█ 腦科學動態(tài)

Nature：海馬體不斷重組，大腦如何錨定記憶？

Nature：首次在活體動物中撥動量子開關(guān)，遠程遙控基因表達

Cell：破解疤痕形成之謎，過度神經(jīng)支配阻礙皮膚完美再生

睡眠腦電波計算大腦年齡可預測未來癡呆癥風險

并非所有活躍細胞都能存儲記憶：探秘海馬體CA1區(qū)的記憶編碼機制

童年逆境非宿命：終生運動可增強大腦壓力適應(yīng)力

86種微RNA揭示社會逆境如何重塑心理健康

處于臨界狀態(tài)的大腦更聰明

█ AI行業(yè)動態(tài)

全球首個腦機接口產(chǎn)品獲醫(yī)保編碼

五天改寫大腦回路：新型磁刺激方案讓抑郁癥康復率翻倍

AI終獲“永久記憶”，最難考試斬獲99%準確率

█ AI驅(qū)動科學

準確率達95%且極其省電，神經(jīng)符號架構(gòu)挑戰(zhàn)傳統(tǒng)機器人大模型

簡單機械網(wǎng)絡(luò)重現(xiàn)人類肌肉動態(tài)

專為AI數(shù)據(jù)中心打造：可大規(guī)模量產(chǎn)的高速光學微芯片

AI使學習更容易，ChatGPT摘要比維基百科更助記

聰明反被聰明誤，高性能AI在識別欺騙性建議時仍顯脆弱

類腦納米電子器件有望將人工智能硬件能耗降低70%

如何讓腦機輸出完整的句子？用“語義拼圖”重構(gòu)自然語言解碼

腦科學動態(tài)

Nature：海馬體不斷重組，大腦如何錨定記憶？

大腦記憶結(jié)構(gòu)不斷變化，記憶如何保持穩(wěn)定？Adrien Peyrache等人（麥吉爾大學）發(fā)現(xiàn)大腦內(nèi)部指南針在數(shù)月內(nèi)保持極高穩(wěn)定性，這為記憶持久性提供了神經(jīng)學解釋，并揭示了阿爾茨海默病早期迷路癥狀的潛在根源。

? PoSub HD 單元調(diào)諧在相同環(huán)境下的長期穩(wěn)定性。Credit: Nature (2026).

研究人員利用微型頭戴式顯微鏡，對小鼠后下托（post-subiculum，大腦中參與空間記憶的區(qū)域）的同一批頭部方向細胞（head-direction cells，追蹤個體面朝方向的神經(jīng)元網(wǎng)絡(luò)）進行了數(shù)月的縱向追蹤。結(jié)果顯示，盡管大腦記憶中心海馬體的活動會隨時間重組，頭部方向系統(tǒng)始終保持高度保守的群體結(jié)構(gòu)。當小鼠探索新空間時，大腦內(nèi)部羅盤會迅速設(shè)定方向參考點，將內(nèi)部表征與外部地標對齊。即使僅經(jīng)歷一次環(huán)境暴露，該特定空間的方向感也能在幾周后被精確保留，且系統(tǒng)一致性的微妙變化能編碼環(huán)境身份信息。這揭示了頭部方向系統(tǒng)為空間定位提供了高度穩(wěn)定的基礎(chǔ)，有助于解釋阿爾茨海默病患者為何在記憶嚴重受損前易出現(xiàn)迷失方向的癥狀。研究發(fā)表在 Nature 上。

#疾病與健康 #神經(jīng)機制與腦功能解析 #記憶機制 #空間導航 #阿爾茨海默病

閱讀更多：

Skromne Carrasco, Sofia, et al. “Months-Long Stability of the Head-Direction System.” Nature, Feb. 2026, pp. 1–7. www.nature.com, https://doi.org/10.1038/s41586-025-10096-w

Nature：首次在活體動物中撥動量子開關(guān)，遠程遙控基因表達

微弱磁場能否在活體內(nèi)精準控制量子層面的生物反應(yīng)？Shaun C. Burd和Nahal Bagheri等（斯坦福大學）在多細胞動物中利用磁共振技術(shù)成功控制了自旋相關(guān)自由基對的動力學，證實量子效應(yīng)存在于復雜活體內(nèi)，并能用于遠程調(diào)控基因表達等生物分子過程。

研究團隊選擇將紅色熒光蛋白與黃素輔因子（flavin cofactor，一種細胞內(nèi)天然存在的輔助分子）結(jié)合。通過對秀麗隱桿線蟲進行基因改造，使其表達特定的紅色熒光蛋白。當這些蛋白與黃素相遇并受到光照時，會形成自旋相關(guān)自由基對。實驗中，研究人員利用亥姆霍茲線圈產(chǎn)生靜態(tài)磁場，同時用環(huán)形諧振器施加約450 MHz的射頻磁場。寬場熒光成像結(jié)果顯示，施加靜態(tài)磁場使線蟲體內(nèi)發(fā)光強度下降約6%；而疊加特定頻率的射頻磁場后，發(fā)光強度顯著回升。這種變化精確發(fā)生在電子自旋共振頻率附近，證明自由基對的量子相干時間超過4納秒。此外，該效應(yīng)在腸道組織中最強而在神經(jīng)元組織中較弱。這一突破揭示了在室溫且復雜的活體環(huán)境中維持和控制量子狀態(tài)的巨大潛力。研究發(fā)表在 Nature 上。

