█ 腦科學動態(tài)

蛋白質快速折疊之謎：過渡路徑僅需微秒，且與大小無關

被忽視的大腦皮層第6b層可能是注意力的“總控開關”

大腦是量子時鐘？新理論稱神經微管是驅動意識的“分形時間晶體”

大腦如何繪制情緒地圖

聚焦超聲可“預熱”大腦，其通過亞閾值調節(jié)增強大腦反應

獎勵間隔而非次數決定學習速度

實時光遺傳學揭示果蠅通過社交學習調整求偶行為

同一種酶如何導致血管滲漏或自我修復

結合七千根電極與大模型，繪制人類語言發(fā)育的神經軌跡

█ AI行業(yè)動態(tài)

腦科學與類腦研究入列“十五五”重大工程

寫入視覺信號的時代來了：盲人導航將成現實

Tether押注神經健康生態(tài)：從腦機接口到智能睡眠的“隱私計算”版圖

快排算法之父Tony Hoare逝世

█ AI驅動科學

精選數據庫讓AI在專業(yè)學術文獻問答中脫穎而出

從39%到96%：結構化糾錯激發(fā)大語言模型未知潛能

觸覺堪比人手：新型3D打印機械手輕松拿捏薯片與覆盆子

人工智能天氣預報模型顯著降低整體能耗與碳足跡

新型圖卷積網絡，精準解析腦機接口中的時空異質性信號

腦科學動態(tài)

蛋白質快速折疊之謎：過渡路徑僅需微秒，且與大小無關

蛋白質如何從一條無序的氨基酸長鏈瞬間折疊成具有特定功能的三維結構？這一生命科學的核心謎題長期以來因技術限制而難以解答。由Chi-Jui Feng、Ulrich Baxa、John M. Louis和Hoi Sung Chung等研究人員組成的團隊，利用尖端技術首次直接測量了這一過程的速度，發(fā)現其核心轉變僅需百萬分之幾秒，并且這一速度與蛋白質的大小無關。

研究團隊采用了一種創(chuàng)新的納米光子學增強的單分子熒光光譜技術。他們將熒光染料標記在氨基酸鏈的兩端，通過追蹤蛋白質折疊時染料靠近所產生的熒光共振能量轉移信號，來捕捉折疊的動態(tài)過程。為了探測這一極其微弱且短暫的信號，他們利用零模波導進行信號放大。研究結果令人震撼：八種不同蛋白質的折疊過渡路徑時間（Transition-Path Time，即跨越能量壁壘的核心折疊階段）僅在0.7至4微秒之間。更出人意料的是，研究發(fā)現蛋白質的折疊速度與其長度和大小無關。團隊運用能量景觀（Energy Landscape，描述蛋白質所有可能構象及其對應能量的理論模型）理論解釋了這一現象：較大的蛋白質在折疊時能形成更多協同的內部相互作用，這使得其能量路徑更為平滑，從而更高效地“滑”向最終的折疊狀態(tài)。研究發(fā)表在 Physical Review Letters 上。

#疾病與健康 #跨學科整合 #蛋白質折疊 #單分子技術

閱讀更多：

Feng, Chi-Jui, et al. “Cooperative Native Contact Formation Facilitates Free Energy Barrier Crossing in Protein Folding.” Physical Review Letters, vol. 136, no. 10, Mar. 2026, p. 108401. APS, https://doi.org/10.1103/2q9m-4scc

被忽視的大腦皮層第6b層可能是注意力的“總控開關”

我們如何集中注意力？其背后的精確神經調控機制一直是未解之謎。Timothy A. Zolnik等人通過整合現有研究，提出了一個全新的“第6b層注意力理論”（L6b Attention Theory, LAT）。該理論認為，長期被忽視的大腦皮層最深層（第6b層），可能是調控注意力的“總控開關”，為理解認知與相關精神疾病提供了關鍵的新視角。

該理論指出，注意力的實現依賴于皮層第5層（L5）與高階丘腦之間形成的反饋回路，即皮層-丘腦-皮層環(huán)路（CTC loops）。然而，調控這些環(huán)路的精確機制尚不明確。研究者提出，位于皮層最深處的第6b層（L6b）神經元正是這一缺失的關鍵環(huán)節(jié)。L6b神經元能夠特異性地靶向CTC環(huán)路中的兩大核心組件——L5錐體神經元和高階丘腦神經元。它們如同一個整合中樞，匯集了來自上層皮層的快速指令和來自腦干、與覺醒狀態(tài)相關的神經調質信號。通過釋放谷氨酸，L6b能以毫秒級的速度精確地開啟或關閉特定的CTC環(huán)路，其作用遠比彌散且緩慢的神經調質或間接的皮層反饋更為高效。這種精準的時空調控能力，完美解釋了注意力為何既能長時間保持穩(wěn)定，又能瞬間靈活切換。此外，該理論還推斷，L6b環(huán)路的功能異常可能是導致注意缺陷多動障礙、精神分裂癥等多種神經精神疾病中注意力缺陷和丘腦皮層節(jié)律異常的核心原因。研究發(fā)表在 Neuron 上。

