追問daily | 炸雞薯條會導致成癮；多讀書不能減緩大腦衰老？Cell：50歲是人類衰老轉折點

█腦科學動態

Cell：50歲是人類衰老轉折點，血管系統首當其沖

科學家培育出整合血管系統的“全腦”類器官

牙神經既是疼痛探測器，也是牙齒保護者

多讀書不能減緩大腦衰老？

AI結合超聲技術，實現嬰兒腦膜炎無創精準篩查

遺傳風險或源于大腦的“守護細胞”而非神經元

超加工食品可致成癮，其標準不亞于藥物濫用

恰到好處的“大腦噪音”讓記憶力更強

抑制作用如何精煉海馬區的記憶線索表征

█AI行業動態

智譜開源GLM-4.5大模型：一句話生成B站級應用

國產多模態推理模型Step 3：開源、高效、低成本

█AI驅動科學

Science：首次實現原子級熱振動成像，科學家“看見”了熱量

彎曲神經網絡通過幾何設計實現類人“頓悟式”記憶回憶

AI驅動的個性化神經刺激頭戴設備可在家中提升注意力

仿生人造肌肉讓機器人可推、舉、踢，行動更靈活

Allegro-FM：面向艾字節級分子動力學模擬的等變基礎模型

腦科學動態

Cell：50歲是人類衰老轉折點，血管系統首當其沖

中國科學院動物研究所的劉光慧、曲靜，國家生物信息中心的張維綺，以及四川大學華西醫院的楊家印等研究人員組成的合作團隊，利用前沿技術繪制了首個跨越50年的人類多器官蛋白質組衰老圖譜，揭示了衰老的關鍵節點和核心驅動因素。

該研究通過超高靈敏度質譜技術，對來自76名14-68歲人群的13種不同組織（包括心臟、主動脈、肺等）共516份樣本進行了深度分析，構建了龐大的蛋白質數據庫。研究發現，衰老的一個核心特征是蛋白質穩態（proteostasis，維持蛋白質正常合成、折疊與清除的細胞能力）的崩潰，導致功能性蛋白減少，而淀粉樣蛋白等有害蛋白則在多器官內異常累積。利用機器學習算法，團隊構建了器官衰老時鐘，精準定位到人類衰老的轉折點大約在50歲，此時全身蛋白質組會發生劇烈波動。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，遠早于其他器官。衰老的血管會分泌GAS6等促衰老蛋白進入血液，如同一個“衰老樞紐”，加速并放大了全身的系統性衰老。研究發表在 Cell 上。

#疾病與健康 #健康管理與壽命延長 #蛋白質組學 #系統性衰老

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

科學家培育出整合血管系統的“全腦”類器官

約翰·霍普金斯大學的Annie Kathuria及其團隊解決了傳統腦類器官僅能模擬單一腦區的局限性，他們成功培育出一種整合了多個關鍵腦區和血管系統的多區域腦類器官，為在實驗室中復現人類大腦發育和疾病提供了強大工具。

?利用免疫組織化學分析和批量 RNA 測序驗證細胞命運。Credit: Advanced Science (2025).

研究團隊采用了一種“模塊化組裝”策略，首先獨立培育出大腦皮層、中后腦和內皮系統（即血管系統）的類器官，然后用生物粘合劑將它們融合成一個名為多區域腦類器官（Multi-Region Brain Organoid，簡稱MRBO）的統一結構。這個微型“全腦”模型不僅成功實現了跨區域的神經連接并產生了協同電活動，更關鍵的是，它還形成了包含多種血管細胞的原始血管網絡和早期的血腦屏障。通過單核RNA測序分析，研究人員證實MRBO的細胞構成與人類孕期約40天的胎兒大腦高度相似，并發現了13種全新的神經-血管細胞間信號通路。這一模型克服了以往研究的瓶頸，能夠更真實地模擬孤獨癥等疾病的復雜病理過程，為開發新療法和篩選藥物提供了更接近人體的平臺。研究發表在 Advanced Science 上。

#疾病與健康 #神經機制與腦功能解析 #類器官 #神經發育

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

牙神經既是疼痛探測器，也是牙齒保護者

牙齒內的神經僅僅是疼痛的來源嗎？密歇根大學的Joshua Emrick和Elizabeth A. Ronan等研究人員，針對這一問題展開研究，他們發現牙神經不僅傳遞痛感，更扮演著牙齒“哨兵”的角色，能觸發一種超快速的保護性反射，防止牙齒受損。

?Credit: Cell Reports (2025).

