█脑科学动态

Science：挑战赫布理论，记忆形成的细胞和亚细胞结构特征

Science：为什么我们不记得婴儿时期的事情？

突触可塑性新规则揭示记忆形成的动态机制

失眠果蝇记忆力更强，揭示睡眠与记忆的微妙平衡

深部脑刺激显著减少自闭症儿童自残行为

7T MRI技术为耐药性癫痫患者带来手术希望

一晚好觉，记忆顺序更清晰

█AI行业动态

阶跃星辰开源Step-Video-TI2V：图生视频模型的新突破

ϕ-Decoding：自适应前瞻采样策略，平衡推理时的探索与利用

█AI驱动科学

DeepCeres：AI驱动的超高分辨率小脑分割技术

新型忆阻器突破人工神经网络“灾难性遗忘”难题

AI任务完成能力每7个月翻一番，未来5年或可自动化复杂软件任务

腿式机器人通过强化学习框架成功学会滑板

医疗植入物的“指纹锁”：物理动作确保患者安全

KBLaM：将外部知识高效整合到大语言模型中的新方法

脑科学动态

Science：挑战赫布理论，揭示记忆形成的细胞和亚细胞结构特征

记忆的形成和存储是神经科学中的一个核心问题，但其在细胞和亚细胞水平上的结构特征尚未完全理解。斯克里普斯研究所的科学家马科·乌蒂埃波、安东·马克西莫夫及其同事通过先进的技术手段，揭示了小鼠大脑中记忆形成的结构基础。研究还挑战了传统学习理论中“一起放电的神经元会相互连接”的观点。

▷这幅图像展示了一个典型多突触末梢的结构，这是记忆痕迹的结构特征。Credit: Maximov lab at Scripps Research

研究团队结合了先进的遗传工具、三维电子显微镜（3D-EM）和人工智能，重建了参与学习的神经元连接图，并详细描述了这些神经元及其在细胞和亚细胞水平上的结构变化。研究发现，记忆痕迹的神经元通过多突触突触小体（multi-synaptic boutons）重新组织与其他神经元的连接。这种连接方式并不依赖于神经元的同步激活，而是通过一种非典型的连接机制实现。此外，这些神经元还重新组织了某些细胞内结构，增强了与星形细胞的相互作用。这表明，记忆的形成可能更多地依赖于神经元之间的结构重组，而不是简单的同步激活。

研究还发现，多突触突触小体的增加并不改变孤立神经末梢和树突棘的数量或空间分布。这意味着，记忆形成过程中的突触连接变化是独立于神经元同步激活的，进一步挑战了赫布理论的核心观点。研究发表在 Science 上。

#神经科学 #记忆机制 #多突触突触小体 #三维电子显微镜 #人工智能

阅读更多：

Uytiepo, Marco, et al. “Synaptic Architecture of a Memory Engram in the Mouse Hippocampus.” Science, vol. 387, no. 6740, Mar. 2025, p. eado8316. science.org (Atypon), https://doi.org/10.1126/science.ado8316

Science：为什么我们不记得婴儿时期的事情？

成年人无法回忆起婴儿时期的特定事件，这一现象被称为“婴儿失忆症”。耶鲁大学的 Nick Turk-Browne 和 Tristan Yates 团队通过功能性磁共振成像，发现婴儿海马体能够编码记忆，但记忆检索机制的不成熟可能是导致失忆症的原因。

研究团队向 4 个月到 2 岁的婴儿展示新图像，并通过功能性磁共振成像记录其海马体活动。随后，研究人员测试婴儿是否能够识别之前看过的图像。结果显示，婴儿海马体的活动强度与其记忆能力相关，尤其是在海马体后部（靠近后脑勺的区域），这一区域与成人的情景记忆密切相关。研究发现，12 个月以上的婴儿记忆编码能力更强，表明婴儿失忆症可能是由于记忆检索机制的不成熟，而非记忆编码能力的缺失。这一发现为理解婴儿记忆的形成和消失提供了新视角。研究结果发表在 Science 上。