#神經科學 #神經機制與腦功能解析 #注意力 #皮層丘腦環(huán)路

閱讀更多：

Zolnik, Timothy A., et al. “The Layer 6b Theory of Attention.” Neuron, vol. 114, no. 4, Feb. 2026, pp. 565–82. www.cell.com, https://doi.org/10.1016/j.neuron.2025.11.024

大腦是量子時鐘？新理論稱神經微管是驅動意識的“分形時間晶體”

意識的物理本質是什么？針對傳統(tǒng)神經計算模型難以解釋主觀體驗的困境，亞利桑那大學的Stuart Hameroff、Dante S. Lauretta與日本國立材料科學研究所的Anirban Bandyopadhyay提出了一項顛覆性理論，認為神經元內的微管是“分形時間晶體”，其多尺度的量子振蕩行為可能是意識產生的基礎，為備受爭議的“協調客觀還原”（Orch OR）理論提供了關鍵的物理支撐。

該研究將物理學中“時間晶體”（time crystal，一種在時間維度上呈現周期性重復的物質狀態(tài)）的概念引入生物學，指出微管表現出一種“時鐘嵌套時鐘”的分形振蕩模式，頻率覆蓋從千赫茲（kHz）到太赫茲（THz）的廣闊范圍。研究人員將這種復雜的動力學行為歸因于微管內部四個不同的子系統(tǒng)：微管蛋白C-末端的擺動（千赫茲）、整個蛋白質晶格的振動即聲子（兆赫茲）、微管中空核心內有序水分子的振蕩（吉赫茲），以及芳香族氨基酸環(huán)內的π電子躍遷（太赫茲）。根據Orch OR理論，正是這些協調一致的量子振蕩，通過一系列被稱為客觀還原（objective reduction，即量子態(tài)坍縮）的過程，產生了我們體驗到的連續(xù)意識流。尤為關鍵的是，該模型預測的兆赫茲頻段振蕩與一項經驗證據相符：一種可從頭皮檢測到的高頻腦信號，它會在全身麻醉狀態(tài)下被顯著抑制，這直接將微管的量子活動與意識的存在與否聯系起來。研究發(fā)表在 Journal of Consciousness Studies 上。

#意識與腦機接口 #神經機制與腦功能解析 #量子生物學 #微管

閱讀更多：

Hameroff, Stuart, et al. “Microtubules Are ‘Fractal Time Crystals’: Implications for Life and Consciousness.” Journal of Consciousness Studies, vol. 33, nos. 1–2, Feb. 2026, pp. 211–47. IngentaConnect, https://doi.org/10.53765/20512201.33.1.211

大腦如何繪制情緒地圖：海馬體和前額葉皮層協同構建情緒的二維空間

人類如何在大腦中構建復雜情緒的“認知地圖”？這一問題長期以來缺乏清晰的神經機制解釋。埃默里大學的Yumeng Ma與Philip A. Kragel團隊，通過結合人腦成像、模式識別及人工智能模擬，發(fā)現海馬體-前額葉皮層環(huán)路支持著情緒知識的結構化表征，為理解情緒的主觀體驗提供了客觀的神經基礎。

? 圖示展示了人工智能體可以在其中“行走”并根據其在圖上的移動位置預測自身經歷的環(huán)境。Credit: ECCO Lab / Emory University

研究團隊首先分析了參與者觀看情緒化電影片段時的功能性磁共振成像數據。他們發(fā)現，大腦中兩個關鍵區(qū)域存在明確分工：海馬體負責以層級化的方式表征情緒概念本身，從概括性的“好”或“壞”到更精細具體的概念，如同在地圖上標記不同的“地點”。而腹內側前額葉皮層則更擅長追蹤這些情緒概念在由愉悅度和喚醒度構成的二維情感空間中的相對位置和關系，就像繪制地圖上的“坐標網絡”。為了進一步驗證這一發(fā)現，研究人員使用了一個名為托爾曼-艾肯鮑姆機的人工智能模型。該模型通過模擬智能體在抽象情緒環(huán)境中學習，其形成的內部表征與真實的人腦活動和情緒報告高度一致，為情緒的“地圖理論”提供了有力的計算證據。該發(fā)現不僅揭示了大腦組織抽象知識的通用機制，也為理解抑郁癥等精神疾病中情緒表征異常提供了新視角。研究發(fā)表在 Nature Communications 上。