研究團隊利用活體鈣成像（in vivo Ca2+ imaging）技術實時觀察小鼠臼齒內神經元的活動，并結合光遺傳學精準激活這些細胞。實驗發現，一類被稱為牙內高閾值機械傷害感受器（HTMRs）的神經元是關鍵。當這些神經元被化學手段持續激活時，AI行為分析工具記錄到了小鼠明顯的疼痛表情；而當研究人員用光脈沖瞬間激活它們時，驚人的一幕發生了：小鼠的下頜在5到15毫秒內迅速彈開。這一速度遠快于疼痛感知，是一種純粹的保護性反射，就像我們不小心咬到叉子會立刻松口一樣。這一發現顛覆了傳統認知，證明牙神經除了作為疼痛警報器，更是一個主動的保護系統，通過啟動瞬時張口反射來保護牙齒免受結構性損傷。研究發表在 Cell Reports 上。

#疾病與健康 #神經機制與腦功能解析 #疼痛 #牙齒健康 #感覺神經元

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？大規模研究挑戰教育對認知衰退的保護作用

教育水平越高，老了以后腦子越好使嗎？針對這一普遍認知，由挪威奧斯陸大學Anders M. Fjell等人領導的歐洲Lifebrain聯盟進行了一項迄今為止最大規模的研究。這項涉及33個國家、超過17萬人的研究發現，雖然高學歷人群的認知起點更高，但并不能減緩他們認知能力隨年齡下降的速度。

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

該研究整合了來自33個西方國家27個縱向隊列的數據，對170,795名50歲以上成年人進行了長達28年的追蹤。研究人員分析了超過40萬份評估記憶和推理能力的神經心理學測試結果，并對其中6,472人進行了腦部磁共振成像（MRI）掃描，以測量大腦結構的變化。結果顯示，擁有更高學歷的人在研究開始時，確實表現出更好的記憶力，并且其顱內容積和與記憶相關的腦區（如海馬體）體積也稍大。然而，研究的關鍵發現是，隨著時間推移，高學歷人群的認知衰退速度與低學歷人群并無顯著差異，他們的認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知競賽中有一個更高的起點，但它并不能改變你衰老的速度。研究者推斷，教育與更優認知之間的關聯，可能并非因果關系，而是一個更早期的因素（例如天生的神經生物學特征）同時影響了一個人接受更高教育的傾向和其初始的認知儲備。研究發表在 Nature Medicine 上。

#疾病與健康 #疾病預防 #認知衰退 #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結合超聲技術，實現嬰兒腦膜炎無創精準篩查

嬰兒腦膜炎診斷長期依賴有創的腰椎穿刺，不僅給患兒帶來痛苦，在資源匱乏地區更難以實施。由巴塞羅那全球健康研究所（ISGlobal）的Sara Ajanovic和Quique Bassat等人領導的國際團隊，開發并驗證了一款結合高分辨率超聲與人工智能的無創篩查設備，有望革新腦膜炎的早期診斷模式。

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

該研究采用名為NEOSONICS的便攜式設備，通過嬰兒頭部尚未閉合的囟門（fontanelle），發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深度學習算法進行分析，該算法經過專門訓練，能夠自動識別并量化腦脊液中的白細胞，從而判斷是否存在腦膜炎引發的炎癥。研究團隊在西班牙、莫桑比克和摩洛哥的醫院對200多名疑似患兒進行了測試，并將AI的判斷結果與傳統的腰椎穿刺（lumbar puncture，診斷腦膜炎的金標準）進行了對比。結果顯示，該設備的診斷靈敏度高達94.4%，特異性為94.8%，成功識別了絕大多數腦膜炎病例。這項技術不僅能大幅減少非必要的有創檢查，還能為病情危重或身處偏遠地區的嬰兒提供快速、安全的診斷途徑。研究發表在 Pediatric Research 上。

#疾病與健康 #預測模型構建 #AI驅動科學 #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

遺傳風險或源于大腦的“守護細胞”而非神經元

長期以來，阿爾茨海默病等腦疾病的遺傳風險成因不明，研究多聚焦于神經元。格拉德斯通研究所（Gladstone Institutes）和加州大學舊金山分校（UCSF）的Andrew C. Yang, Madigan M. Reid, Shreya Menon等人開發了一項新技術，通過分析人腦樣本發現，許多疾病風險并非源于神經元，而是來自構成血腦屏障的血管和免疫細胞。