#量子生物學 #磁共振 #自旋相關(guān)自由基對

閱讀更多：

Burd, Shaun C., et al. “Magnetic Resonance Control of Spin-Correlated Radical Pair Dynamics in Vivo.” Nature, Mar. 2026, pp. 1–6. www.nature.com, https://doi.org/10.1038/s41586-026-10282-4

Cell：破解疤痕形成之謎，過度神經(jīng)支配阻礙皮膚完美再生

成年人皮膚受傷為何總留疤？Ya-Chieh Hsu團隊（哈佛大學）揭示了其中機制，發(fā)現(xiàn)過度神經(jīng)支配是阻礙哺乳動物皮膚完美再生的關(guān)鍵障礙，實驗證實消除該神經(jīng)障礙即可成功恢復受損皮膚的多譜系再生能力。

該研究對比了胚胎期與出生后皮膚損傷的愈合過程，利用單細胞RNA測序鑒定出一種僅在出生后出現(xiàn)的傷口特異性成纖維細胞。研究發(fā)現(xiàn)，胚胎期傷口能完美再生多種細胞，但出生后傷口中的PWF會高表達特定基因，分泌CXCL12等趨化因子吸引大量神經(jīng)長入，引發(fā)過度神經(jīng)支配（hyperinnervation，指神經(jīng)纖維在局部異常密集生長的現(xiàn)象）。這種異常神經(jīng)環(huán)境直接阻斷了多譜系組織再生。當團隊敲除成纖維細胞的Cxcl12基因或進行神經(jīng)消融（nerve ablation，利用物理或化學手段破壞特定神經(jīng)的方法）以減少神經(jīng)支配時，出生后傷口約有百分之六十的再生限制被解除，成功恢復了器官級再生能力。研究發(fā)表在 Cell 上。

#疾病與健康 #其他 #再生醫(yī)學 #皮膚修復 #成纖維細胞

閱讀更多：

Tam, Hannah T., et al. “Hyperinnervation Inhibits Organ-Level Regeneration in Mammalian Skin.” Cell, vol. 0, no. 0, Mar. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.02.027

睡眠腦電波計算大腦年齡可預測未來癡呆癥風險

傳統(tǒng)睡眠指標難以準確反映睡眠生理復雜性并預測認知衰退。Haoqi Sun和Yue Leng等人（加州大學舊金山分校和貝斯以色列女執(zhí)事醫(yī)療中心）利用機器學習分析睡眠腦電波，發(fā)現(xiàn)基于睡眠信號估算的大腦年齡能有效預測未來罹患癡呆癥的風險。

研究團隊匯總了5個社區(qū)縱向隊列的7105名初始無癡呆成年人的數(shù)據(jù)，隨訪時間跨度為3.5至17年。通過開發(fā)的一種機器學習模型，團隊提取了夜間家庭多導睡眠圖中的13個腦電圖微觀結(jié)構(gòu)特征，計算出大腦年齡指數(shù)（BAI，即腦齡與實際年齡的差值）。結(jié)果顯示，腦齡每比實際年齡大10歲，參與者未來罹患癡呆癥的風險就會顯著增加39%。即使在調(diào)整了年齡、性別、載脂蛋白E ε4（apolipoprotein E ε4，一種與阿爾茨海默病高風險相關(guān)的基因變異）、體重指數(shù)及睡眠呼吸暫停等混雜因素后，這一關(guān)聯(lián)依然成立。此外，腦電圖上突然出現(xiàn)的峰度活動（kurtosis，一種大尖峰腦電信號）與較低的癡呆風險相關(guān)。該研究表明，基于睡眠腦電的大腦年齡評估有望作為一種非侵入性的數(shù)字生物標志物，用于早期篩查和預防認知衰退。研究發(fā)表在 JAMA Network Open 上。

#疾病與健康 #個性化醫(yī)療 #癡呆癥 #睡眠腦電圖 #機器學習

閱讀更多：

Sun, Haoqi, et al. “Machine Learning–Based Sleep Electroencephalographic Brain Age Index and Dementia Risk: An Individual Participant Data Meta-Analysis.” JAMA Network Open, vol. 9, no. 3, Mar. 2026, p. e261521. Silverchair, https://doi.org/10.1001/jamanetworkopen.2026.1521

并非所有活躍細胞都能存儲記憶：探秘海馬體CA1區(qū)的記憶編碼機制

記憶的形成并非大腦簡單的靜態(tài)記錄，而是高度動態(tài)且具有極強選擇性的過程，但大腦如何精準篩選并存儲特定體驗的記憶？Clément Pouget、Christina K. Kim與Gisella Vetere等（PSL研究大學、普林斯頓大學與圣裘德兒童研究醫(yī)院）通過實時追蹤小鼠學習過程，揭示了海馬體不同神經(jīng)元群在記憶形成中的動態(tài)分工，發(fā)現(xiàn)僅有特定細胞子集能構(gòu)成核心記憶痕跡并觸發(fā)記憶提取。

? 圖中展示了小鼠海馬體（大腦中呈蝴蝶狀的區(qū)域，作者對其進行了分析），突出顯示了用 FLiCRE 標記的熒光細胞，這些細胞可以通過光照進行人工激活。該圖像是在研究團隊的實驗室實驗過程中直接拍攝的。Credit: Pouget et al.