#神經科學 #神經機制與腦功能解析 #計算模型與人工智能模擬 #情緒

閱讀更多：

Ma, Yumeng, and Philip A. Kragel. “Map-like Representations of Emotion Knowledge in Hippocampal-Prefrontal Systems.” Nature Communications, vol. 17, no. 1, Jan. 2026, p. 1518. www.nature.com, https://doi.org/10.1038/s41467-025-68240-z

聚焦超聲可“預熱”大腦：其通過亞閾值調節(jié)增強大腦反應

聚焦超聲（tFUS）作為一種精準的無創(chuàng)腦刺激技術，其在人腦中的真實作用機制尚不明確，以往研究結果相互矛盾�？▋然仿〈髮W的Bin He、Joshua Kosnoff等研究人員，通過結合腦電圖記錄和一種創(chuàng)新的刺激方法，首次清晰地揭示了聚焦超聲能溫和地“預熱”大腦皮層，使其對其他刺激更敏感，而非直接激活神經元。

? A) 該實驗包括對閉眼靜息狀態(tài)下的受試者施加神經調控。B) 提供了每種實驗條件下的實驗裝置示意圖，其中 tDCS 電極和超聲換能器相對于 EEG 電極的位置已標明。C) 提供了一張自由水超聲掃描圖，以展示其 5 毫米全寬半峰（-6 dB）的空間特異性。D) 實驗中，每兩秒脈沖一次 500 kHz 基頻（f0）的超聲，并額外施加高達 20%的隨機抖動，共進行 200 次試驗。Credit: Nature Communications (2026).

為厘清聚焦超聲的真實效果，研究團隊對27名健康參與者進行了靜息態(tài)實驗，并采用全腦腦電圖直接測量大腦電活動，以規(guī)避其他成像技術的潛在干擾。他們比較了單獨使用低強度經顱聚焦超聲（tFUS）、單獨使用經顱直流電刺激以及將二者結合的創(chuàng)新方法——經顱電聲刺激（tEAS）的效果。實驗結果表明，無論是tFUS還是tDCS，單獨使用時均未能引起目標腦區(qū)產生明確的、定位精準的激活。然而，當兩者結合時，卻在目標區(qū)域產生了強烈的特異性神經活動。這一發(fā)現強有力地證明，聚焦超聲的作用是一種亞閾值調節(jié)，它本身不足以直接觸發(fā)神經元放電，但能精準地“預熱”特定腦區(qū)，提升其興奮性，從而對后續(xù)的電刺激產生更強的響應。該結論也得到了團隊構建的計算機模型的支持。研究發(fā)表在 Nature Communications 上。

#疾病與健康 #神經調控 #聚焦超聲 #無創(chuàng)腦刺激

閱讀更多：

Kosnoff, Joshua, et al. “Transcranial Focused Ultrasound Induces Source Localizable Cortical Activation in Resting State Humans When Applied Concurrently with Transcranial Electric Stimulation.” Nature Communications, vol. 17, no. 1, Mar. 2026, p. 2023. www.nature.com, https://doi.org/10.1038/s41467-026-69853-8

獎勵間隔而非次數決定學習速度

我們如何高效學習？一個普遍的觀念是練習次數越多越好。然而，來自加州大學舊金山分校和加州大學伯克利分校的Vijay Mohan K. Namboodiri、Dennis A. Burke等人通過小鼠研究挑戰(zhàn)了這一假設，他們發(fā)現決定學習效果的關鍵是獎勵之間的時間間隔，而非獎勵次數。

? 學習率會隨著試驗間隔的增大而增加，但并非成比例增加。Credit: Nature Neuroscience (2026).

研究團隊采用了經典的巴甫洛夫條件反射范式，將特定的聲音與糖水獎勵配對。他們發(fā)現在一個固定的總時長內，無論小鼠經歷了少數幾次間隔較長的獎勵，還是上百次間隔緊密的獎勵，最終的學習效果并無差異。這一發(fā)現揭示了一個簡單的數學法則：單次學習的效率與獎勵之間的平均時間間隔成正比。為了探究其神經機制，研究人員監(jiān)測了大腦獎勵中樞——伏隔核內的多巴胺信號。結果顯示，多巴胺信號的變化同樣遵循這個時間法則，其對線索的響應變化率取決于獎勵間隔，而非獎勵次數。這一成果不僅為“間隔學習”比“填鴨式學習”更有效提供了堅實的神經生物學證據，也可能重塑我們對學習、決策甚至成癮機制的理解。研究發(fā)表在 Nature Neuroscience 上。

#神經科學 #神經機制與腦功能解析 #學習與記憶 #多巴胺

閱讀更多：

Burke, Dennis A., et al. “Duration between Rewards Controls the Rate of Behavioral and Dopaminergic Learning.” Nature Neuroscience, Feb. 2026, pp. 1–15. www.nature.com, https://doi.org/10.1038/s41593-026-02206-2