為探究腦疾病遺傳風險的真正作用位點，研究團隊開發了一項名為MultiVINE-seq的新技術，并利用它分析了30例人類大腦樣本。這項技術首次實現了在單細胞水平上，同時分析構成血腦屏障的血管和免疫細胞中的基因活性（RNA）和染色質可及性。通過將這個精細的細胞圖譜與大規模的全基因組關聯研究數據進行整合，團隊成功將數千個此前未映射的疾病風險變異與它們所影響的細胞類型和基因對應起來。研究結果顛覆了傳統認知，表明許多阿爾茨海默病和中風的遺傳風險是在大腦的“守護細胞”——血管和免疫細胞中發揮作用。更有趣的是，不同疾病的機制截然不同：中風相關的變異傾向于削弱血管的結構完整性，而阿爾茨海默病的變異則會過度激活免疫細胞的炎癥反應。其中一個重大發現是，一個靠近PTK2B基因的常見阿爾茨海默病風險變異，在腦內T細胞中尤為活躍，可能通過促進T細胞進入大腦并過度激活，從而參與疾病進程。研究發表在 Neuron 上。

#疾病與健康 #神經機制與腦功能解析 #阿爾茨海默病 #血腦屏障 #遺傳學

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，其標準不亞于藥物濫用

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令人上癮？密歇根大學的Ashley Gearhardt、德雷塞爾大學的Erica M. LaFata及其同事綜合了近300項研究，以迄今最強的證據論證，超加工食品能夠引發符合臨床診斷標準的成癮行為，并呼吁醫學界正視這一問題。

研究團隊系統性地整合了來自36個國家的證據，將其與《精神障礙診斷和統計手冊》（DSM）中的成癮標準進行比對。結果發現，超加工食品引發的失控性渴望、不顧健康后果的持續攝入等行為，與物質使用障礙的特征高度吻合。神經影像學研究進一步揭示了其生物學基礎：強迫性攝入這些食物的個體，其大腦獎賞回路的紊亂模式與酒精、可卡因成癮者表現出驚人的相似性。研究者尖銳地指出，當前的診斷體系存在雙重標準，相比證據基礎更薄弱的咖啡因成癮，證據確鑿的超加工食品成癮卻遲遲未被承認。他們強調，現代垃圾食品經過工業設計，其功能更像尼古丁而非營養。因此，團隊呼吁立即正式承認超加工食品成癮，并采取類似煙草管制的公共衛生保護措施。

#疾病與健康 #心理健康與精神疾病 #成癮 #公共衛生

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

大腦從兒童到成年的發育過程如何塑造我們的認知能力？美國西北大學的Zachariah R. Cross及其合作團隊進行了一項大規模研究。他們通過直接測量大腦活動，系統繪制了“神經噪音”在近半個世紀生命跨度中的發展圖譜。

?感覺運動皮質（橙色）和聯想皮質（藍綠色）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），感覺運動皮質的平緩化比聯想皮質更明顯。關于注意力狀態（即基于任務與非任務）非周期性活動的差異，在前額葉皮質（PFC）中，兒童的無任務（紅色虛線）斜率比基于任務（紅色實線）斜率更陡峭（即神經噪聲更少），而成人則相反。效應在 18-20 歲時發生逆轉，這可能反映了控制力的發展。Credit: Modified from Cross et al (2025), Nature Human Behaviour,

該研究使用了顱內腦電圖（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。研究團隊重點分析了大腦信號中的非周期性活動（aperiodic activity），它常被看作大腦的背景“神經噪音”，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。研究結果顛覆了傳統認知：與人們普遍認為的“大腦隨成熟而變得更有序”相反，研究發現在感覺運動和聯想皮層，神經噪音水平從童年到成年早期實際上是增加的。特別是在前額葉皮層，這種變化還與注意力狀態相關：兒童在休息時噪音更少，而成年人在專注執行任務時噪音更少，這種模式的轉變發生在青春期后期，標志著認知控制能力的成熟。更有趣的是，研究發現任務中適度的神經噪音反而與更好的記憶表現相關，呈現出一種“金發姑娘效應”（Goldilocks effect），即不多不少的噪音才是最優狀態。研究發表在 Nature Human Behaviour 上。