研究團隊通過對小鼠進行聯(lián)想恐懼學習實驗，探究了大腦對恐懼記憶的編碼機制。實驗中，研究人員采用鈣成像密切監(jiān)測海馬體上部CA1區(qū)的活動。為精確鎖定關(guān)鍵細胞，團隊利用名為FLiCRE的靶向標記技術(shù)，并結(jié)合光遺傳學在記憶提取階段操控這些細胞群。實驗結(jié)果顯示，CA1區(qū)互不重疊的神經(jīng)元群在學習的不同階段依次激活，分別負責編碼動物體驗的不同側(cè)面。值得注意的是，記憶的形成具有極高的選擇性，只有特定的一小部分神經(jīng)元群被征用來形成記憶痕跡并觸發(fā)真實的恐懼反應(yīng)。即使人為激活其他在學習期間也曾活躍的神經(jīng)元，依然無法喚醒小鼠的恐懼記憶。這一發(fā)現(xiàn)深刻闡明了記憶編碼的核心機制，未來有望為創(chuàng)傷后應(yīng)激障礙和焦慮癥等相關(guān)疾病的干預提供全新的理論基礎(chǔ)。研究發(fā)表在 Nature Neuroscience 上。

#疾病與健康 #神經(jīng)機制與腦功能解析 #記憶痕跡 #海馬體 #光遺傳學

閱讀更多：

Pouget, Clément, et al. “Deconstruction of a Memory Engram Reveals Distinct Ensembles Recruited at Learning.” Nature Neuroscience, Mar. 2026, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41593-026-02230-2

童年逆境非宿命：終生運動可增強大腦壓力適應(yīng)力

童年創(chuàng)傷會對大腦造成不可逆的改變嗎？Lemye Zehirlioglu和Christian Schmahl等（海德堡大學曼海姆醫(yī)學院）發(fā)現(xiàn)，終身體育鍛煉可重塑神經(jīng)連接，增強大腦在逆境后的壓力應(yīng)對能力。

研究調(diào)查了75名在18歲前經(jīng)歷過逆境的成年人，利用靜息態(tài)功能磁共振成像檢查了杏仁核、海馬體和前扣帶回皮層等關(guān)鍵壓力調(diào)節(jié)區(qū)域的功能連接模式。結(jié)果表明，童年不良經(jīng)歷與終身體育鍛煉在神經(jīng)連接上存在顯著交互作用，尤其在皮層下-小腦和運動相關(guān)網(wǎng)絡(luò)中最為明顯。數(shù)據(jù)呈現(xiàn)出交叉調(diào)節(jié)模式：在低運動水平下，逆境與較低的腦區(qū)連接性相關(guān)；而在高運動水平下，逆境與較高的腦區(qū)連接性相關(guān)。當終身運動量達到每周150至390分鐘時，支持壓力適應(yīng)的神經(jīng)重組特征最為突出。這表明存在一個最佳運動區(qū)間，證實了運動能動態(tài)重塑受創(chuàng)傷影響的大腦網(wǎng)絡(luò)。研究發(fā)表在 Biological Psychiatry: Cognitive Neuroscience and Neuroimaging 上。

#疾病與健康 #心理健康與精神疾病 #童年創(chuàng)傷 #體育鍛煉 #神經(jīng)連接

閱讀更多：

Zehirlioglu, Lemye, et al. “Lifetime Physical Activity Moderates the Neural Effects of Childhood Adversity on Resting State Functional Connectivity.” Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, Jan. 2026. ScienceDirect, https://doi.org/10.1016/j.bpsc.2026.01.006

86種微RNA揭示社會逆境如何重塑心理健康

環(huán)境創(chuàng)傷和不良經(jīng)歷如何通過改變基因組活性來誘發(fā)精神疾??？Chengqi Wang、Monica Uddin等（南佛羅里達大學和哈佛大學等）開展了相關(guān)研究，成功鑒定出86種與社會逆境及創(chuàng)傷后應(yīng)激障礙癥狀嚴重程度密切相關(guān)的微RNA分子，揭示了心理創(chuàng)傷在分子層面的表觀遺傳學機制。

? KEGG 通路富集分析，探索可能調(diào)節(jié) PTSS 與感知歧視之間或 PTSS 與累積性創(chuàng)傷之間關(guān)聯(lián)的 miRNA。每個像素反映了經(jīng) KEGG 通路富集分析鑒定出的、用于調(diào)節(jié) PTSS 與特定社會逆境之間關(guān)系的 miRNA 靶基因的校正后 P 值。顏色強度反映了基于雙側(cè) Fisher 精確檢驗和 FDR 校正 P 值的統(tǒng)計顯著性水平。Credit: Wang et al.

該研究分析了底特律社區(qū)健康研究（Detroit Neighborhood Health Study，一項長期的基于社區(qū)的前瞻性縱向隊列研究）的數(shù)據(jù)。研究人員收集了483名主要為非裔美國人參與者的問卷和血液樣本，全面評估了他們所經(jīng)歷的社會逆境（如經(jīng)濟困難、感知歧視和累積性創(chuàng)傷）、創(chuàng)傷后應(yīng)激障礙的癥狀嚴重程度，以及體內(nèi)微RNA的表達水平。結(jié)果顯示，共有86種微RNA與社會逆境和PTSD嚴重程度顯著相關(guān)。這些分子主要參與調(diào)控機體的免疫反應(yīng)、大腦和神經(jīng)系統(tǒng)功能以及細胞周期與分化過程，其中23種微RNA此前已被證實與創(chuàng)傷性腦損傷等應(yīng)激反應(yīng)疾病存在緊密聯(lián)系。該發(fā)現(xiàn)表明，長期暴露于社會經(jīng)濟逆境中會誘發(fā)持久的生物學改變，進而塑造個體的壓力反應(yīng)性。這項研究不僅闡明了決定個體面對壓力事件時表現(xiàn)出心理韌性或脆弱性的底層分子通路，也為未來制定個性化的精神健康干預計劃提供了科學依據(jù)。研究發(fā)表在 Nature Mental Health 上。

