█腦科學(xué)動(dòng)態(tài)

Nature：饑餓與激素如何聯(lián)手操控雌鼠攻擊幼崽

我們做夢(mèng)時(shí)大腦并未完全睡著？新研究揭示‘半清醒’狀態(tài)

發(fā)現(xiàn)控制碳水和脂肪偏好的獨(dú)立神經(jīng)通路

重新定義產(chǎn)后精神健康：專家呼吁將其列為獨(dú)立疾病以挽救生命

大腦在看到食物后毫秒內(nèi)快速評(píng)估其多重屬性

多發(fā)性硬化癥患者唾液中存在“失衡”菌群

一種開銷低、高效、完全模擬的神經(jīng)網(wǎng)絡(luò)計(jì)算硬件

█AI行業(yè)動(dòng)態(tài)

基因組界的“ChatGPT”：Genos百億參數(shù)大模型免費(fèi)開源

Meta AI部門“瘦身”600人：為追求“超級(jí)智能”揮刀砍向官僚主義

█AI驅(qū)動(dòng)科學(xué)

谷歌實(shí)現(xiàn)可驗(yàn)證的量子優(yōu)勢(shì)：量子回聲算法超越經(jīng)典超算

技術(shù)進(jìn)步的關(guān)鍵：通過文化創(chuàng)新分配認(rèn)知負(fù)荷

利用大模型預(yù)測(cè)交通事故：新AI框架提升評(píng)估可信度與決策干預(yù)

新算法seismic揭示阿爾茨海默病與特定神經(jīng)元的遺傳關(guān)聯(lián)

作息越亂，心態(tài)越糟：日常節(jié)律是心理健康的關(guān)鍵指標(biāo)

電化學(xué)新方法有望實(shí)現(xiàn)電池快充并延長(zhǎng)壽命

腦科學(xué)動(dòng)態(tài)

Nature：饑餓與激素如何聯(lián)手操控雌鼠攻擊幼崽

大腦如何整合饑餓和激素等多種內(nèi)部信號(hào)來調(diào)控復(fù)雜的社會(huì)行為？弗朗西斯·克里克研究所的 Jonny Kohl 和 Mingran Cao 等研究人員通過研究雌性小鼠發(fā)現(xiàn)，饑餓感會(huì)通過一條特定的神經(jīng)通路，抑制大腦中負(fù)責(zé)育兒行為的區(qū)域，從而將關(guān)愛行為轉(zhuǎn)變?yōu)楣粜袨?，而這一轉(zhuǎn)變又受到生殖激素水平的嚴(yán)格調(diào)控。

?Arc AgRP → MPOA 投射介導(dǎo)饑餓誘發(fā)的幼崽攻擊行為。Credit: Nature (2025).

研究團(tuán)隊(duì)發(fā)現(xiàn)，當(dāng)未交配的雌性小鼠處于饑餓狀態(tài)時(shí)，約有60%會(huì)對(duì)幼崽表現(xiàn)出攻擊性，而飽食時(shí)則不會(huì)。通過一系列神經(jīng)科學(xué)實(shí)驗(yàn)，他們揭示了這一行為開關(guān)背后的精確機(jī)制。研究表明，饑餓信號(hào)由下丘腦弓狀核中的AgRP神經(jīng)元（Agouti-related peptide neurons）發(fā)出，這些神經(jīng)元通過釋放神經(jīng)肽Y，直接抑制大腦中對(duì)父母行為至關(guān)重要的內(nèi)側(cè)視前區(qū)（medial preoptic area, MPOA）。然而，這種抑制作用并非總能觸發(fā)攻擊行為。研究人員發(fā)現(xiàn)，攻擊行為的發(fā)生還取決于小鼠所處的發(fā)情周期階段。MPOA神經(jīng)元的興奮性受卵巢激素中孕酮與雌二醇比例的調(diào)節(jié)。只有當(dāng)激素水平使MPOA神經(jīng)元處于特定的“易感”狀態(tài)時(shí)，來自AgRP神經(jīng)元的饑餓抑制信號(hào)才能成功地將小鼠的行為從關(guān)愛切換為攻擊。這兩種信號(hào)最終匯聚在MPOA神經(jīng)元的HCN通道（hyperpolarization-activated cyclic nucleotide-gated channels，一種影響神經(jīng)元興奮性的離子通道）上，共同決定了行為輸出。研究發(fā)表在 Nature 上。

閱讀更多：

Cao, Mingran, et al. “Integration of Hunger and Hormonal State Gates Infant-Directed Aggression.” Nature, Oct. 2025, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41586-025-09651-2

我們做夢(mèng)時(shí)大腦并未完全睡著？新研究揭示‘半清醒’狀態(tài)

夢(mèng)境研究長(zhǎng)期受限于小規(guī)模、不標(biāo)準(zhǔn)的數(shù)據(jù)集。由澳大利亞莫納什大學(xué)協(xié)調(diào)，包括意大利盧卡IMT高等研究院Giulio Bernardi在內(nèi)的國(guó)際研究團(tuán)隊(duì)創(chuàng)建了迄今最大的夢(mèng)境-腦電數(shù)據(jù)庫(kù)（DREAM），初步分析揭示了做夢(mèng)時(shí)大腦的‘半清醒’狀態(tài)。