#认知科学 #记忆机制 #婴儿失忆症 #海马体 #fMRI

阅读更多：

Ramsaran, Adam I., and Paul W. Frankland. “Babies Form Fleeting Memories.” Science, vol. 387, no. 6740, Mar. 2025, pp. 1253–54. science.org (Atypon), https://doi.org/10.1126/science.adw1923

Yates, Tristan S., et al. “Hippocampal Encoding of Memories in Human Infants.” Science, vol. 387, no. 6740, Mar. 2025, pp. 1316–20. science.org (Atypon), https://doi.org/10.1126/science.adt7570

突触可塑性新规则揭示记忆形成的动态机制

突触可塑性被认为是大脑存储记忆的关键机制，但传统观点认为神经元同时放电会增强连接，单独放电会减弱连接。芝加哥大学的Mark Sheffield和Antoine Madar等人通过研究小鼠海马体位置细胞的活动，发现行为时间尺度突触可塑性（BTSP）比传统规则更能解释记忆形成的动态变化。

研究人员记录了小鼠在熟悉和新环境中奔跑时海马体位置细胞的活动，并构建了计算模型来模拟这些活动。通过比较不同的突触可塑性规则，他们发现行为时间尺度突触可塑性能够更好地解释位置细胞的动态变化。BTSP触发的事件在学习新环境时更为频繁，且能够驱动神经元表征的持续漂移。研究还发现，BTSP在海马体CA3区域的发生频率低于CA1区域，且表现不同。研究发表在 Nature Neuroscience 上。

#神经科学 #记忆机制 #突触可塑性 #计算模型 #海马体

阅读更多：

Madar, Antoine D., et al. “Synaptic Plasticity Rules Driving Representational Shifting in the Hippocampus.” Nature Neuroscience, Mar. 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41593-025-01894-6

失眠果蝇记忆力更强，揭示睡眠与记忆的微妙平衡

睡眠对认知功能和寿命至关重要，但睡眠与记忆之间的信号通路尚不明确。德国柏林自由大学的Sheng Huang、Stephan Sigrist及其团队通过研究果蝇失眠症（inc）突变体，揭示了PKA信号通路在平衡睡眠和记忆功能中的作用，并发现记忆过度可能导致睡眠缺失。

▷inc 突变体中的过度记忆功能无法通过 PKA 操作恢复。Credit: Huang S, et al., 2025, PLOS Biology

研究团队使用果蝇失眠症突变体，通过基因修饰剂筛选发现PKA信号通路（Protein Kinase A signaling pathway，一种调节细胞功能的信号通路）特异性介导睡眠缺陷。实验表明，inc突变体尽管严重缺乏睡眠，但在嗅觉学习和记忆任务中表现更好。降低PKA信号可以部分恢复睡眠和寿命，但会进一步加剧记忆过度和蘑菇体（mushroom body，果蝇大脑中负责记忆和睡眠调节的区域）过度生长。研究揭示了PKA信号在平衡睡眠和记忆功能中的作用，并为神经发育障碍（如孤独症）提供了潜在机制联系。研究发表在 PLOS Biology 上。

#认知科学 #记忆机制 #PKA信号通路 #孤独症 #睡眠调节

阅读更多：

Huang, Sheng, et al. “Enhanced Memory despite Severe Sleep Loss in Drosophila Insomniac Mutants.” PLOS Biology, vol. 23, no. 3, Mar. 2025, p. e3003076. PLoS Journals, https://doi.org/10.1371/journal.pbio.3003076

深部脑刺激显著减少孤独症儿童自残行为

孤独症谱系障碍（ASD）儿童的严重自残行为（SIB）可能导致永久性身体伤害甚至死亡，且现有治疗方法效果有限。多伦多大学病童医院、生物医学工程研究所和医学科学院的研究团队探索了深部脑刺激（DBS）在治疗SIB中的潜力。研究结果表明，DBS不仅安全可行，还能显著减少自残行为并改善生活质量。

▷（A）参与者招募和处置的 CONSORT 图；（B）研究时间表和程序；（C）电极定位在伏隔核 (NAc) 的核心（浅蓝色）和外壳（深蓝色）内。在一名患有多种基线脑异常的参与者中，左侧深部脑刺激 (DBS) 电极似乎位于此标准空间模板中的 NAc 侧面。Credit: Biological Psychiatry (2024).