#疾病與健康 #心理健康與精神疾病 #創(chuàng)傷后應(yīng)激障礙 #表觀遺傳學 #微RNA

閱讀更多：

Wang, Chengqi, et al. “The Relationship between Social Adversity, Micro-RNA Expression and Post-Traumatic Stress in a Prospective, Community-Based Cohort.” Nature Mental Health, vol. 4, no. 3, Mar. 2026, pp. 416–26. www.nature.com, https://doi.org/10.1038/s44220-025-00581-6

處于臨界狀態(tài)的大腦更聰明

大腦如何實現(xiàn)最佳的認知表現(xiàn)？Gianina Cristian等人探討了發(fā)育中兒童大腦特定神經(jīng)動態(tài)與智商的關(guān)聯(lián)。結(jié)果顯示，高智商與大腦聯(lián)合皮層中更好的興奮與抑制平衡狀態(tài)密切相關(guān)。

? 利用功能性興奮-抑制比 (fE/I) 和 1/f 指數(shù)表征腦信號。左圖：接近所謂的“臨界狀態(tài)”反映了興奮-抑制比 (E/I) 的平衡，其中 fE/I = 1。如果 < ≤ 1，則網(wǎng)絡(luò)處于亞臨界狀態(tài)，或以抑制為主導。如果 > ≤ 1，則網(wǎng)絡(luò)處于超臨界狀態(tài)，或以興奮為主導。右圖：1/f 指數(shù)量化振蕩峰值下方的非周期性活動。Credit: Adapted from The Journal of Neuroscience (2026).

該研究招募了128名6至19歲的典型發(fā)育兒童和青少年，記錄了睜眼靜息狀態(tài)下5分鐘的腦電圖數(shù)據(jù)，并評估了參與者的智商。研究團隊采用兩種指標量化大腦近臨界動態(tài)：功能性興奮-抑制比和1/f非周期指數(shù)（1/f aperiodic exponent，量化背景腦電功率譜形狀的互補性生理指標）。數(shù)據(jù)被歸類為七個功能性靜息態(tài)網(wǎng)絡(luò)進行深入分析。

結(jié)果表明，在聯(lián)合皮層中，上述兩種指標與智商顯著相關(guān)。高智商兒童在聯(lián)合皮層的功能性興奮-抑制比值更接近理論臨界值1，且1/f非周期指數(shù)更低。這種相關(guān)性沿著從感覺運動網(wǎng)絡(luò)到聯(lián)合網(wǎng)絡(luò)的層級梯度發(fā)生系統(tǒng)性變化，并在青春期階段最為明顯。該發(fā)現(xiàn)表明，特定皮層網(wǎng)絡(luò)向穩(wěn)定與靈活平衡狀態(tài)的調(diào)諧支持了發(fā)育中個體更高效的認知處理。研究發(fā)表在 The Journal of Neuroscience 上。

#神經(jīng)科學 #神經(jīng)機制與腦功能解析 #認知發(fā)育 #腦電圖 #興奮與抑制平衡

閱讀更多：

Cristian, Gianina, et al. “Critical Dynamics in the Association Cortex Predict Higher Intelligence in Typically Developing Children.” Journal of Neuroscience, vol. 46, no. 9, Mar. 2026. Research Articles. www.jneurosci.org, https://doi.org/10.1523/JNEUROSCI.1414-25.2026

AI 行業(yè)動態(tài)

全球首個腦機接口產(chǎn)品獲醫(yī)保編碼

前沿醫(yī)療技術(shù)正以前所未有的速度跨越從審批到應(yīng)用的鴻溝。近日，全球首款侵入式腦機接口醫(yī)療器械——博?？滇t(yī)療科技（上海）有限公司的植入式腦機接口手部運動功能代償系統(tǒng)，在3月13日獲批上市后僅兩天，便迅速獲得了國家醫(yī)保局的醫(yī)保編碼。這一“無縫銜接”的速度，標志著圍繞腦機接口這類創(chuàng)新器械的監(jiān)管、審批與醫(yī)保支付環(huán)節(jié)已形成高效的聯(lián)動機制。政策端對創(chuàng)新產(chǎn)品臨床轉(zhuǎn)化的支持，正從宏觀表態(tài)轉(zhuǎn)化為具體、高效的流程保障，為長期被視為“未來技術(shù)”的腦機接口領(lǐng)域鋪就了從科研試驗走向規(guī)范化臨床應(yīng)用的關(guān)鍵路徑。

獲得醫(yī)保編碼，對于創(chuàng)新醫(yī)療器械而言，其實際意義遠不止于一個代碼。它打通了產(chǎn)品從審批通過到進入醫(yī)院、建立收費體系和融入臨床流程的“最后一公里”，有效解決了“審批通過卻落地難”的行業(yè)痛點。對于醫(yī)院，編碼為采購與計費提供了依據(jù)；對企業(yè)，它意味著產(chǎn)品獲得了通向市場的實質(zhì)性準入；而對患者，則代表著創(chuàng)新技術(shù)離真實可及更近一步。此次快速賦碼并非臨時舉措，而是建立在前期前瞻性政策布局之上：早在2025年，相關(guān)部門就已設(shè)立腦機接口專項醫(yī)療服務(wù)價格項目，并提前開展創(chuàng)新耗材的賦碼分類研究。因此，本次全球首個腦機接口產(chǎn)品獲得醫(yī)保編碼，是前期政策鋪墊水到渠成的自然結(jié)果。