實時光遺傳學揭示果蠅通過社交學習調整求偶行為

動物如何從社交經驗中學習并調整其天生行為？來自哥廷根大學醫(yī)學中心歐洲神經科學研究所的 Frederic A. Roemschied 與普林斯頓大學的 Mala Murthy 等研究人員，通過實時調控果蠅的社交互動，證明了雄性果蠅能夠進行“使用學習”，根據雌性的反饋靈活調整其天生的求偶策略，這一發(fā)現為理解社交信息處理的神經機制提供了新視角。

? 研究人員拍攝了成對果蠅（橙色：雄性，藍色：雌性）求偶的過程，并利用人工智能實時分析它們的行為。人工智能不僅能識別果蠅的性別，還能識別頭部、眼睛、腿和翅膀等身體部位。Credit: umg/frederic r?mschied

研究團隊采用了一種結合人工智能和光遺傳學的“閉環(huán)光遺傳學”前沿技術。在實驗中，當雄性果蠅向雌性振動翅膀“唱歌”時，AI系統(tǒng)能實時識別這一行為，并立刻用LED光線激活雌性體內經過基因改造的“月球漫步者”神經元（“moonwalker” nerve cells，控制后退行為的神經元），導致雌性做出非典型的后退反應。這為雄性果蠅創(chuàng)造了一種“另類社交現實”，即它的歌聲總會引起對方后退。結果顯示，在經歷了這種反常的互動后，當雄性果蠅與一只全新的、未經改造的雌性求偶時，它顯著改變了自己唱歌的方式和時機。這種現象被稱為“使用學習”（usage learning），即生物體在新的情境下改變其天生行為的使用方式。該研究表明，即使是根深蒂固的本能行為也具有可塑性，并能通過后天經驗進行調整。研究發(fā)表在 Current Biology 上。

#神經科學 #神經機制與腦功能解析 #社會學習 #行為可塑性

閱讀更多：

Roemschied, Frederic A., et al. “Recent Social Experience Alters Song Behavior in Drosophila.” Current Biology, vol. 0, no. 0, Mar. 2026. www.cell.com, https://doi.org/10.1016/j.cub.2026.02.003

同一種酶如何導致血管滲漏或自我修復

血管表面的單一受體蛋白為何會根據不同激活酶引發(fā)炎癥或保護這兩種截然相反的反應？加州大學圣地亞哥分校的Monica L. Gonzalez Ramirez、Irina Kufareva、JoAnn Trejo團隊發(fā)現，這種雙重反應實際上均由同一種中間酶調控，但最終結果取決于該酶在細胞內的具體空間位置，這一發(fā)現揭示了血管保護與炎癥的分子切換機制。

? 此圖展示了 PAR1 觸發(fā)的兩種不同反應。PAR1 在凝血酶激活時（左圖）可引發(fā)炎癥反應，在 APC 激活時（右圖）則可發(fā)揮保護作用。GRK5 和β-arrestin2 在這些過程中均發(fā)揮關鍵作用，但作用方式因激活因子而異。Credit: UC San Diego Health Sciences

研究團隊結合了細胞生化實驗與人工智能預測技術來解析這一機制。他們首先利用高精度的人工智能蛋白質結構預測模型構建了未激活、凝血酶（thrombin，一種引起炎癥和血管滲漏的酶）激活和活化蛋白C（activated protein C，一種能抵御炎癥的保護性酶）激活狀態(tài)下蛋白酶激活受體-1（protease-activated receptor-1，一種負責維持血管結構完整性的細胞表面受體蛋白）的三維結構。模型顯示，受體外部被不同酶切割會產生不同的內部構象。隨后，研究人員在人類內皮細胞中利用小干擾RNA（small interfering RNA，一種用于特異性降低目標基因表達的核酸分子）敲低特定激酶，發(fā)現這兩種酶誘導的信號傳導都依賴于同一種G蛋白偶聯受體激酶5（G protein-coupled receptor kinase 5，一種負責調節(jié)受體信號傳導的細胞內激酶）。實驗數據表明，當該激酶錨定在細胞質膜上時，活化蛋白C激活的受體會觸發(fā)細胞保護性反應；而當該激酶存在于細胞質中時，凝血酶激活的受體則會引發(fā)有害的炎癥反應。研究發(fā)表在 Cell Reports 上。

#疾病與健康 #預測模型構建 #受體偏向性信號 #血管炎癥 #結構生物學

閱讀更多：

Ramirez, Monica L. Gonzalez, et al. “Signaling Bias of the Protease-Activated Receptor-1 Is Dictated by Distinct GRK5 and β-Arrestin-2 Determinants.” Cell Reports, vol. 45, no. 3, Mar. 2026. www.cell.com, https://doi.org/10.1016/j.celrep.2026.117041