研究團(tuán)隊(duì)通過整合全球20項(xiàng)研究、505名參與者和2643次覺醒的數(shù)據(jù)，建立了DREAM數(shù)據(jù)庫(kù)，該庫(kù)結(jié)合了腦電圖等腦活動(dòng)記錄與參與者的夢(mèng)境報(bào)告。對(duì)數(shù)據(jù)庫(kù)的首次分析顛覆了傳統(tǒng)認(rèn)知，證實(shí)夢(mèng)境不僅發(fā)生在活躍的快速眼動(dòng)睡眠（REM）期，也同樣出現(xiàn)在更深、更平靜的非快速眼動(dòng)睡眠（non-REM, NREM，深度睡眠階段）中。尤為關(guān)鍵的是，當(dāng)夢(mèng)境在NREM期發(fā)生時(shí)，大腦的電活動(dòng)模式（特別是低頻delta波減少）與清醒狀態(tài)更為相似，而非深度睡眠，這表明大腦可能處于一種“部分清醒”的混合狀態(tài)。此外，研究人員利用人工智能算法分析EEG數(shù)據(jù)，能夠準(zhǔn)確預(yù)測(cè)被試在被喚醒前是否正在做夢(mèng)。這一成果為客觀研究意識(shí)的神經(jīng)基礎(chǔ)開辟了新途徑。研究發(fā)表在 Nature Communications 上。

閱讀更多：

Wong, William, et al. “A Dream EEG and Mentation Database.” Nature Communications, vol. 16, no. 1, Aug. 2025, p. 7495. www.nature.com, https://doi.org/10.1038/s41467-025-61945-1

發(fā)現(xiàn)控制碳水和脂肪偏好的獨(dú)立神經(jīng)通路

大腦如何決定我們想吃脂肪還是碳水化合物？日本自然科學(xué)研究機(jī)構(gòu)生理學(xué)研究所、名古屋大學(xué)和杉山女學(xué)園大學(xué)的 Yasuhiko Minokoshi、Ken-ichiro Nakajima 和 Nawarat Rattanajearakul 等研究人員，通過小鼠實(shí)驗(yàn)發(fā)現(xiàn)，大腦內(nèi)存在兩條完全獨(dú)立的神經(jīng)通路，分別掌管著對(duì)碳水化合物和脂肪的攝食偏好，揭示了食物選擇背后的精準(zhǔn)調(diào)控機(jī)制。

?2DG 誘導(dǎo)的葡萄糖剝奪通過激活孤束核（NTS）、延髓腹外側(cè)核（VLM）和下丘腦弓狀核（ARC）中的神經(jīng)肽 Y（NPY）神經(jīng)元，促進(jìn)下丘腦室旁核（PVH）中高碳水化合物飲食（HCD）和高脂肪飲食（HFD）的攝入。Credit: Yasuhiko Minokoshi

研究團(tuán)隊(duì)通過給小鼠注射2-脫氧-D-葡萄糖（2-deoxy-D-glucose, 2DG）模擬能量缺乏狀態(tài)，并觀察它們?cè)诟咛妓衔镲嬍常╤igh-carbohydrate diet, HCD）和高脂肪飲食（high-fat diet, HFD）間的選擇。利用光遺傳學(xué)等神經(jīng)調(diào)控技術(shù)，他們發(fā)現(xiàn)下丘腦室旁核（ PVH）是調(diào)控中心。當(dāng)身體需要快速補(bǔ)充能量時(shí)，來自腦干的神經(jīng)肽Y（neuropeptide Y, NPY）神經(jīng)元會(huì)激活PVH中的一組特定神經(jīng)元（AMPK-regulated CRH neurons），促使小鼠優(yōu)先攝入碳水化合物。與此同時(shí)，另一條通路則負(fù)責(zé)脂肪的攝入：來自腦干和下丘腦弓狀核（ ARC）的NPY神經(jīng)元通過抑制PVH中的黑皮質(zhì)素4受體（MC4R）神經(jīng)元，來增加對(duì)高脂肪食物的攝取。研究還特別指出，ARC的NPY神經(jīng)元專門驅(qū)動(dòng)脂肪攝入，這可能與生物體對(duì)高能量食物的先天偏好有關(guān)。該發(fā)現(xiàn)首次清晰分離了大腦對(duì)兩種宏量營(yíng)養(yǎng)素的偏好控制通路。研究發(fā)表在 Metabolism 上。

閱讀更多：

Rattanajearakul, Nawarat, et al. “Glucoprivation-Induced Nutrient Preference Relies on Distinct NPY Neurons That Project to the Paraventricular Nucleus of the Hypothalamus.” Metabolism - Clinical and Experimental, vol. 0, no. 0, Oct. 2025. www.metabolismjournal.com, https://doi.org/10.1016/j.metabol.2025.156415

重新定義產(chǎn)后精神健康：專家呼吁將其列為獨(dú)立疾病以挽救生命

產(chǎn)后精神病是一種嚴(yán)重的精神疾病，但其在現(xiàn)有診斷體系中的地位模糊，導(dǎo)致治療延誤和悲劇風(fēng)險(xiǎn)。為解決此問題，由西奈山醫(yī)院的 Veerle Bergink 領(lǐng)導(dǎo)的一個(gè)國(guó)際專家小組，通過全面回顧科學(xué)文獻(xiàn)，強(qiáng)烈建議將產(chǎn)后精神病確立為一個(gè)獨(dú)立的疾病診斷類別，以挽救生命并改善患者預(yù)后。