#腦機接口 #醫(yī)保編碼 #創(chuàng)新醫(yī)療器械 #博睿康 #臨床應(yīng)用

閱讀更多：

https://www.nhsa.gov.cn/art/2026/3/22/art_14_19989.html

五天改寫大腦回路：新型磁刺激方案讓抑郁癥康復率翻倍

神經(jīng)調(diào)控技術(shù)正經(jīng)歷從“慢性干預”向“高效重塑”的范式躍遷。Radial公司近日在國際權(quán)威期刊發(fā)表的一項里程碑研究證實，加速深部經(jīng)顱磁刺激（Accelerated Deep TMS?）方案在重度抑郁癥（MDD）治療中實現(xiàn)了突破性進展。與傳統(tǒng)TMS需每日一次、持續(xù)數(shù)周的冗長療程不同，加速方案通過在數(shù)天內(nèi)密集施加強刺激，利用神經(jīng)元集群的短時可塑性誘發(fā)深層環(huán)路重構(gòu)。臨床數(shù)據(jù)顯示，難治性抑郁癥患者在短短5天內(nèi)即表現(xiàn)出顯著癥狀緩解，康復率達到70%至80%，較傳統(tǒng)療法約30%的水平實現(xiàn)翻倍提升。對于存在急性自殺風險或重度失能的患者而言，這種起效速度的飛躍無異于一條關(guān)鍵的生命線。

該方案的技術(shù)核心在于Deep TMS采用的H-Coil線圈，其物理穿透深度可達前額葉皮層下方3至4厘米，遠超普通平面線圈的有效范圍。在加速協(xié)議中，研究團隊運用10Hz高頻脈沖或Theta Burst（一種模仿大腦節(jié)律的快速脈沖模式），實質(zhì)是通過外部電磁場對內(nèi)源性神經(jīng)振蕩進行鎖相干預，從腦機接口視角看，這相當于對失調(diào)的邊緣系統(tǒng)-皮層環(huán)路執(zhí)行了一次大規(guī)模的并行“重置”操作。安全性監(jiān)測顯示，在超過150名參與者中未發(fā)現(xiàn)嚴重不良反應(yīng)，且該方案與氯胺酮等新型藥物表現(xiàn)出良好協(xié)同效應(yīng)，聯(lián)用可使藥效維持時間延長50%以上。研究團隊指出，未來的演進方向?qū)⒕劢褂趥€性化閾值調(diào)控——結(jié)合實時腦電（EEG）或功能近紅外（fNIRS）的閉環(huán)腦機接口系統(tǒng)，根據(jù)患者神經(jīng)生理反饋動態(tài)調(diào)整磁場強度與脈沖頻率，使加速TMS從“盲噴式”干預進化為“外科手術(shù)式”精準打擊。同時，治療效果的長期穩(wěn)定性仍需嚴謹?shù)目v向隨訪驗證。

#深部TMS #抑郁癥治療 #神經(jīng)調(diào)控 #加速方案 #腦機接口

閱讀更多：

https://www.prnewswire.com/news-releases/radial-announces-publication-of-landmark-study-of-accelerated-deep-tms-for-depression-302712581.html

超級記憶系統(tǒng)ASMR引爆全網(wǎng)：AI終獲“永久記憶”，最難考試斬獲99%準確率

人工智能長期存在的“健忘癥”頑疾，或?qū)⒈灰豁椡黄菩约夹g(shù)徹底攻克。近日，Supermemory團隊推出的超級記憶系統(tǒng)ASMR，在業(yè)界公認最嚴苛的AI長期記憶基準測試LongMemEval中，以驚人的99%準確率刷新了SOTA（。與傳統(tǒng)的依賴向量數(shù)據(jù)庫和嵌入模式的方案不同，ASMR采用完全在內(nèi)存中運行的多智能體并行推理流水線。該系統(tǒng)部署了三個“觀察者Agent”并行讀取原始數(shù)據(jù)，從對話中提取個人信息、偏好、時間線等六大維度信息；在用戶提問時，再派出三個分工明確的“搜索Agent”進行主動推理檢索。這種以主動智能體推理取代向量數(shù)學計算的方式，有效解決了傳統(tǒng)檢索中時序信息混淆、關(guān)鍵事實被噪音淹沒等難題，讓AI首次展現(xiàn)出接近人類認知的“永久記憶”能力。

ASMR并非一個孤立的實驗，而是Supermemory宏大愿景的技術(shù)驗證。其背后是一套面向所有AI應(yīng)用的完整記憶與上下文基礎(chǔ)設(shè)施，旨在從根本上重塑AI的交互體驗。與傳統(tǒng)檢索增強生成系統(tǒng)僅做信息召回不同，Supermemory能主動追蹤信息變化、處理矛盾并實現(xiàn)“自動遺忘”，確保返回的是最新、最準確的事實。它還將用戶畫像自動化，通過一次延遲約50毫秒的API調(diào)用，就能為AI提供用戶的靜態(tài)事實與動態(tài)上下文，使其從“陌生人”切換為“老朋友”。此外，該基礎(chǔ)設(shè)施已打通Google Drive、Notion、GitHub等多種外部數(shù)據(jù)源，并為主流開發(fā)框架提供了現(xiàn)成的集成方案。