#認知科學 #神經機制與腦功能解析 #大腦發育 #神經噪音

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的記憶線索表征

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

研究團隊采用了一種前沿的縱向電壓成像（longitudinal voltage imaging）技術，以千赫茲的超高幀率捕捉小鼠在執行氣味記憶任務時，其海馬CA1區神經元的膜電位動態。該技術首次實現了對特定抑制性神經元亞型——小清蛋白中間神經元（Parvalbumin interneurons，簡稱PV神經元）和生長抑素中間神經元（somatostatin-expressing interneurons，簡稱SST神經元）——長達數日的毫秒級活動追蹤。研究發現，當氣味線索出現時，PV和SST神經元會同步激活，但它們的活動并不編碼氣味的身份，而是作為一個通用的“事件探測器”。

具體的抑制機制分為兩步：首先，PV神經元短暫放電，引發周圍大部分主導興奮功能的錐體細胞發生廣泛的超極化（hyperpolarization，一種使神經元更難興奮的抑制狀態），瞬間將大腦背景噪音“靜音”；與此同時，SST神經元則抑制其他中間神經元。這一過程清除了干擾，為真正編碼氣味信息的少數錐體細胞創造了一個清晰的放電窗口。這些關鍵的錐體細胞會與中間神經元超極化后的反彈放電精準同步，從而極大地提升了記憶信號的信噪比。研究發表在 Nature Neuroscience 上。

#神經科學 #記憶機制 #神經機制與腦功能解析 #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 行業動態

智譜開源GLM-4.5大模型：一句話生成B站級應用

智譜（Zhipu）最新發布的GLM-4.5大模型以其開源、高性能和多功能性引發業界關注。該模型采用MoE（混合專家）架構，總參數量達3550億，在12項國際評測基準中綜合排名全球第三，開源與國產維度均位列第一。其生成速度高達100 tokens/s，API調用成本僅為輸入0.8元/百萬tokens，輸出2元/百萬tokens，遠低于主流模型。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用，如仿百度搜索、小紅書式社交平臺，甚至支持視頻播放和彈幕的B站克隆版。

GLM-4.5的技術突破源于系統性工程優化。團隊通過MoE架構提升計算效率，采用無損均衡路由和Sigmoid門控技術，并引入分組查詢RoPE位置編碼。訓練階段結合15T通用語料與7T代碼推理數據，輔以強化學習基礎設施Slime，顯著提升了模型在編程、搜索等場景的穩定性。測試顯示，其代碼能力超越Claude等競品，成功復現《羊了個羊》等復雜項目，且參數量僅為DeepSeek-R1的一半，效率優勢明顯。

此次發布被視為國產AI的里程碑。GLM-4.5以開源姿態提前實現GPT-5傳聞功能，展現了智譜的技術前瞻性。其“小參數量、高性能”的設計理念，打破了行業盲目追求參數的慣性，為全球開源社區提供了新范式。目前，用戶可通過智譜清言和Z.ai免費體驗滿血版，程序員還能以50元包月無限調用，進一步降低了技術門檻。

#GLM-4.5 #開源大模型 #MoE架構 #AI編程 #智譜

閱讀更多：

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

國產多模態推理模型Step 3：開源、高效、低成本，適配國產芯片

近期，階躍星辰（StepFun）發布了新一代基礎大模型Step 3，填補了市場上兼具多模態、高效推理、低成本及開源特性的空白。Step 3是一個總參數321B的混合專家模型（MoE），在MMMU等多模態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，并在國產芯片上展現出卓越性能，推理效率最高可達競品的300%。階躍星辰CEO姜大昕強調，Step 3不僅具備強大的視覺感知和復雜推理能力，還能精準應對日常生活中的多模態需求，如識別商品標簽并給出穿搭建議。

Step 3的成功得益于系統協同設計（Model-system Co-design），包括創新的AFD分布式推理系統和MFA注意力機制。AFD通過拆分Attention和FNN計算任務，優化GPU資源利用；MFA則采用低秩注意力設計，提升KV緩存效率。這些技術使Step 3在A800和H20等國產芯片上實現高性價比推理。此外，階躍聯合華為昇騰、沐曦等近10家廠商成立“模芯生態創新聯盟”，推動國產芯片適配，降低推理成本。Step 3將于7月31日正式開源，打破“強模型不開源”的行業現狀。

在商業化落地方面，Step 3已廣泛應用于汽車、手機、IoT等領域。吉利銀河M9首發搭載其端到端語音大模型，OPPO、榮耀等手機廠商也集成其多模態能力，實現本地AI伴聊、視頻通話輔助等功能。階躍預計2025年收入將達10億人民幣，成為少數具備清晰商業化路徑的基礎模型廠商。Step 3的“多開好省”（多模態、開源、高性能、低成本）策略，不僅重新定義了推理模型的SOTA標準，更推動AI技術從實驗室走向產業應用。