結合七千根電極與大模型，繪制人類語言發(fā)育的神經軌跡

兒童僅憑少量詞匯就能習得語言，但其背后的神經機制一直未被完全揭示。Meta AI與巴黎羅斯柴爾德基金會醫(yī)院的Linnea Evanson和Jean-Rémi King團隊，結合顱內電極記錄與人工智能技術，成功繪制出語言特征在人類大腦中隨年齡成熟的演變軌跡。

為了探究語言能力是如何在發(fā)育大腦中成型的，研究團隊收集了46名2至46歲參與者的立體定向腦電圖（stereotactic EEG，一種通過植入大腦深處的電極直接記錄神經活動的腦電記錄技術）數據。參與者在實驗中聆聽了有聲讀物小王子，研究人員借此獲取了超過7400個電極的神經響應。團隊利用源自語言學理論和大型語言模型的特征，訓練了神經編碼與解碼模型，以此映射語言層級在腦皮層中的位置與動態(tài)。結果表明，即使在2至5歲的幼兒群體中，大腦皮層也能穩(wěn)健地表征多種語言特征。最年輕個體的顳上回已經具備快速的語音特征處理能力，而較慢的詞匯級表征則只在年長者的聯絡皮層中逐漸顯現。令人矚目的是，這種神經發(fā)育軌跡能被大型語言模型自發(fā)捕捉，進一步證實了現代人工智能系統(tǒng)是建模語言習得神經基礎的理想工具。

#AI驅動科學 #神經機制與腦功能解析 #語言習得 #大型語言模型 #顱內腦電圖

閱讀更多：

Evanson, Linnea, et al. “Emergence of Language in the Developing Brain.” arXiv:2512.05718, arXiv, 5 Dec. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2512.05718

AI 行業(yè)動態(tài)

腦科學與類腦研究入列“十五五”重大工程

在剛剛揭曉的“十五五”規(guī)劃綱要草案中，“腦機接口、腦科學與類腦研究”被正式列入109項重大工程項目，歸屬于“引領新質生產力發(fā)展”領域的“前沿科技攻關”方向。這一決策標志著中國將腦科學與類腦智能提升至國家戰(zhàn)略層面，與人工智能、量子科技等并列，成為未來五年重點突破的科技前沿。腦機接口技術有望在醫(yī)療康復、人機交互等領域帶來革命性變化；而腦科學與類腦研究則致力于破解大腦工作原理，并為人工智能的發(fā)展提供新的計算范式。

此次入選國家規(guī)劃，意味著相關領域將獲得從國家實驗室體系到重大科技基礎設施的全鏈條支持。這不僅將加速腦疾病診療技術、腦機融合系統(tǒng)等的研發(fā)應用，也將推動類腦芯片、新型計算模型等顛覆性技術的突破。從高端醫(yī)療器械到新一代人工智能產業(yè)，都有望迎來新的增長極。

#腦機接口 #腦科學 #類腦研究 #十五五規(guī)劃 #新質生產力

閱讀更多：

https://www.ndrc.gov.cn/fzggw/wld/zb/zyhd/202603/t20260309_1404067.html

寫入視覺信號的時代來了：盲人導航將成現實

重度盲癥的治療迎來里程碑式突破。比利時神經科技初創(chuàng)公司ReVision Implant近日宣布，其研發(fā)的視覺皮層假體系統(tǒng)Occular正式獲得美國食品藥品監(jiān)督管理局授予的“突破性醫(yī)療器械”認定。這一認定不僅意味著該設備將進入快速審批通道，更標志著腦機接口技術在感覺修復領域邁出了從實驗室走向臨床應用的關鍵一步。長期以來，傳統(tǒng)視網膜植入物受限于患者眼球和視神經必須保持一定功能，對于晚期青光眼、視神經嚴重損傷等患者束手無策。而Occular系統(tǒng)則徹底繞過受損的眼球與視神經，通過植入大腦視覺皮層的微電極陣列，將外部攝像頭捕捉的畫面轉化為電脈沖，直接刺激神經元產生光幻視（Phosphenes，即電刺激視覺皮層時患者感受到的閃光點），從而幫助盲人識別障礙物、實現空間導航，重塑“功能性視覺”。

作為一家總部位于比利時的神經科技新銳，ReVision Implant在聯合創(chuàng)始人兼首席執(zhí)行官Frederik Ceyssens的帶領下，采取了穩(wěn)健的研發(fā)策略。在獲得FDA認定前，公司已通過為期兩年以上的動物實驗，驗證了高密度微電極的長期生物相容性與安全性。根據其規(guī)劃，公司將于2026年10月在一次常規(guī)腦部手術中進行短暫的術中測試以獲取初步人體反饋，并力爭在2027年夏季啟動首次人體臨床試驗（FIH）。從行業(yè)格局看，這標志著腦機接口正從“運動輸出型”（如控制鼠標）向“感覺輸入型”（如寫入視覺信號）跨越。盡管該領域還面臨電極長期植入引發(fā)的免疫反應、視覺分辨率提升等技術挑戰(zhàn)，且面臨著馬斯克旗下Neuralink的Blindsight等同類項目的競爭，但Occular系統(tǒng)的進展無疑為全球數千萬盲人患者帶來了前所未有的希望。