#AI永久記憶 #ASMR #多智能體系統(tǒng) #Supermemory #長期記憶基準

閱讀更多：

https://x.com/DhravyaShah/status/2035517012647272689?s=20

AI 驅(qū)動科學

準確率達95%且極其省電，神經(jīng)符號架構(gòu)挑戰(zhàn)傳統(tǒng)機器人大模型

人工智能與數(shù)據(jù)中心的能耗正以不可持續(xù)的速度激增，且傳統(tǒng)大模型在處理復雜機器人物理任務(wù)時頻繁出現(xiàn)誤差與幻覺。Timothy Duggan、Pierrick Lorang、Hong Lu和Matthias Scheutz（塔夫茨大學與奧地利理工學院）共同開發(fā)出一種全新的架構(gòu)，該研究成功證明了結(jié)合邏輯推理的系統(tǒng)能在極大降低整體能耗的同時，大幅提升機器人完成多步驟結(jié)構(gòu)化任務(wù)的準確率與泛化能力。

研究團隊在仿真環(huán)境中設(shè)計了經(jīng)典的漢諾塔（Towers of Hanoi，一種需要將多塊大小不同的圓盤按限定規(guī)則移動到另一基座上的數(shù)學邏輯任務(wù)）測試，對比了新型架構(gòu)與微調(diào)后的視覺-語言-動作（Vision-Language-Action，一種結(jié)合視覺與語言輸入來生成機器人物理運動指令的擴展型基礎(chǔ)模型）架構(gòu)。該團隊的神經(jīng)符號架構(gòu)將基于規(guī)劃領(lǐng)域定義語言（Planning Domain Definition Language，一種用于表達人工智能高級動作規(guī)劃與狀態(tài)邏輯的標準化語言）的符號規(guī)劃與底層的連續(xù)控制相融合。測試數(shù)據(jù)表明，在三塊積木任務(wù)中，神經(jīng)符號模型實現(xiàn)了95%的成功率，而標準模型僅為34%。在面對未經(jīng)訓練的四塊積木復雜任務(wù)時，神經(jīng)符號模型成功率達78%，標準模型則完全失敗。在能效方面，神經(jīng)符號系統(tǒng)僅需34分鐘即可完成訓練，消耗能源僅為標準模型訓練所需電量的1%。在執(zhí)行任務(wù)時，新系統(tǒng)的能耗也僅為標準模型的5%。

#大模型技術(shù) #機器人及其進展 #神經(jīng)符號人工智能 #能效優(yōu)化

閱讀更多：

Duggan, Timothy, et al. “The Price Is Not Right: Neuro-Symbolic Methods Outperform VLAs on Structured Long-Horizon Manipulation Tasks with Significantly Lower Energy Consumption.” arXiv:2602.19260, arXiv, 22 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.19260

簡單機械網(wǎng)絡(luò)重現(xiàn)人類肌肉動態(tài)

人類肌肉如何通過成千上萬個分子馬達協(xié)調(diào)收縮一直是個復雜謎題。Benjamin Warmington、Jonathan Rossiter和Hermes Bloomfield-Gadêlha（布里斯托大學）證明了簡單的機械馬達網(wǎng)絡(luò)無需復雜的生化反應(yīng)，即可復制真實肌肉收縮時的自發(fā)協(xié)調(diào)與適應(yīng)特性。

? 該實物演示裝置采用小型電動機、定制的 3D 打印塑料部件和激光切割亞克力板搭建而成。Credit: University of Bristol

研究團隊并未直接模擬復雜的分子互動，而是提出了一種基于相位振蕩器的不連續(xù)耦合網(wǎng)絡(luò)（discontinuously coupled network of phase oscillators，一種通過間斷性物理接觸產(chǎn)生相互作用的極簡系統(tǒng)架構(gòu)）。為了驗證這一理論，團隊利用小型電動機、定制的三維打印塑料件和激光切割亞克力板搭建了一個桌面實物模型。這些電動機按照類似肌動球蛋白的幾何結(jié)構(gòu)排列。實驗發(fā)現(xiàn)，這些電動機之間雖然沒有直接的信息交換，但通過推動一個共享的骨架結(jié)構(gòu)，彼此的物理反饋讓它們自發(fā)組織成高度協(xié)調(diào)的行波運動。當外部機械負荷增加時，系統(tǒng)能夠自動適應(yīng)并調(diào)動更多的電動機來對抗外力，展現(xiàn)出與真實肌肉極度相似的集體力學行為。該研究證實，肌肉的高度協(xié)調(diào)性不僅依賴生化過程，系統(tǒng)的幾何和物理架構(gòu)同樣起著決定性作用。這為未來設(shè)計無需復雜控制程序的自適應(yīng)軟體機器人提供了全新途徑。研究發(fā)表在 Journal of the Royal Society Interface 上。

#其他 #機器人及其進展 #人工肌肉 #生物力學 #軟體機器人

閱讀更多：

Warmington, Benjamin, et al. “A Discontinuously Coupled Network of Phase Oscillators Replicates Cooperation between Motors in Actomyosin Systems.” Journal of The Royal Society Interface, vol. 23, no. 236, Mar. 2026, p. 20250438. Silverchair, https://doi.org/10.1098/rsif.2025.0438