研究团队对6名7-14岁患有严重SIB的儿童进行了I期临床试验，通过DBS刺激伏隔核。研究人员使用可穿戴技术量化运动，并通过PET扫描评估大脑代谢变化。结果显示，DBS治疗后，儿童的自残行为显著减少，生活质量得到改善。PET扫描还发现，与SIB相关的脑区（如丘脑、纹状体和颞岛皮层）代谢活动降低，表明DBS通过调节神经回路发挥作用。研究发表在 Biological Psychiatry 上。

#神经技术 #神经调控 #自闭症 #深部脑刺激 #自残行为

阅读更多：

Gorodetsky, Carolina, et al. “Deep Brain Stimulation of the Nucleus Accumbens for Severe Self-Injurious Behavior in Children: A Phase I Pilot Trial.” Biological Psychiatry, vol. 0, no. 0, Dec. 2024. www.biologicalpsychiatryjournal.com, https://doi.org/10.1016/j.biopsych.2024.12.001

7T MRI技术为耐药性癫痫患者带来手术希望

难治性癫痫患者中，许多人在传统3T MRI扫描中无法检测到明确的病变，这限制了手术治疗的可行性。剑桥大学沃尔夫森脑成像中心与巴黎萨克雷大学的研究人员合作，开发了一种新型并行传输（parallel transmit）7T MRI技术，显著提高了病变检测的准确性，改变了58%患者的治疗方案。

▷同一参与者的 3T 和 7T 扫描结果对比。Credit: P Simon Jones, University of Cambridge

研究团队对31名3T MRI扫描结果阴性或不确定的癫痫手术候选者进行了并行传输7T MRI和传统单传输（CP）7T MRI的对比扫描。扫描包括T1、T2、FLAIR（流体衰减反转恢复）和EDGE（边缘增强梯度回波）图像，所有图像均在0.8毫米的各向同性空间内获取。两名神经放射科医生、一名神经科医生和一名神经外科医生对图像质量进行了独立评估。

结果显示，7T MRI在9名患者中发现了之前未见的病变，并在4名患者中确认了3T MRI的疑似病变。并行传输7T MRI在57%的病例中比单传输7T MRI提供了更清晰的图像，且从未表现更差。18名患者（58%）的治疗方案因此改变，其中9名患者接受了手术切除，1名患者接受了激光间质热疗法（LITT）。研究发表在 Epilepsia 上。

#神经技术 #个性化医疗 #癫痫 #并行传输MRI #7T MRI

阅读更多：

Klodowski, Krzysztof, et al. Parallel Transmit 7 T MRI for Adult Epilepsy Pre‐surgical Evaluation. Mar. 2025. www.repository.cam.ac.uk, https://doi.org/10.1111/epi.18353

一晚好觉，记忆顺序更清晰

睡眠对记忆巩固的作用已被广泛研究，但其如何影响现实世界经历的记忆仍不明确。多伦多大学贝克莱斯特研究与教育学院罗特曼研究所的Brian Levine、Nicholas B. Diamond和Stephanie Simpson团队通过沉浸式艺术之旅实验，发现睡眠不仅能保护记忆，还能显著增强对事件顺序的记忆准确性。

▷研究设计概述。Credit: Nature Human Behaviour (2025).

研究采用Baycrest Tour（一种沉浸式音频导览艺术之旅）作为实验范式，参与者参观后接受记忆测试，测试内容包括对细节（如画作颜色）和序列（如画作顺序）的记忆。测试分别在参观后立即、第二天、一周后和一个月后进行。研究发现，经过一晚睡眠后，参与者对游览顺序的记忆显著增强，且这种优势在后续测试中持续存在。研究还通过多导睡眠图（polysomnography）监测参与者的脑活动，发现慢波睡眠（slow-wave sleep，一种深度睡眠阶段）的持续时间和神经生理特征（如纺锤波-慢波耦合）与记忆增强相关。这一发现表明，睡眠通过特定的神经机制主动增强了顺序记忆的准确性。研究发表在 Nature Human Behaviour 上。