#視覺腦機接口 #FDA突破性認定 #人工視覺 #神經修復 #ReVisionImplant

閱讀更多：

https://www.medicaldevice-network.com/news/revision-implant-eyes-fih-trial-for-bci-following-fda-breakthrough-designation/

Tether押注神經健康生態(tài)：從腦機接口到智能睡眠的“隱私計算”版圖

全球穩(wěn)定幣巨頭Tether正加速將其超百億美元的年度利潤轉化為前沿科技領域的戰(zhàn)略投資。近日，公司向睡眠科技公司Eight Sleep注資5000萬美元，推動后者估值達15億美元，旨在利用其自研的QVAC計算架構，構建一個基于“邊緣AI”的高隱私健康智能生態(tài)。這一動作延續(xù)了Tether在2024年控股腦機接口先驅Blackrock Neurotech的戰(zhàn)略邏輯，試圖打通從中樞神經信號讀取到外周生理穩(wěn)態(tài)調節(jié)的數據閉環(huán)，為精準醫(yī)療和神經康復鋪設家庭級應用的基礎。

此次合作的核心在于技術架構的革新。Eight Sleep的旗艦產品“Pod”通過內置生物傳感器陣列實時追蹤心率、體溫、睡眠時相等數據，而引入QVAC架構后，這些敏感生理信息將直接在用戶終端進行加密和分析，無需上傳至云端。這種“設備端AI”模式不僅保障了數據主權，也為未來整合更敏感的神經數據鋪平了道路。結合Tether在腦機接口領域的布局，一個更具想象力的前景浮出水面：未來系統(tǒng)或能同時監(jiān)測腦電活動與生理體征，并在檢測到異常時通過物理環(huán)境干預進行非侵入式神經調節(jié)。從大腦皮層到全身生理，Tether正試圖通過連貫的資本與技術布局，將神經科學研究引入真實的家庭生活場景，開啟“家庭級神經健康管理”的新可能。

#Tether #EightSleep #邊緣AI #腦機接口 #神經科技

閱讀更多：

https://coinlaw.io/tether-eight-sleep-ai-health-tech-investment/

快排算法之父Tony Hoare逝世

計算機科學界的巨擘、1980年圖靈獎得主托尼·霍爾（Tony Hoare）近日離世，享年92歲。他發(fā)明的快速排序（Quicksort）算法是世上應用最廣泛的排序算法之一，被集成于C、Java、Python等幾乎所有主流編程語言的標準庫中，成為無數軟件與數據庫系統(tǒng)的性能基石。霍爾的研究生涯遠不止于此，他還提出了用于驗證程序正確性的霍爾邏輯（Hoare Logic），以及深刻影響了Go語言并發(fā)設計的通信順序進程（CSP，Communicating Sequential Processes）模型。鮮為人知的是，這位泰斗最初在牛津大學研習古典學（拉丁語、希臘語與哲學），后因學習俄語及對機器翻譯的興趣，才在莫斯科國立大學訪學期間萌生了快速排序的創(chuàng)意，這段跨學科經歷為他日后用數學方法嚴謹思考程序邏輯奠定了基礎。

霍爾的職業(yè)生涯在工業(yè)界與學術界間交替閃光。他在Elliott Brothers公司領導了首個商用ALGOL 60編譯器開發(fā)，這段經歷讓他深刻認識到編程語言設計的關鍵性。1968年轉入學術界后，他先后任教于貝爾法斯特女王大學和牛津大學，并在微軟劍橋研究院繼續(xù)研究直至晚年�；魻栕钐拐\的反思，莫過于他承認1965年在ALGOL W語言中引入的空引用（Null Reference）是個“十億美元的錯誤”——這個為表示“變量無值”而生的簡單設計，被Java、C++等語言廣泛采納，數十年來導致了無數因空指針異常（NullPointerException）引發(fā)的系統(tǒng)崩潰與安全漏洞，成為軟件界代價最沉重的教訓之一。他的一生印證了其核心理念：軟件的簡潔與優(yōu)雅，必須始終保持在人類智識可控的范圍之內。

#TonyHoare #快速排序 #圖靈獎 #霍爾邏輯 #CSP模型

閱讀更多：

https://blog.computationalcomplexity.org/2026/03/tony-hoare-1934-2026.html?m=1

AI 驅動科學

精選數據庫讓AI在專業(yè)學術文獻問答中脫穎而出

如何準確評估人工智能在專業(yè)領域閱讀科學文獻的真實能力？康奈爾大學和谷歌的 Haoyu Guo、Eun-Ah Kim 等研究人員，針對大型語言模型能否像科學家一樣處理高溫超導領域的復雜文獻這一問題展開測試，發(fā)現提供精選數據的檢索增強系統(tǒng)表現最佳，但所有系統(tǒng)在圖表視覺推理上均存在明顯短板。