專為AI數(shù)據(jù)中心打造：可大規(guī)模量產(chǎn)的高速光學微芯片

面對人工智能數(shù)據(jù)中心傳輸性能逼近極限的問題，卡爾斯魯厄理工學院（KIT）和洛桑聯(lián)邦理工學院（EPFL）的Jiachen Cai、Alexander Kotz與Christian Koos等人員開發(fā)出新型電光調(diào)制器。該組件成功將薄膜鉭酸鋰與標準半導體工藝結(jié)合，實現(xiàn)了高速且可量產(chǎn)的光學微芯片。

? 這種緊湊型調(diào)制器能夠?qū)崿F(xiàn)快速、節(jié)能的數(shù)據(jù)傳輸，并且生產(chǎn)成本低廉。Credit: Hugo Larocque, EPFL

該研究結(jié)合了具有優(yōu)異特性的薄膜鉭酸鋰（lithium tantalate，一種光穩(wěn)定性強且低雙折射的導光晶體材料）與低損耗氮化硅光子集成電路。團隊采用成熟微電子制造工藝，首創(chuàng)使用銅電極替代金電極。銅傳導性更好且表面近乎鏡面般光滑，將光學損耗降至約14.2 dB/m，并更易連接電子系統(tǒng)。測試顯示，該調(diào)制器的半波電壓（half-wave voltage，改變光波相位所需的施加電壓）為6 V，支持高達100 GHz的調(diào)制帶寬。其數(shù)據(jù)傳輸速率超每秒400吉比特，高階調(diào)制下最高達581 Gbit/s。關(guān)鍵在于該設(shè)備運行極其穩(wěn)定，無需持續(xù)調(diào)整參數(shù)，大幅降低了系統(tǒng)能耗與復雜性。這證明了大規(guī)模工業(yè)量產(chǎn)滿足大數(shù)據(jù)交互需求微芯片的可行性。研究發(fā)表在 Nature Communications 上。

#光電子微芯片 #數(shù)據(jù)通信 #半導體制造

閱讀更多：

Cai, Jiachen, et al. “Heterogeneously Integrated Lithium Tantalate-on-Silicon Nitride Modulators for High-Speed Communications.” Nature Communications, Feb. 2026. www.nature.com, https://doi.org/10.1038/s41467-026-69769-3

AI使學習更容易，ChatGPT摘要比維基百科更助記

隨著ChatGPT等AI工具成為主要信息來源，它們?nèi)绾斡绊憣W習和觀點形成？耶魯大學的Daniel Karell及其合作者（Matthew Shu、Keitaro Okura、Thomas Davidson）通過實驗研究發(fā)現(xiàn)，AI不僅能提升學習效率，其固有的或被引導的偏見還能顯著改變讀者的政治立場。

研究團隊通過一項涉及近2000名參與者的實驗，比較了人們在閱讀維基百科或由GPT-4o生成的歷史事件摘要后的學習效果與觀點變化。研究首先證實了AI在教育方面的優(yōu)勢：與閱讀維基百科原文相比，閱讀AI摘要的參與者能更準確地回憶事實。然而，這種高效的學習伴隨著強大的說服力。研究發(fā)現(xiàn)，GPT-4o生成的默認摘要本身就帶有一種潛在的自由派偏見，導致讀者的觀點向自由派傾斜。當研究人員通過提示詞有意引導摘要帶有自由派框架時，無論讀者本身的政治立場如何，其觀點都會變得更加自由派。有趣的是，保守派框架的摘要主要只對已有保守傾向的讀者產(chǎn)生了顯著影響。這表明，AI不僅能通過更流暢、更有條理的敘事方式幫助人們學習，還能利用這種方式悄無聲息地影響我們的世界觀。研究發(fā)表在 PNAS Nexus 上。

#認知科學 #大模型技術(shù) #信息偏見 #人工智能倫理

閱讀更多：

Shu, Matthew, et al. “How Latent and Prompting Biases in AI-Generated Historical Narratives Influence Opinions.” PNAS Nexus, vol. 5, no. 3, Mar. 2026, p. pgag022. Silverchair, https://doi.org/10.1093/pnasnexus/pgag022

聰明反被聰明誤，高性能AI在識別欺騙性建議時仍顯脆弱

大型語言模型（LLM）解決復雜問題的能力是否意味著它們同樣擅長識別欺騙？Sasha Robinson及其同事（麥克馬斯特大學、Vector研究所等）的一項新研究給出了否定的答案。他們通過一個創(chuàng)新的博弈框架發(fā)現(xiàn)，LLM的任務(wù)性能、說服能力與警惕性這三者是相互獨立的，即使是表現(xiàn)最頂尖的模型也可能輕易被惡意建議所操縱。

? 實驗使用了十個謎題，并測試了模型的解題率。綠色框線標記的模型在五次試驗中，每個謎題的解題次數(shù)達到三次或以上；紅色框線標記的模型在五次試驗中，每個謎題的解題次數(shù)達到兩次或以下。Credit: arXiv (2026).