該國(guó)際專家組的共識(shí)聲明指出，應(yīng)將產(chǎn)后精神?。╬ostpartum psychosis, PP）在《精神疾病診斷與統(tǒng)計(jì)手冊(cè)》（DSM）中歸類為雙相情感障礙譜系內(nèi)的一個(gè)獨(dú)特疾病類別。這一建議基于多方面堅(jiān)實(shí)的科學(xué)證據(jù)。首先，產(chǎn)后精神病具有獨(dú)特的生物學(xué)基礎(chǔ)，與分娩后劇烈的內(nèi)分泌、免疫和大腦生理變化密切相關(guān)，其發(fā)病率在產(chǎn)后出現(xiàn)急劇高峰。其次，其遺傳風(fēng)險(xiǎn)結(jié)構(gòu)雖與雙相情感障礙有重疊，但仍顯示出獨(dú)特性。臨床上，大多數(shù)患者表現(xiàn)為躁狂、混合發(fā)作或伴有精神病性特征的抑郁等情感癥狀，并且對(duì)鋰鹽和電休克療法等雙相情感障礙的標(biāo)準(zhǔn)治療反應(yīng)極佳。更重要的是，約半數(shù)首次發(fā)病的女性未來會(huì)發(fā)展為雙相情感障礙。專家組強(qiáng)調(diào)，目前的“圍產(chǎn)期發(fā)病”標(biāo)簽無法準(zhǔn)確描述其僅在產(chǎn)后急性發(fā)作的特性。確立其獨(dú)立診斷地位對(duì)于早期識(shí)別、及時(shí)干預(yù)至關(guān)重要，有助于預(yù)防自殺和殺嬰等悲劇性后果。研究發(fā)表在 Biological Psychiatry 上。

閱讀更多：

Bergink, Veerle, et al. “Postpartum Psychosis and Bipolar Disorder: Review of Neurobiology and Expert Consensus Statement on Classification.” Biological Psychiatry, vol. 0, no. 0, Oct. 2025. www.biologicalpsychiatryjournal.com, https://doi.org/10.1016/j.biopsych.2025.10.016

大腦在看到食物后毫秒內(nèi)快速評(píng)估其多重屬性

我們的大腦如何在毫秒之間對(duì)食物做出評(píng)價(jià)，從而影響飲食選擇？Violet J. Chae、Tijl Grootswagers、Stefan Bode及Daniel Feuerriegel等研究人員合作，揭示了大腦在人們有意識(shí)地做出決定之前，就已對(duì)食物的多種屬性進(jìn)行了快速、并行的評(píng)估。

?研究中展示的食品示例。Credit: Chae et al., 2025

研究團(tuán)隊(duì)結(jié)合腦電圖和機(jī)器學(xué)習(xí)，探究了大腦評(píng)價(jià)食物的時(shí)間進(jìn)程。研究中，110名參與者觀看食物圖片，其大腦活動(dòng)被實(shí)時(shí)記錄；另外421名參與者則對(duì)這些圖片從健康、美味、熟悉度等12個(gè)維度進(jìn)行評(píng)分。通過表征相似性分析（representational similarity analysis），研究者發(fā)現(xiàn)，早在看到食物圖像約200毫秒時(shí)，大腦活動(dòng)模式就已經(jīng)反映出健康度、卡路里等多種屬性的信息。這一過程發(fā)生在潛意識(shí)層面，遠(yuǎn)快于任何有意識(shí)的思考。令人意外的是，數(shù)據(jù)顯示“健康度”的神經(jīng)信號(hào)比“美味度”更早出現(xiàn)。研究進(jìn)一步確認(rèn)，大腦對(duì)不同屬性的處理并非逐一進(jìn)行，而是在相似的時(shí)間窗口內(nèi)快速、并行地展開。最終，數(shù)據(jù)揭示了兩個(gè)核心評(píng)價(jià)維度：“加工程度”（天然或加工）和“開胃程度”（美味與熟悉的結(jié)合），它們同樣在200毫秒的極短時(shí)間內(nèi)被大腦捕捉。研究發(fā)表在 Appetite 上。

閱讀更多：

“Characterising the Neural Time-Courses of Food Attribute Representations.” Appetite, vol. 217, Feb. 2026, p. 108337. www.sciencedirect.com, https://doi.org/10.1016/j.appet.2025.108337

多發(fā)性硬化癥患者唾液中存在“失衡”菌群

多發(fā)性硬化癥（MS）是一種病因復(fù)雜的自身免疫性疾病，其與微生物群的關(guān)聯(lián)備受關(guān)注。愛荷華大學(xué)的 Ashutosh Mangalam 及其團(tuán)隊(duì)將目光從腸道轉(zhuǎn)向口腔，對(duì)MS患者的口腔微生態(tài)系統(tǒng)進(jìn)行了迄今最全面的分析，揭示了MS患者獨(dú)特的口腔微生物與代謝物特征，為理解疾病機(jī)制和開發(fā)新診斷工具提供了重要線索。

?pwRRMS 和 HCs 口腔微生物組的 α 和 β 多樣性分析。Credit: npj Biofilms and Microbiomes (2025).