#认知科学 #记忆机制 #慢波睡眠 #沉浸式实验 #神经机制与脑功能解析

阅读更多：

Diamond, N. B., et al. “Sleep Selectively and Durably Enhances Memory for the Sequence of Real-World Experiences.” Nature Human Behaviour, Mar. 2025, pp. 1–12. www.nature.com, https://doi.org/10.1038/s41562-025-02117-5

AI 行业动态

阶跃星辰开源Step-Video-TI2V：图生视频模型的新突破

阶跃星辰（StepFun）近日宣布开源其最新的图生视频模型——Step-Video-TI2V，该模型基于30B参数的Step-Video-T2V训练，能够生成102帧、5秒、540P分辨率的视频。Step-Video-TI2V具备两大核心特点：运动幅度可控和镜头运动可控，同时还具备一定的特效生成能力。相比现有的开源图生视频模型，Step-Video-TI2V不仅在参数规模上提供了更高的上限，其运动幅度可控能力还能平衡生成视频的动态性和稳定性，为创作者提供更灵活的选择。

Step-Video-TI2V通过引入图像条件和运动幅度控制两大关键技术优化，显著提升了生成视频的一致性和动态性。在VBench-I2V基准测试中，该模型取得了state-of-the-art级别的表现，验证了其在生成视频稳定性和一致性方面的控制能力。此外，Step-Video-TI2V在动漫类任务上的表现尤为优异，支持多种尺寸的视频生成，满足不同创作需求。

#阶跃星辰 #图生视频 #Step-Video-TI2V #开源模型 #视频生成

阅读更多：

https://github.com/stepfun-ai/Step-Video-TI2V

ϕ-Decoding：自适应前瞻采样策略，平衡推理时的探索与利用

在大型语言模型的推理过程中，如何平衡探索与利用一直是一个关键挑战。传统的自回归生成方法虽然高效，但缺乏全局视野，而基于搜索的方法虽然能找到全局最优解，却因搜索空间过大导致计算成本高昂。为了解决这一问题，来自上海人工智能实验室、西安交通大学的研究人员提出了一种名为 ϕ-Decoding 的新型解码策略。该策略通过前瞻采样（foresight sampling）模拟未来步骤，从而在推理时实现探索与利用的高效平衡。

ϕ-Decoding 的核心在于通过前瞻路径推导出两个分布：一个基于步骤优势值，捕捉连续步骤之间的不确定性差异；另一个通过聚类对齐前瞻路径。通过从联合分布中采样，ϕ-Decoding 能够选择最优步骤进行利用。此外，该策略还引入了宽度和深度剪枝技术，自适应地分配计算资源，避免在简单步骤上过度计算。实验表明，ϕ-Decoding 在多个推理基准测试中显著优于现有方法，尤其是在计算效率与性能之间取得了良好平衡。例如，它在 LLaMA3.1-Instruct-8B 模型上的平均性能提升了超过 14%。

#ϕ-Decoding #前瞻采样 #推理优化 #大型语言模型 #自适应剪枝

阅读更多：

Xu, Fangzhi, et al. $φ$-Decoding: Adaptive Foresight Sampling for Balanced Inference-Time Exploration and Exploitation. arXiv:2503.13288, arXiv, 17 Mar. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2503.13288

AI 驱动科学

DeepCeres：AI驱动的超高分辨率小脑分割技术

小脑在认知、情感和运动功能中扮演重要角色，但其复杂的解剖结构使得精确分割成为一大挑战。瓦伦西亚理工大学（UPV）和法国国家科学研究中心（CNRS）的研究团队开发了DeepCeres，这是一款基于人工智能的软件，能够通过高分辨率核磁共振（NMR）图像精确分割小脑的27个结构。该软件已在五个月内处理了近15,000张小脑图像，广泛应用于神经科学研究和临床诊断。

▷左图：半自动校正前 WM 标签的 3D 重建和分割的冠状视图。右图：半自动校正后 WM 标签的 3D 重建和分割的冠状视图。校正后的版本中 WM“小脑白质树状结构”的定义更加清晰。Credit: NeuroImage (2025).