研究團隊邀請了12位該領域的物理學專家，建立了一個包含1726篇關于高溫銅氧化物超導體實驗歷史的精選數據庫，并設計了67個極具深度的專業(yè)問題。專家們在盲測條件下，對六款不同人工智能系統(tǒng)給出的答案進行了人工評分，評估指標包括多視角的平衡性、事實的全面性以及證據支持度等。研究結果顯示，基于精選可信數據源運行的檢索增強生成定制系統(tǒng)和NotebookLM表現最為優(yōu)異，在提供全面且有理有據的答案方面超越了普通的封閉模型。然而研究也暴露出當前技術的一個關鍵缺陷，即這些模型雖然極其擅長提取純文本信息，但在處理數據可視化和圖表推理時卻顯得無能為力。具備直接從文獻中提取圖像獨特能力的定制系統(tǒng)在圖表處理方面的表現明顯更勝一籌。研究表明，未來的人工智能開發(fā)亟需改善對圖表的理解力，并提高對科學主張歸因的準確性。研究發(fā)表在 PNAS 上。

#AI驅動科學 #大模型技術 #自動化科研 #檢索增強生成 #文獻解析

閱讀更多：

Guo, Haoyu, et al. “Expert Evaluation of LLM World Models: A High-Tc Superconductivity Case Study.” Proceedings of the National Academy of Sciences, vol. 123, no. 11, Mar. 2026, p. e2533676123. www.pnas.org, https://doi.org/10.1073/pnas.2533676123

從39%到96%：結構化糾錯激發(fā)大語言模型未知潛能

針對人工智能在數據稀缺領域表現不佳的問題，南加州大學的Minda Li與Bhaskar Krishnamachari開展了深入測試，結果證實只需應用合適的反饋方法，大型語言模型即可在幾乎未曾受訓的低資源環(huán)境中實現代碼編寫性能的巨大飛躍。

研究人員測試了GPT-5在使用Idris編寫代碼時的能力。首先在零樣本提示下，模型在56道編程練習中僅解決22道，成功率為39%。為了提升表現，團隊嘗試了為模型提供文檔和錯誤手冊，但效果非常有限。隨后他們引入了編譯器反饋循環(huán)（compiler feedback loop，即將代碼翻譯程序輸出的帶有技術細節(jié)的具體報錯信息直接返還給模型，指導其逐步修正錯誤的迭代機制）。在該機制下，模型針對每個問題最多可重試20次。實驗表明，單純依靠這種結構化的錯誤引導，GPT-5成功解決了54個問題，成功率飆升至96%。這證實了即便面對依賴類型函數式編程語言（dependently typed functional programming language，一種不僅關注數據類型更關注其具體值的嚴謹且冷門的小眾語言），大語言模型也能通過有效的推理期自適應策略大幅釋放其隱藏潛能。

#大模型技術 #自動化科研 #推理期適應 #代碼生成

閱讀更多：

Li, Minda, and Bhaskar Krishnamachari. “Compiler-Guided Inference-Time Adaptation: Improving GPT-5 Programming Performance in Idris.” arXiv:2602.11481, arXiv, 12 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.11481

觸覺堪比人手：新型3D打印機械手輕松拿捏薯片與覆盆子

機器人在執(zhí)行精細物體的抓取任務時往往面臨力度難以精準控制的問題。德克薩斯大學奧斯汀分校的Siqi Shang、Mingyo Seo、Yuke Zhu和Lillian Chin研發(fā)出一種新型柔性機械手，成功實現了對易碎物品的高靈敏度無損抓取。

該研究受魚鰭自然結構中的鰭條效應（fin-ray effect，一種使結構在受力時向受力方向彎曲的設計原理）啟發(fā)，利用先進的3D打印技術制造出帶有內部空心氣道的機械手指。當機械手準備抓取物體時，手指內部氣道發(fā)生變形并引起氣壓波動。微型現成傳感器通過捕捉這些氣壓變化，為系統(tǒng)提供實時的力反饋，從而精準判斷物體是否正在滑落。實驗測試涵蓋了覆盆子、薯片、果醬罐等31種易碎或光滑物品。結果顯示，系統(tǒng)能夠準確估算0至8牛頓的抓握力，誤差僅為正負0.2牛頓，并在100毫秒內迅速檢測到滑動事件。在單次抓取實驗中，該系統(tǒng)取得了百分之91.9的成功率，并以百分之百的精確度識別了百分之93的滑移事件。這種極高的精確度和響應速度使機器人能夠施加恰到好處的力度，有效避免損壞物品。研究發(fā)表在 IEEE Robotics and Automation Letters 上。