#多模態大模型 #開源AI #國產芯片適配 #高效推理 #Step3

閱讀更多：

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

AI 驅動科學

Science：首次實現原子級熱振動成像，科學家“看見”了熱量

在二維莫爾材料中，一種被稱為相子（phason）的特殊原子振動模式被理論預測存在，但從未被直接觀測。伊利諾伊大學厄巴納-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，首次直接“看見”并證實了相子的存在，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）單個原子的照片。Credit: The Grainger College of Engineering at the University of Illinois Urbana-Champaign

研究團隊利用了一項名為電子疊層顯微成像技術（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，對扭轉雙層的二硒化鎢（WSe2）材料進行觀測。熱量本質上是原子的集體振動，這種振動會導致原子在成像時顯得“模糊”。通過達到前所未有的皮米級（低于15皮米）空間分辨率，研究人員能夠精確測量每個獨立原子的“模糊”程度，從而量化其振動幅度，實現了對熱量的可視化。

借助這種方法，團隊首次直接觀測到了一種長期存在于理論中的振動模式——相子。相子屬于莫爾聲子（moiré phonons，由兩層二維材料扭轉堆疊形成的超晶格所特有的集體振動模式）中一種頻率極低的特殊類型。實驗證實，這些相子振動在低扭轉角度的材料中占據主導地位，并且集中在特定的原子堆疊區域。這一發現不僅證實了長期存在的物理學假設，更開辟了一條在原子尺度上研究和調控熱傳導的新路徑，為開發具有更優異散熱性能的下一代電子器件提供了基礎知識。研究發表在 Science 上。

#其他 #其他 #材料科學 #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

彎曲神經網絡通過幾何設計實現類人“頓悟式”記憶回憶

傳統AI記憶模型難以模擬人腦中復雜的多路信號交互，限制了其效率和能力。來自巴斯克應用數學中心（BCAM）、Araya公司、薩塞克斯大學和京都大學的國際團隊，包括Miguel Aguilera、Pablo A Morales、Fernando E. Rosas和Hideaki Shimazaki，提出一種“彎曲神經網絡”，利用幾何學原理，使AI能夠實現高效、可靠且類似人類“靈光一現”的記憶回憶。

?由統計流形的葉狀結構產生的高階分解。Credit: Nature Communications (2025).

該研究沒有采用增加網絡連接或計算量的傳統方法，而是開創性地引入幾何學思想，構建了彎曲神經網絡（Curved Neural Networks）。其核心在于通過“彎曲”模型所在的數學空間，以一種極為簡約的方式實現高階相互作用（HOIs，即多個神經元信號同時相互影響的復雜模式），從而更逼真地模擬大腦的運作方式。研究人員通過精確的平均場理論（mean-field theory）分析發現，這種彎曲的幾何結構能自發地引導出一個自調節退火過程（self-regulating annealing process）。

在這個過程中，系統能夠實現爆發式記憶回憶（explosive memory recall，指系統能像撥動開關一樣，從無序狀態迅速跳轉到清晰的記憶狀態），其速度和效率遠超傳統模型。這種機制源于模型內部能量與一個“有效”溫度間的正反饋循環，讓AI在回憶時能自動調整“焦點”。分析與實驗均證明，這種設計不僅能提升記憶檢索的速度，還能顯著增加網絡的記憶容量和回憶過程的魯棒性。這一框架為構建更高效、更易于理解的“白盒”AI提供了新思路。研究發表在 Nature Communications 上。

#AI驅動科學 #計算模型與人工智能模擬 #記憶機制 #神經網絡

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驅動的個性化神經刺激頭戴設備可在家中提升注意力

傳統的腦刺激技術因“一刀切”模式效果不一，且難以在真實生活場景中實現個性化。薩里大學、牛津大學和認知神經技術公司（Cognitive Neurotechnology）的Roi Cohen Kadosh等人開發了一款由人工智能驅動的個性化神經刺激頭戴設備，能根據用戶特征遠程調整刺激參數，在家中安全有效地提升持續注意力。