DeepCeres利用深度神经网络将标准分辨率图像（1立方毫米）转换为超高分辨率图像（0.125立方毫米），从而在不依赖初始超高分辨率数据的情况下，提供详细的小脑解剖信息。研究团队还结合了多图谱技术（Multi-Atlas Techniques）和深度学习，显著提高了分割的精度和鲁棒性。与传统U-Net模型不同，DeepCeres通过集成深度网络和经典机器学习方法，进一步提升了小脑分割的准确性。该软件已在研究阿尔茨海默病、精神分裂症、孤独症等疾病方面表现出巨大潜力。研究发表在 NeuroImage 上。

#神经技术 #自动化科研 #小脑分割 #深度学习 #神经科学

阅读更多：

“DeepCERES: A Deep Learning Method for Cerebellar Lobule Segmentation Using Ultra-High Resolution Multimodal MRI.” NeuroImage, vol. 308, Mar. 2025, p. 121063. www.sciencedirect.com, https://doi.org/10.1016/j.neuroimage.2025.121063

新型忆阻器突破人工神经网络“灾难性遗忘”难题

人工神经网络在学习新任务时常常会遗忘旧任务，这种现象被称为“灾难性遗忘”。为了解决这一问题，尤利希研究中心的Ilia Valov团队与德国和中国的研究人员合作，开发了一种基于全新电化学机制的新型忆阻器。这种忆阻器不仅更稳定，还能在模拟和数字模式下工作，为解决灾难性遗忘问题提供了新途径。

▷新型忆阻器示意图。Credit: Nature Communications (2025).

研究团队设计了一种基于灯丝电导率变化机制（filament conductivity change mechanism, FCM）的忆阻器。与传统的电化学金属化（ECM）和价带变化机制（VCM）不同，FCM忆阻器通过金属氧化物的氧化还原反应实现稳定的电阻切换。这种设计避免了传统忆阻器中的肖特基势垒（Schottky barrier）调制问题，显著提高了器件的化学和电气稳定性。

研究团队通过电学测试、透射电子显微镜（TEM）和光谱分析验证了FCM忆阻器的性能。结果显示，这种忆阻器具有宽电压窗口、高温稳定性和低切换电压，能够在人工神经网络中实现高精度的模式识别。在多个图像数据集的模拟实验中，FCM忆阻器表现出优异的抗灾难性遗忘能力。研究发表在 Nature Communications 上。

#神经技术 #记忆机制 #忆阻器 #人工神经网络 #灾难性遗忘

阅读更多：

Chen, Shaochuan, et al. “Electrochemical Ohmic Memristors for Continual Learning.” Nature Communications, vol. 16, no. 1, Mar. 2025, p. 2348. www.nature.com, https://doi.org/10.1038/s41467-025-57543-w

AI任务完成能力每7个月翻一番，未来5年或可自动化复杂软件任务

现有AI基准测试难以全面衡量AI系统的真实能力。为解决这一问题，初创公司METR的研究团队提出了一种新指标——“50%任务完成时间范围”（TCTH），以人类能力为基准量化AI系统的表现。

▷测量 AI 代理时间范围的方法。Credit: arXiv (2025).

研究团队设计了170项任务，涵盖研究或软件工程所需的技能，包括HCAST、RE-Bench和软件原子操作（SWAA）等数据集。通过测量人类完成这些任务的时间，并与AI模型的表现进行对比，研究团队计算了AI模型在50%成功率下的任务完成时间范围。结果显示，自2019年以来，AI模型的50%任务完成时间范围每7个月翻一番。例如，最新版本的Claude 3.7 Sonnet可以在50分钟内完成人类平均需要59分钟完成的任务的50%。这一进步主要得益于AI模型在逻辑推理、工具使用和任务执行可靠性方面的提升。研究还指出，AI模型在非结构化任务上的表现较差，但整体趋势表明，AI可能在5年内自动化许多目前需要人类一个月才能完成的软件任务。

#认知科学 #自动化科研 #AI能力评估 #任务完成时间范围 #逻辑推理

阅读更多：

Kwa, Thomas, et al. Measuring AI Ability to Complete Long Tasks. arXiv:2503.14499, arXiv, 18 Mar. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2503.14499

腿式机器人通过强化学习框架成功学会滑板

腿式机器人通常受到动物和昆虫的启发，可以帮助人类完成各种现实世界的任务。密歇根大学计算自主和机器人实验室 (CURLY Lab) 和南方科技大学的研究人员开发了一种基于强化学习的框架，使腿式机器人能够成功使用滑板。

▷Credit: Liu et al.