#其他 #機器人及其進展 #觸覺傳感 #柔性機械手 #精細操作

閱讀更多：

Shang, Siqi, et al. “FORTE: Tactile Force and Slip Sensing on Compliant Fingers for Delicate Manipulation.” IEEE Robotics and Automation Letters, vol. 11, no. 4, Apr. 2026, pp. 4473–80. IEEE Xplore, https://doi.org/10.1109/LRA.2026.3662618

人工智能天氣預報模型顯著降低整體能耗與碳足跡

AI技術雖然極大地提升了天氣預報速度，但其龐大的訓練能耗是否會抵消這一優(yōu)勢？Thomas Rieutord、Clément Mignon、Ewa McAufield和Emily Gleeson（愛爾蘭氣象局、法國國家氣象研究中心等）對此展開了研究。結果表明，考慮到長期運行，AI氣象模型的整體能耗遠低于傳統(tǒng)模型，顯著降低了碳足跡。

傳統(tǒng)數值天氣預報（Numerical weather prediction，利用物理和數學方程模擬大氣狀態(tài)的經典預報方法）正在經歷變革。研究團隊收集了文獻中七種主流數據驅動模型的運行數據。研究人員評估了這些模型的總體能耗與碳排放，并將其與預測得分相當的傳統(tǒng)模型進行了對比。結果顯示，雖然人工智能在深度學習的訓練階段耗資巨大且耗電極高，但這種消耗很快就會被模型在推理過程中極高的計算效率所抵消。在假定為期一年的實際應用場景中，數據驅動模型的總體能耗比基于物理的傳統(tǒng)預報模型要低21到1273倍。這意味著在較低分辨率的氣象預報中，引入人工智能技術可以極大地減少計算帶來的碳排放壓力。研究發(fā)表在 Weather 上。

#AI驅動科學 #預測模型構建 #天氣預報 #碳足跡 #能源消耗

閱讀更多：

Rieutord, Thomas, et al. “Energy and Carbon Footprint Considerations for Data-Driven Weather Forecasting Models.” Weather, n/a, no. n/a. Wiley Online Library, https://doi.org/10.1002/wea.70035. Accessed 11 Mar. 2026

新型圖卷積網絡，精準解析腦機接口中的時空異質性信號

為了解決傳統(tǒng)腦機接口難以捕捉腦電信號中復雜的時空動態(tài)變化和個體差異的問題，日本千葉大學的 Chaowen Shen、Yanwen Zhang、Zejing Zhao 和 Akio Namiki 團隊開發(fā)了一種新型嵌入驅動圖卷積網絡模型，該框架能夠自適應解碼腦電信號的時空異質性，顯著提升了腦機接口的解碼準確率與泛化能力。

? Credit:Professor Akio Namiki from Chiba University.

運動想象能夠產生特定的腦電活動模式，但這些信號在不同個體和時間上存在顯著差異。研究團隊提出了一種名為嵌入驅動圖卷積網絡的新型架構來應對這一挑戰(zhàn)。該方法引入了多分辨率時間嵌入（Multi-Resolution Temporal Embedding）策略，通過在多個時間尺度上分析功率譜特征來提取信號的時間動態(tài)。同時，團隊設計了結構感知空間嵌入（Structure-Aware Spatial Embedding）機制，將結構上相鄰和功能上相連的腦區(qū)通道進行融合，以捕捉大腦活動的空間同步性�；谶@些時空特征，模型能夠自適應地動態(tài)生成圖卷積核參數，并利用正交性約束（orthogonality constraint）提升特征表示的多樣性與判別力。

在基于公開數據集的分類實驗中，該模型表現出卓越的性能，在兩個基準數據集上分別達到了86.50%和90.14%的極高準確率，全面超越了現有的先進方法。消融實驗進一步證實，剝離時空自適應模塊會導致性能顯著下降，證明了該機制在捕捉腦電信號復雜異質性方面的不可或缺性。這一成果為開發(fā)適用于中風或脊髓損傷患者的神經康復設備提供了更穩(wěn)定的控制方案。研究發(fā)表在 Information Fusion 上。

#疾病與健康 #其他 #細胞死亡 #癌癥治療 #免疫代謝

閱讀更多：

Shen, Chaowen, et al. “EDGCN: An Embedding-Driven Fusion Framework for Heterogeneity-Aware Motor Imagery Decoding.” Information Fusion, vol. 131, July 2026, p. 104170. ScienceDirect, https://doi.org/10.1016/j.inffus.2026.104170

整理｜ChatGPT

編輯｜丹雀、存源

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(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陳天橋雒芊芊神經科學研究院。

研究院還建成了支持腦科學和人工智能領域研究的生態(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。