該研究通過分析50名復(fù)發(fā)緩解型多發(fā)性硬化癥患者和50名健康對(duì)照者的唾液樣本，結(jié)合了鳥槍法宏基因組測(cè)序與非靶向代謝組學(xué)技術(shù)。結(jié)果發(fā)現(xiàn)，MS患者的口腔微生物群落存在顯著失衡：構(gòu)成健康口腔基礎(chǔ)的鏈球菌（Streptococcus）等有益“早期定植”細(xì)菌減少，而具核梭桿菌（Fusobacterium nucleatum）等多種潛在致病菌則異常增多。在代謝層面，MS患者唾液中一種名為亞牛磺酸（hypotaurine，一種參與抗氧化防御和維持神經(jīng)健康的保護(hù)性小分子）的水平顯著降低，研究認(rèn)為這與菌群的改變直接相關(guān)。此外，通過機(jī)器學(xué)習(xí)分析，研究人員發(fā)現(xiàn)維持口腔健康的五個(gè)關(guān)鍵微生物群落在MS患者體內(nèi)顯著喪失，這意味著其口腔微生態(tài)的協(xié)作網(wǎng)絡(luò)已遭到根本性破壞。這些發(fā)現(xiàn)共同指向口腔作為一個(gè)重要的免疫-微生物互作場(chǎng)所，其失調(diào)可能參與了MS的炎癥和免疫紊亂過程。研究發(fā)表在 npj Biofilms and Microbiomes 上。

閱讀更多：

Fitzjerrells, Rachel L., et al. “Multiple Sclerosis Patients Exhibit Oral Dysbiosis with Decreased Early Colonizers and Lower Hypotaurine Level.” Npj Biofilms and Microbiomes, vol. 11, no. 1, Oct. 2025, p. 199. www.nature.com, https://doi.org/10.1038/s41522-025-00787-7

一種開銷低、高效、完全模擬的神經(jīng)網(wǎng)絡(luò)計(jì)算硬件

為應(yīng)對(duì)AI計(jì)算日益增長(zhǎng)的能耗挑戰(zhàn)，并彌合現(xiàn)有硬件與人腦在效率上的巨大差距，Jiabao Ye、Wannian Wang、Caiping Shi、Xuecheng Cui、Bing Chen及其同事設(shè)計(jì)并制造了一種全新的全模擬神經(jīng)網(wǎng)絡(luò)計(jì)算硬件（FANCH）。該硬件通過模擬人腦的數(shù)據(jù)壓縮和全模擬信號(hào)處理方式，旨在徹底擺脫傳統(tǒng)架構(gòu)的能效瓶頸，為邊緣計(jì)算提供低功耗、高效率的解決方案。

當(dāng)前AI硬件普遍基于馮·諾依曼架構(gòu)，計(jì)算與存儲(chǔ)分離導(dǎo)致了嚴(yán)重的能效瓶頸。即使是部分類腦計(jì)算芯片，也因采用數(shù)字或混合信號(hào)設(shè)計(jì)，依賴高功耗的模數(shù)轉(zhuǎn)換器（ADCs）和數(shù)模轉(zhuǎn)換器（DACs），限制了效率提升。為突破這一限制，研究團(tuán)隊(duì)開發(fā)了一種全模擬神經(jīng)網(wǎng)絡(luò)計(jì)算硬件（FANCH）。該系統(tǒng)在芯片和系統(tǒng)層面均實(shí)現(xiàn)了徹底的模擬化，模仿人腦高效處理信息的方式。其核心創(chuàng)新在于兩點(diǎn)：首先，它引入了輸入數(shù)據(jù)壓縮機(jī)制以降低計(jì)算復(fù)雜度；其次，從信號(hào)輸入到結(jié)果輸出，整個(gè)計(jì)算流程均由專門的模擬電路完成，根除了A/D轉(zhuǎn)換帶來的巨大能耗。團(tuán)隊(duì)還采用軟硬件協(xié)同設(shè)計(jì)方法優(yōu)化了硬件的泛化能力。在標(biāo)準(zhǔn)的手寫數(shù)字識(shí)別任務(wù)測(cè)試中，F(xiàn)ANCH的識(shí)別準(zhǔn)確率與純軟件計(jì)算的基準(zhǔn)相比僅相差0.36%，但其能效遠(yuǎn)超現(xiàn)有的主流AI加速芯片。這一成果為開發(fā)低功耗、高效率的邊緣計(jì)算設(shè)備提供了一條極具前景的技術(shù)路徑。研究發(fā)表在 Science Advances 上。

閱讀更多：

Ye, Jiabao, et al. “An Overhead-Reduced, Efficient, Fully Analog Neural-Network Computing Hardware.” Science Advances, Oct. 2025. world, www.science.org, https://www.science.org/doi/10.1126/sciadv.adv7555

AI 行業(yè)動(dòng)態(tài)

基因組界的“ChatGPT”：Genos百億參數(shù)大模型免費(fèi)開源

2025年10月23日，在第二十屆國(guó)際基因組學(xué)大會(huì)（ICG-20）上，華大生命科學(xué)研究院與之江實(shí)驗(yàn)室聯(lián)合發(fā)布了全球首個(gè)百億參數(shù)人類基因組通用基礎(chǔ)模型——Genos。長(zhǎng)期以來，如何從人類30億堿基對(duì)中“讀懂”生命的深層奧秘是基因組研究的巨大挑戰(zhàn)。Genos的推出，標(biāo)志著研究范式從簡(jiǎn)單的堿基序列“讀出”邁向?qū)ι讓舆壿嫷摹白x懂”，有望為臨床診斷和前沿科學(xué)研究帶來顛覆性變革。為了捕捉人類豐富的遺傳多樣性，Genos系統(tǒng)整合了包括人類泛基因組參考聯(lián)盟（HPRC）等多個(gè)權(quán)威資源，首次匯集了全球范圍內(nèi)636個(gè)“端粒到端?！保═elomere-to-Telomere, T2T，指從染色體一端到另一端的完整序列）級(jí)別的高質(zhì)量人類基因組作為訓(xùn)練數(shù)據(jù)，旨在從源頭上減少數(shù)據(jù)偏見。該模型采用了混合專家架構(gòu)（Mixture-of-Experts, MoE，一種高效的神經(jīng)網(wǎng)絡(luò)架構(gòu)，僅激活模型中與任務(wù)最相關(guān)的部分以降低計(jì)算成本），使其在擁有百億級(jí)參數(shù)知識(shí)總量的同時(shí)，推理成本遠(yuǎn)低于同等規(guī)模模型，實(shí)現(xiàn)了“既強(qiáng)大，又好用”的目標(biāo)。