該研究的核心技術是一套智能頭戴設備，它采用經顱隨機噪聲刺激（tRNS），并由一個先進的人工智能算法——個性化貝葉斯優化（pBO）進行驅動。研究團隊首先利用103名參與者在家庭環境中完成的290次注意力任務數據對AI進行訓練。算法學會了如何根據每個人的初始注意力水平和頭圍（作為大腦解剖結構的近似指標）來遠程定制最佳的刺激強度，從而擺脫了對昂貴且費時的核磁共振（MRI）掃描的依賴。

在一項包含37名新參與者的雙盲、安慰劑對照研究中，該系統的有效性得到了驗證。結果顯示，接受AI個性化tRNS刺激的參與者，其持續注意力的提升程度顯著高于接受固定強度標準刺激或偽刺激（placebo）的參與者。尤其值得注意的是，這種認知增強效果在那些基線注意力水平較低的人群中最為明顯，而對高水平者則無顯著影響。這表明該技術有望幫助縮小個體間的認知能力差距，而非僅僅讓強者更強。整個過程未發現嚴重副作用。研究發表在 npj Digital Medicine 上。

#AI驅動科學 #神經調控 #個性化醫療 #認知增強

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

仿生人造肌肉讓機器人可推、舉、踢，行動更靈活

傳統剛性機器人難以適應復雜環境，而現有軟體執行器、性能不足且依賴笨重外部設備。為了解決這一難題，西北大學（Northwestern University）的Ryan Truby和Taekyoung Kim團隊開發了一種新型電池驅動的仿生軟體肌肉，其強度和柔韌性足以構建不受束縛的人形機器人肢體。

?機器人腿的合成圖像——帶有集成的人工肌肉——在腳踝和膝蓋處彎曲。

研究團隊的核心創新是一種全新的電動軟體執行器。其內部是一個3D打印的手性剪切拉脹體（handed shearing auxetic, HSA，一種受扭轉時會伸展和膨脹的特殊結構），外部包裹著一個同樣由3D打印制作的橡膠折紙波紋管。通過一個微型集成伺服電機驅動HSA旋轉，即可讓整個執行器產生強大的線性推拉動作，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%，并產生高達75牛頓的力，足以舉起比自身重17倍的物體。更關鍵的是，其功率和能量密度比現有頂尖的軟體肌肉高出四個數量級，并且完全由便攜式電池供電。為了展示其應用潛力，團隊用三塊這種肌肉、硬質塑料“骨骼”和彈性橡膠“肌腱”組裝出一條真人大小的機器人腿，它不僅能靈活地彎曲膝蓋和腳踝，還能有力地將排球踢走。研究發表在 Advanced Materials 上。

#其他 #機器人及其進展 #軟體機器人 #仿生學

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：面向艾字節級分子動力學模擬的等變基礎模型

傳統分子動力學模擬受限于特定任務和高昂的計算成本，難以應對復雜材料體系。來自南加州大學、索尼集團公司、廣島工業大學和熊本大學的Ken-ichi Nomura, Shinnosuke Hattori, Satoshi Ohmura等人，開發了一款名為Allegro-FM的AI基礎模型，旨在實現對多種材料和化學反應的零樣本、高精度、大規模模擬。

該研究構建的Allegro-FM模型基于E(3)等變網絡（E(3) equivariant network，一種能自動處理原子三維空間關系的神經網絡架構），并在融合了大規模有機與無機材料的數據集上進行訓練。其核心優勢在于卓越的零樣本學習能力。在模擬碳酸分解為水和二氧化碳的反應中，模型計算的過渡態能量與高水平理論值的誤差僅為0.3 kcal/mol，展現了極高的預測精度。在材料性質預測方面，Allegro-FM對硅酸鈣水合物（水泥的關鍵成分）的模擬密度（2.44 g/cm3）與實驗值（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展性，在Aurora超級計算機上成功模擬了包含40億原子的龐大系統，并行效率高達97.5%。這一突破為在微米空間尺度和微秒時間尺度上研究材料的復雜行為提供了強大工具。

#AI驅動科學 #預測模型構建 #材料科學 #基礎模型

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

由天橋腦科學研究院主辦的首屆AI驅動科學年度研討會（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，聚焦能夠在科學領域開辟全新研究模式、假設生成及實驗方法的變革性人工智能創新。如果您希望與諾貝爾獎得主Jennifer Doudna，David Baker，知名學者Animashree Anankumar，Heather J. Kulik，以及業界領袖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10億美元創建的世界最大私人腦科學研究機構之一，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。

Chen Institute與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、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天橋神經科學研究院。

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