研究團隊設(shè)計了一個基于經(jīng)典推箱子（Sokoban）游戲的評估環(huán)境，其中一個LLM扮演試圖解謎的“玩家”，另一個LLM則扮演“顧問”。顧問被設(shè)定為善意（提供正確指導）或惡意（提供欺騙性信息）兩種模式。研究結(jié)果驚人地揭示，模型的解謎性能與其社交智能完全脫節(jié)。一個能夠高效解決復雜謎題的LLM，在面對惡意顧問時，其警惕性可能非常低下，輕易就會被說服并導致任務(wù)失敗。更關(guān)鍵的是，即便研究人員明確告知“玩家”LLM其“顧問”可能心懷不軌，也未能顯著提升它的防御能力。這一發(fā)現(xiàn)對人工智能安全構(gòu)成了嚴峻挑戰(zhàn)，表明我們不能僅僅因為一個模型“聰明”就完全信任它在金融、醫(yī)療等關(guān)鍵領(lǐng)域的建議。

#AI驅(qū)動科學 #意圖與決策 #大模型技術(shù) #人工智能安全

閱讀更多：

Robinson, Sasha, et al. “Under the Influence: Quantifying Persuasion and Vigilance in Large Language Models.” arXiv:2602.21262, arXiv, 16 Mar. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.21262

類腦納米電子器件有望將人工智能硬件能耗降低70%

人工智能的巨大能耗是其發(fā)展的關(guān)鍵瓶頸。為解決此問題，劍橋大學的Babak Bakhit及同事開發(fā)了一種新型納米電子器件，通過模擬大腦高效的信息處理方式，有望將AI硬件能耗大幅降低70%。該器件是一種基于氧化鉿的高性能憶阻器，其穩(wěn)定性和能效遠超傳統(tǒng)技術(shù)。

研究團隊摒棄了傳統(tǒng)憶阻器依賴隨機導電細絲的方案，創(chuàng)新地通過在氧化鉿薄膜中添加鍶和鈦，并在材料界面處構(gòu)建了微型“p-n結(jié)”。這種設(shè)計允許器件通過平滑地調(diào)控界面能壘來改變電阻，而非依賴不可預測的物理斷裂與連接。實驗結(jié)果顯示，該憶阻器的開關(guān)電流比傳統(tǒng)器件低了約一百萬倍，能產(chǎn)生數(shù)百個穩(wěn)定可控的電導狀態(tài)，并成功模擬了大腦中關(guān)鍵的學習機制，如尖峰時間依賴性可塑性（spike-timing dependent plasticity，即神經(jīng)元根據(jù)信號接收時間的先后順序來調(diào)整連接強度的能力）。盡管目前高達700°C的制造溫度是該技術(shù)與現(xiàn)有半導體工業(yè)集成的挑戰(zhàn)，但這項突破為開發(fā)下一代高效、自適應(yīng)的AI硬件開辟了新路徑。研究發(fā)表在 Science Advances 上。

#神經(jīng)科學 #計算模型與人工智能模擬 #憶阻器 #神經(jīng)形態(tài)計算

閱讀更多：

“HfO2-Based Memristive Synapses with Asymmetrically Extended p-n Heterointerfaces for Highly Energy-Efficient Neuromorphic Hardware.” Science Advances. www.science.org, https://www.science.org/doi/10.1126/sciadv.aec2324. Accessed 23 Mar. 2026

如何讓腦機輸出完整的句子？用“語義拼圖”重構(gòu)自然語言解碼

如何讓失語癥患者通過腦機接口流暢表達完整意圖？浙江大學、德克薩斯大學奧斯汀分校和中國科學院上海微系統(tǒng)與信息技術(shù)研究所的Jiahe Li、Junru Chen、Fanqi Shen等人，針對現(xiàn)有解碼技術(shù)在表達力和可解釋性上的矛盾，提出了一種名為BRAINMOSAIC的全新解碼模型，通過“語義拼圖”的方式，首次實現(xiàn)了從腦電信號到開放詞匯自然語言的精準重構(gòu)。

該研究的核心是一種創(chuàng)新的“分解-對齊-重建”三階段解碼流程。首先，模型的語義分解器會從復雜的腦電信號中提取出若干核心的語義單元，如同從思緒中挑出關(guān)鍵的“詞匯”碎片。接著，語義檢索器將這些“碎片”與一個由大語言模型構(gòu)建的廣闊連續(xù)語義空間進行比對，找到最匹配的概念，這一步使得系統(tǒng)能夠理解并泛化到從未訓練過的新詞匯。最后，語義解碼器調(diào)用大語言模型，將這些帶有概率分數(shù)的語義單元作為結(jié)構(gòu)化指令，智能地“拼裝”成一個語法通順、邏輯連貫的完整句子。研究團隊在多種語言的公開數(shù)據(jù)集及一名癲癇患者的臨床顱內(nèi)腦電數(shù)據(jù)上驗證了該模型。結(jié)果顯示，BRAINMOSAIC的性能遠超傳統(tǒng)方法，并且腦區(qū)分析發(fā)現(xiàn)解碼活動最關(guān)鍵的區(qū)域與經(jīng)典語言中樞高度吻合，證實了其生物學上的合理性。研究發(fā)表在 International Conference on Learning Representations (ICLR 2026) 上。

#疾病與健康 #腦機接口 #語義解碼 #大語言模型

閱讀更多：

Li, Jiahe, et al. “Assembling the Mind’s Mosaic: Towards EEG Semantic Intent Decoding.” arXiv:2601.20447, arXiv, 28 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.20447

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，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哦~

關(guān)于天橋腦科學研究院

天橋腦科學研究院（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研究機構(gòu)之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

研究院在華山醫(yī)院、上海市精神衛(wèi)生中心分別設(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；與加州理工學院合作成立了加州理工陳天橋雒芊芊神經(jīng)科學研究院。

研究院還建成了支持腦科學和人工智能領(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、、、科普視頻媒體「大圓鏡」等。