Genos具備百萬堿基對(duì)的超長(zhǎng)上下文分析能力和單堿基分辨率，在基因組元件識(shí)別、遠(yuǎn)程調(diào)控預(yù)測(cè)等多項(xiàng)經(jīng)典任務(wù)中表現(xiàn)全面超越現(xiàn)有最佳水平（SOTA）。尤其在直接面向臨床應(yīng)用的致病性突變解讀任務(wù)中，Genos實(shí)現(xiàn)了92%的準(zhǔn)確性，與之江實(shí)驗(yàn)室開發(fā)的021科學(xué)基礎(chǔ)模型（021 LSM）結(jié)合后，準(zhǔn)確率更是高達(dá)98.3%。為實(shí)現(xiàn)“共有、共為、共享”的核心理念，華大生命科學(xué)研究院宣布，Genos模型已全面、徹底地開源開放，同時(shí)提供12億參數(shù)和100億參數(shù)兩個(gè)版本，依據(jù)MIT開源協(xié)議公開發(fā)布在GitHub、Hugging Face等平臺(tái)。此外，該模型被深度整合進(jìn)DCS Cloud云平臺(tái)，提供免費(fèi)推理服務(wù)，極大地降低了基因組智能分析的門檻。

閱讀更多：

https://academic.oup.com/gigascience/advance-article/doi/10.1093/gigascience/giaf132/8296738

Meta AI部門“瘦身”600人：為追求“超級(jí)智能”揮刀砍向官僚主義

Meta正在對(duì)其人工智能部門進(jìn)行一次重大的組織重塑。據(jù) Axios 獲得的一份內(nèi)部備忘錄顯示，該公司正在其超級(jí)智能實(shí)驗(yàn)室裁減約 600 個(gè)職位，旨在解決其長(zhǎng)期人工智能工作中出現(xiàn)的過度官僚主義問題。此次裁員將影響 FAIR AI 研究（FAIR AI research，Meta 內(nèi)部的長(zhǎng)期人工智能研究部門）、產(chǎn)品相關(guān) AI 和 AI 基礎(chǔ)設(shè)施部門。Meta 首席人工智能官 Alexandr Wang 在備忘錄中解釋道，通過縮減團(tuán)隊(duì)規(guī)模，決策過程將更加精簡(jiǎn)，團(tuán)隊(duì)成員將承擔(dān)更大的責(zé)任和影響力，以創(chuàng)造更靈活的運(yùn)營(yíng)模式。首席執(zhí)行官 Mark Zuckerberg 幾個(gè)月前就對(duì)現(xiàn)有 AI 工作未能帶來突破或性能提升表示擔(dān)憂，這是導(dǎo)致此次重組的關(guān)鍵因素。盡管面臨裁員，Meta 鼓勵(lì)受影響的美國(guó)員工申請(qǐng)公司內(nèi)部的其他職位，并期望大多數(shù)人能在內(nèi)部找到新的崗位。

與裁員形成鮮明對(duì)比的是，Meta 正同步加速其新的戰(zhàn)略方向和人才招募。新成立的 TBD 實(shí)驗(yàn)室（TBD Lab，Meta 新成立的人工智能研究部門）在此次裁員中幸免，并且該公司正為其積極招聘頂尖人才，凸顯了 Meta 致力于邁向“超級(jí)智能”的決心。這次重組和 TBD 實(shí)驗(yàn)室的成立，恰逢 Meta 對(duì) Scale AI（一家數(shù)據(jù)標(biāo)注和模型訓(xùn)練公司）進(jìn)行了 150 億美元的投資，并聘請(qǐng)了 Alexandr Wang。在人才引進(jìn)方面，Meta 持續(xù)積極行動(dòng)，最近聘請(qǐng)了前 OpenAI 研究機(jī)構(gòu)的研究科學(xué)家 Ananya Kumar。此前，Meta 還成功招募了 Andrew Tulloch，他是 Thinking Machines 公司的聯(lián)合創(chuàng)始人之一。 Alexandr Wang 對(duì)公司正在訓(xùn)練的模型、計(jì)算計(jì)劃和構(gòu)建的產(chǎn)品表示興奮，并對(duì)實(shí)現(xiàn)超級(jí)智能的目標(biāo)充滿信心，證明此次組織調(diào)整是其長(zhǎng)期 AI 戰(zhàn)略的一部分。

閱讀更多：

https://www.axios.com/2025/10/22/meta-superintelligence-tbd-ai-reorg

AI 驅(qū)動(dòng)科學(xué)

Nature ：谷歌實(shí)現(xiàn)可驗(yàn)證的量子優(yōu)勢(shì)：量子回聲算法超越經(jīng)典超算

為解決量子計(jì)算結(jié)果難以驗(yàn)證且實(shí)用性不足的挑戰(zhàn)，由谷歌量子AI團(tuán)隊(duì)及其合作者（包括谷歌DeepMind、加州大學(xué)伯克利分校等，諾獎(jiǎng)得主Michel Devoret也參與其中）開發(fā)出一種可驗(yàn)證的量子算法，首次在硬件上實(shí)現(xiàn)了超越頂尖超級(jí)計(jì)算機(jī)的量子優(yōu)勢(shì)，為量子計(jì)算的實(shí)際應(yīng)用鋪平了道路。

