoellig等（慕尼黑工業(yè)大學(xué)）開(kāi)發(fā)了一種開(kāi)放詞匯語(yǔ)義探索系統(tǒng)，成功使機(jī)器人能夠結(jié)合3D空間地圖和大語(yǔ)言模型的推理知識(shí)高效尋找遺失物品。

? Credit: Technical University Munich

研究團(tuán)隊(duì)提出了一種適用于半靜態(tài)環(huán)境（semi-static environments，即物體可能被移動(dòng)、移除或重新引入的環(huán)境）的語(yǔ)義探索框架。該機(jī)器人利用攝像頭捕捉包含深度信息的圖像，從而構(gòu)建精確到厘米級(jí)且不斷更新的三維空間地圖。研究人員引入了概率變化檢測(cè)（probabilistic change detection，用于跟蹤物體實(shí)例狀態(tài)并識(shí)別環(huán)境變化的算法模型），使機(jī)器人能主動(dòng)重新訪問(wèn)可能已發(fā)生改變的區(qū)域以維護(hù)地圖。同時(shí)，系統(tǒng)結(jié)合了大語(yǔ)言模型，使機(jī)器人優(yōu)先探索符合常理的區(qū)域。比如尋找眼鏡時(shí)，它會(huì)推斷桌面比水槽更可能是目標(biāo)位置。機(jī)器人的記憶功能還能對(duì)比新舊環(huán)境圖像，精準(zhǔn)識(shí)別出突然出現(xiàn)的新物體。實(shí)驗(yàn)結(jié)果表明，該機(jī)器人在三個(gè)真實(shí)世界環(huán)境中平均能檢測(cè)出百分之九十五的地圖變化。相比于隨機(jī)搜索策略，其搜尋效率提升了百分之二十九以上，在目標(biāo)導(dǎo)航任務(wù)的成功率和效率上均大幅優(yōu)于現(xiàn)有的基準(zhǔn)模型。研究發(fā)表在 IEEE Robotics and Automation Letters 上。

#AI驅(qū)動(dòng)科學(xué) #機(jī)器人及其進(jìn)展 #大語(yǔ)言模型 #語(yǔ)義地圖 #目標(biāo)導(dǎo)航

閱讀更多：

Bogenberger, Benjamin, et al. “Where Did I Leave My Glasses? Open-Vocabulary Semantic Exploration in Real-World Semi-Static Environments.” IEEE Robotics and Automation Letters, vol. 11, no. 3, Mar. 2026, pp. 3342–49. IEEE Xplore, https://doi.org/10.1109/LRA.2026.3656790

解碼人類動(dòng)作前奏：多模態(tài)智能穿戴設(shè)備如何精準(zhǔn)預(yù)測(cè)運(yùn)動(dòng)意圖

智能可穿戴設(shè)備在推斷行為意圖時(shí)面臨特征量化不一與多模態(tài)融合困難等挑戰(zhàn)。Shijia Chen、Chang Peng與Liqun Tang等人組成的團(tuán)隊(duì)系統(tǒng)評(píng)估了系統(tǒng)在人體運(yùn)動(dòng)意圖預(yù)測(cè)領(lǐng)域的最新進(jìn)展，構(gòu)建了基于多尺度生物力學(xué)特征的綜合分析框架。

該研究全面梳理了過(guò)去十年的文獻(xiàn)，將人體生物力學(xué)特征精細(xì)劃分為三個(gè)核心尺度。系統(tǒng)級(jí)關(guān)注身體加速度，用于評(píng)估重心穩(wěn)定性和預(yù)判步態(tài)；局部級(jí)捕捉關(guān)節(jié)角度與角速度，精準(zhǔn)映射關(guān)節(jié)約束下的特定運(yùn)動(dòng)軌跡；組織級(jí)則利用表面肌電圖分析肌肉激活的神經(jīng)驅(qū)動(dòng)狀態(tài)。研究強(qiáng)調(diào)，融合慣性測(cè)量單元、柔性應(yīng)變傳感器和生物電信號(hào)的多模態(tài)數(shù)據(jù)，能顯著提高系統(tǒng)在復(fù)雜環(huán)境下的魯棒性。在算法層面，支持向量機(jī)等傳統(tǒng)機(jī)器學(xué)習(xí)模型在資源受限的外骨骼設(shè)備中具有極低的計(jì)算延遲優(yōu)勢(shì)，而長(zhǎng)短期記憶網(wǎng)絡(luò)在解析高維復(fù)雜信號(hào)上表現(xiàn)更佳。該成果為假肢控制和醫(yī)療康復(fù)系統(tǒng)提供了重要設(shè)計(jì)指南。研究發(fā)表在 npj Artificial Intelligence 上。

#認(rèn)知科學(xué) #意圖與決策 #智能可穿戴系統(tǒng) #生物力學(xué) #多模態(tài)融合

閱讀更多：

Chen, Shijia, et al. “Recent Advances in Intelligent Wearable Systems: From Multiscale Biomechanical Features towards Human Motion Intent Prediction.” Npj Artificial Intelligence, vol. 2, no. 1, Mar. 2026, p. 33. www.nature.com, https://doi.org/10.1038/s44387-026-00083-5

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。