研究團(tuán)隊(duì)在谷歌最新的Willow量子芯片上，運(yùn)行了一種名為量子回聲（Quantum Echoes）的新算法。該算法的核心是測(cè)量一種特殊的量子可觀測(cè)量——非時(shí)間序相關(guān)器（out-of-time-order correlator, OTOC），其過程類似一個(gè)精密的回聲實(shí)驗(yàn)：向系統(tǒng)發(fā)射信號(hào)，輕微擾動(dòng)一個(gè)量子比特，再精確地反轉(zhuǎn)演化過程以測(cè)量返回的“回聲”。這種方法利用了相長(zhǎng)干涉（constructive interference）效應(yīng)來放大信號(hào)，從而實(shí)現(xiàn)極高精度的測(cè)量。實(shí)驗(yàn)結(jié)果顯示，該算法在解決原子相互作用問題時(shí)，比目前最強(qiáng)的Frontier超級(jí)計(jì)算機(jī)快13000倍，將一項(xiàng)需要3.2年才能完成的計(jì)算縮短到了幾小時(shí)。更重要的是，這是量子計(jì)算機(jī)首次成功運(yùn)行可驗(yàn)證的算法，其結(jié)果是穩(wěn)定的量子期望值，可在其他同等量子計(jì)算機(jī)上重復(fù)驗(yàn)證，標(biāo)志著量子計(jì)算從理論優(yōu)勢(shì)邁向了實(shí)用和可靠。為進(jìn)一步確認(rèn)其準(zhǔn)確性，團(tuán)隊(duì)還模擬了分子結(jié)構(gòu)，結(jié)果與傳統(tǒng)的核磁共振（Nuclear Magnetic Resonance, NMR）數(shù)據(jù)高度一致。研究發(fā)表在 Nature 上。

閱讀更多：

Abanin, Dmitry A., et al. “Observation of Constructive Interference at the Edge of Quantum Ergodicity.” Nature, vol. 646, no. 8086, Oct. 2025, pp. 825–30. www.nature.com, https://doi.org/10.1038/s41586-025-09526-6

技術(shù)進(jìn)步的關(guān)鍵：通過文化創(chuàng)新分配認(rèn)知負(fù)荷

為何技術(shù)越先進(jìn)，操作卻可能越困難？針對(duì)技術(shù)復(fù)雜性常超出個(gè)人認(rèn)知極限并阻礙其發(fā)展的問題，斯坦福大學(xué)商學(xué)院的 Helena Miton 與芝加哥大學(xué)布斯管理學(xué)院的 Joshua Jackson 共同發(fā)表研究，提出了一個(gè)核心觀點(diǎn)：成功的技術(shù)演進(jìn)離不開能夠有效分配認(rèn)知負(fù)荷的文化創(chuàng)新。

?技術(shù)與認(rèn)知分布的協(xié)同進(jìn)化動(dòng)力學(xué)。Credit: Trends in Cognitive Sciences (2025).

研究團(tuán)隊(duì)通過分析“飛行堡壘”轟炸機(jī)因操作過于復(fù)雜而墜毀等歷史案例指出，技術(shù)的成功應(yīng)用受限于人類的認(rèn)知能力。為此，人類社會(huì)發(fā)展出了“認(rèn)知負(fù)荷分配”（cognitive load distribution）的策略，即將復(fù)雜的認(rèn)知任務(wù)分解，一部分外包給環(huán)境（認(rèn)知卸載，cognitive offloading），如使用待辦事項(xiàng)清單；另一部分則分散給不同的人，形成勞動(dòng)分工。然而，這種分配會(huì)帶來高昂的協(xié)調(diào)成本，協(xié)調(diào)失敗是許多重大工業(yè)災(zāi)難（如切爾諾貝利核事故）的根源。論文的核心論點(diǎn)是，為了在這種認(rèn)知負(fù)荷與協(xié)調(diào)成本之間取得平衡，人類社會(huì)在文化層面不斷創(chuàng)新。這些創(chuàng)新形式多樣，從簡(jiǎn)單的航空檢查清單、標(biāo)準(zhǔn)化的操作語言，到復(fù)雜的項(xiàng)目管理軟件和組織管理層級(jí)，其共同目標(biāo)是讓認(rèn)知分配過程更高效、更可靠。研究者認(rèn)為，這些文化創(chuàng)新與技術(shù)復(fù)雜性之間存在協(xié)同進(jìn)化關(guān)系——文化創(chuàng)新解決了現(xiàn)有技術(shù)的認(rèn)知瓶頸，從而為更復(fù)雜技術(shù)的誕生創(chuàng)造了條件。研究發(fā)表在 Trends in Cognitive Sciences 上。

閱讀更多：

Miton, Helena, and Joshua C. Jackson. “Complex Technology Requires Cultural Innovations for Distributing Cognition.” Trends in Cognitive Sciences, vol. 0, no. 0, Sept. 2025. www.cell.com, https://doi.org/10.1016/j.tics.2025.08.003

利用大模型預(yù)測(cè)交通事故：新AI框架提升評(píng)估可信度與決策干預(yù)

傳統(tǒng)交通事故預(yù)測(cè)模型因準(zhǔn)確性和可解釋性不足而面臨瓶頸。為解決這一難題，約翰霍普金斯大學(xué)的Hao "Frank" Yang及其研究團(tuán)隊(duì)開發(fā)了一個(gè)名為SafeTraffic Copilot的人工智能框架。該框架利用大型語言模型的強(qiáng)大能力，不僅能更準(zhǔn)確地預(yù)測(cè)事故風(fēng)險(xiǎn)，還能為交通安全決策提供可靠、可解釋的干預(yù)依據(jù)。

?SafeTraffic 事件數(shù)據(jù)集的構(gòu)建過程。Credit: Nature Communications (2025).

研究團(tuán)隊(duì)將交通事故預(yù)測(cè)重構(gòu)為一個(gè)基于文本的推理任務(wù)。首先，他們構(gòu)建了SafeTraffic Event數(shù)據(jù)集，將來自美國(guó)五個(gè)州的超過66,000起真實(shí)事故案例的多模態(tài)數(shù)據(jù)轉(zhuǎn)化為統(tǒng)一的文本格式。隨后，團(tuán)隊(duì)在此數(shù)據(jù)集上定制并微調(diào)了一個(gè)大型語言模型SafeTraffic LLM，使其能夠精準(zhǔn)預(yù)測(cè)事故類型、嚴(yán)重程度及受傷人數(shù)，其平均預(yù)測(cè)表現(xiàn)比現(xiàn)有方法提升了33.3%至45.8%。該框架的一大突破是引入了SafeTraffic Attribution歸因系統(tǒng)，它不僅能解釋模型決策的依據(jù)，還能進(jìn)行“假設(shè)”（what-if）分析，例如預(yù)測(cè)調(diào)整交通信號(hào)燈時(shí)長(zhǎng)對(duì)事故率的影響。研究發(fā)現(xiàn)，酒駕和魯莽駕駛是導(dǎo)致嚴(yán)重事故的最危險(xiǎn)因素，其風(fēng)險(xiǎn)是其他行為的三倍。SafeTraffic Copilot通過提供置信度分?jǐn)?shù)來解決AI的“黑箱”問題，增強(qiáng)了預(yù)測(cè)結(jié)果在實(shí)際應(yīng)用中的可信度。研究發(fā)表在 Nature Communications 上。

閱讀更多：

Zhao, Yang, et al. “SafeTraffic Copilot: Adapting Large Language Models for Trustworthy Traffic Safety Assessments and Decision Interventions.” Nature Communications, vol. 16, no. 1, Oct. 2025, p. 8846. www.nature.com, https://doi.org/10.1038/s41467-025-64574-w

新算法seismic揭示阿爾茨海默病與特定神經(jīng)元的遺傳關(guān)聯(lián)

阿爾茨海默病的遺傳基礎(chǔ)長(zhǎng)期存在一個(gè)謎團(tuán)：基因數(shù)據(jù)指向大腦的免疫細(xì)胞，而患者死亡的卻是記憶神經(jīng)元。萊斯大學(xué)與波士頓大學(xué)的Qiliang Lai和Vicky Yao等人開發(fā)了一款名為seismic的強(qiáng)大計(jì)算工具，該工具能夠精準(zhǔn)整合遺傳學(xué)和細(xì)胞生物學(xué)數(shù)據(jù)，首次從遺傳層面證實(shí)了阿爾茨海默病與特定記憶神經(jīng)元的直接關(guān)聯(lián)。

?識(shí)別細(xì)胞類型-性狀關(guān)聯(lián)的通用框架及地震學(xué)概述。Credit: Nature Communications (2025).

研究團(tuán)隊(duì)為解決阿爾茨海默病研究中的核心矛盾，開發(fā)了名為seismic的計(jì)算框架。該方法創(chuàng)新性地整合了兩種大規(guī)模生物數(shù)據(jù)：全基因組關(guān)聯(lián)研究和單細(xì)胞RNA測(cè)序。以往的方法常因依賴武斷的參數(shù)設(shè)置和忽略數(shù)據(jù)細(xì)節(jié)而難以得出可靠結(jié)論。seismic通過一種新的特異性評(píng)分算法，能夠更穩(wěn)健地識(shí)別出哪些細(xì)胞類型與特定的遺傳風(fēng)險(xiǎn)高度相關(guān)，并能進(jìn)一步 pinpoint 驅(qū)動(dòng)這種關(guān)聯(lián)的關(guān)鍵基因。研究團(tuán)隊(duì)?wèi)?yīng)用seismic分析阿爾茨海默病數(shù)據(jù)時(shí)發(fā)現(xiàn)，當(dāng)使用基于疾病生物標(biāo)志物（如腦脊液中的tau蛋白水平）的GWAS數(shù)據(jù)，而非寬泛的臨床診斷數(shù)據(jù)時(shí)，算法明確地將遺傳風(fēng)險(xiǎn)指向了脆弱的記憶形成神經(jīng)元，而不是傳統(tǒng)認(rèn)為的小膠質(zhì)細(xì)胞。這一發(fā)現(xiàn)不僅解決了長(zhǎng)期的科學(xué)爭(zhēng)論，也證明了在研究復(fù)雜疾病時(shí)，采用更精細(xì)的細(xì)胞分類和更精確的疾病指標(biāo)至關(guān)重要。研究發(fā)表在 Nature Communications 上。

閱讀更多：

Lai, Qiliang, et al. “Disentangling Associations between Complex Traits and Cell Types with Seismic.” Nature Communications, vol. 16, no. 1, Oct. 2025, p. 8744. www.nature.com, https://doi.org/10.1038/s41467-025-63753-z

作息越亂，心態(tài)越糟：日常節(jié)律是心理健康的關(guān)鍵指標(biāo)

隨著獨(dú)居成為一種普遍生活方式，其伴隨的心理健康問題日益受到關(guān)注。韓國(guó)科學(xué)技術(shù)院（KAIST）的Uichin Lee團(tuán)隊(duì)突破了傳統(tǒng)監(jiān)測(cè)方法的局限，通過一項(xiàng)試點(diǎn)研究證明，利用家庭物聯(lián)網(wǎng)（IoT）傳感器數(shù)據(jù)，可以有效揭示日常生活規(guī)律性與心理健康之間的密切聯(lián)系，為開發(fā)個(gè)性化遠(yuǎn)程心理健康護(hù)理系統(tǒng)提供了新思路。

?不規(guī)律性高組（紅色）和不規(guī)律性低組（藍(lán)色）平均心理健康狀況比較。Credit: Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies (2025).

研究團(tuán)隊(duì)對(duì)20個(gè)年輕的單人家庭進(jìn)行了為期四周的追蹤研究，在他們家中部署了包括智能家電、睡眠墊和運(yùn)動(dòng)傳感器在內(nèi)的多種物聯(lián)網(wǎng)設(shè)備，并結(jié)合了智能手機(jī)與可穿戴設(shè)備的數(shù)據(jù)。分析結(jié)果明確指出，日常生活節(jié)奏的規(guī)律性是影響心理健康的核心因素，其重要性甚至超過了某些特定行為的頻率。當(dāng)個(gè)體的日常作息變得不規(guī)律時(shí)，其心理健康狀況普遍隨之惡化。研究還發(fā)現(xiàn)了一些具體的關(guān)聯(lián)，例如，睡眠時(shí)間的減少與更高水平的抑郁、焦慮和壓力直接相關(guān)，而室內(nèi)活動(dòng)量的銳減或冰箱使用頻率的異常增加，則可能分別反映出個(gè)體在壓力下的“嗜睡”或“暴飲暴食”傾向。有趣的是，當(dāng)參與者通過可視化工具回顧自己的數(shù)據(jù)時(shí)，他們普遍認(rèn)為這有助于自我洞察，對(duì)隱私的擔(dān)憂也隨之降低。研究發(fā)表在 Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies 上。

閱讀更多：

Koh, Youngji, et al. “Harnessing Home IoT for Self-Tracking Emotional Wellbeing: Behavioral Patterns, Self-Reflection, and Privacy Concerns.” Proc. ACM Interact. Mob. Wearable Ubiquitous Technol., vol. 9, no. 3, Sept. 2025, p. 96:1-96:36. ACM Digital Library, https://doi.org/10.1145/3749485

電化學(xué)新方法有望實(shí)現(xiàn)電池快充并延長(zhǎng)壽命

如何讓電池充電更快、壽命更長(zhǎng)是能源技術(shù)的核心挑戰(zhàn)。沙迦大學(xué)的 Anis Allagui 及其合作者針對(duì)這一問題，通過研究混合離子電子導(dǎo)體（MIECs）的充電機(jī)制，開發(fā)出一種新的電化學(xué)分析方法，為設(shè)計(jì)性能更優(yōu)的儲(chǔ)能設(shè)備提供了堅(jiān)實(shí)的理論與實(shí)驗(yàn)基礎(chǔ)。

?厚度為 L 的薄膜電化學(xué)插入示意圖。b) 用于測(cè)量 MIEC-電解質(zhì)體系的實(shí)驗(yàn)裝置。Credit: Advanced Materials (2025).

研究團(tuán)隊(duì)致力于解決混合離子電子導(dǎo)體（MIECs，一類對(duì)下一代電池和生物電子設(shè)備至關(guān)重要的材料）中復(fù)雜的電荷傳輸問題。他們創(chuàng)新性地將頻域分析工具電化學(xué)阻抗譜（Electrochemical Impedance Spectroscopy, EIS）與時(shí)域分析工具計(jì)時(shí)電流法（chronoamperometry）相結(jié)合，以全面表征材料的充電動(dòng)態(tài)。研究的核心是應(yīng)用了分?jǐn)?shù)擴(kuò)散模型（fractional diffusion models），該理論能更好地描述許多復(fù)雜材料中普遍存在的、傳統(tǒng)模型難以解釋的異常擴(kuò)散現(xiàn)象。研究人員在三種代表性材料（PEDOT:PSS、三氧化鎢（WO3）和n-PBDF聚合物薄膜）上驗(yàn)證了他們的方法。結(jié)果顯示，該模型不僅成功建立了頻域阻抗和時(shí)域電流之間的精確定量關(guān)系，還準(zhǔn)確預(yù)測(cè)了材料的性能，例如，更薄的薄膜展現(xiàn)出更快的充放電行為。這一框架為優(yōu)化電化學(xué)設(shè)備提供了明確的設(shè)計(jì)原則，有望推動(dòng)開發(fā)充電更快、能量密度更高、壽命更長(zhǎng)的下一代電池。研究發(fā)表在 Advanced Materials 上。

閱讀更多：

Zhang, Heyi, et al. Transient Charging of Mixed Ionic‐Electronic Conductors by Anomalous Diffusion. advanced.onlinelibrary.wiley.com, https://doi.org/10.1002/adma.202507739. Accessed 23 Oct. 2025

整理｜ChatGPT

編輯｜丹雀、存源

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。如果您有進(jìn)一步想要討論的內(nèi)容，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)。

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。