研究人员开发了一种名为离散时间混合自动机学习 (DHAL) 的新框架，该框架可以识别突变，随后使用基于回归的技术学习系统动态的每个连续部分，从而减少不连续效应，这种效应会损害机器人在滑板等任务上的表现。在初步测试中，研究人员发现，它允许四足机器人顺利踏上滑板，并利用滑板快速前进，同时在后面拉着一辆小推车。

#神经技术 #预测模型构建 #自动化科研 #腿式机器人 #强化学习

阅读更多：

Liu, Hang, et al. Discrete-Time Hybrid Automata Learning: Legged Locomotion Meets Skateboarding. arXiv:2503.01842, arXiv, 3 Mar. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2503.01842

医疗植入物的“指纹锁”：物理动作确保患者安全

随着医疗技术向智能无线连接植入物发展，网络健康威胁日益严重。莱斯大学的Kaiyuan Yang及其团队开发了一种名为磁电数据报传输层安全（ME-DTLS）的协议，通过特定的物理动作输入安全访问模式，实现双因素身份验证，确保了植入物的安全性。

▷为了直观地引入一致的横向位移，设计中包含了一个机械结构，如拨号盘。以不同角度旋转拨号盘会导致 TX 线圈横向移动不同的距离，从而导致植入物整流器输出的电压发生变化。Credit: Kaiyuan Yang/Rice University

研究人员利用无线电力传输的特性，开发了ME-DTLS协议，通过将短动作编码为“1”，长动作编码为“0”，用户只需以特定方式移动外部集线器即可输入安全访问模式。该协议在志愿者测试中正确识别率高达98.72%，确保了植入物的安全性，同时允许紧急情况下无需预设凭证的访问。研究团队还开发了一种快速、低功耗的数据传输方法，进一步提升了系统的可靠性和效率。研究发表在 International Solid-State Circuits Conference 上。

#神经技术 #个性化医疗 #网络安全 #无线电力传输 #双因素身份验证

阅读更多：

Wang, Wei, et al. “35.4: A Miniature Biomedical Implant Secured by Two-Factor Authentication with Emergency Access.” 2025 IEEE International Solid-State Circuits Conference (ISSCC), vol. 68, 2025, pp. 574–76. IEEE Xplore, https://doi.org/10.1109/ISSCC49661.2025.10904583

KBLaM：将外部知识高效整合到大语言模型中的新方法

大型语言模型在处理复杂任务时表现出色，但如何高效整合外部知识仍是一个难题。为了解决这一问题，Taketomo Isazawa等研究人员开发了KBLaM（Knowledge Base-Augmented Language Model），通过将结构化知识库直接集成到LLMs中，显著提升了模型的效率和可扩展性。

KBLaM采用了一种创新的方法，将知识三元组（实体-属性-值）编码为连续的键值向量对（key-value vector pairs），并通过矩形注意力机制（rectangular attention）将其集成到模型的注意力层中。这种方法避免了传统方法如RAG（Retrieval-Augmented Generation）的复杂性和二次方增长的存储问题，实现了线性扩展。实验表明，KBLaM能够处理超过10,000个知识三元组，且无需重新训练即可动态更新知识库。此外，KBLaM通过矩形注意力机制增强了模型的解释性和可靠性，减少了幻觉现象（hallucinations），使模型在缺乏相关知识时能够更准确地拒绝回答。

#认知科学 #大模型技术 #知识整合 #矩形注意力机制 #线性扩展

阅读更多：

Wang, Xi, et al. KBLaM: Knowledge Base Augmented Language Model. arXiv:2410.10450, arXiv, 9 Feb. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2410.10450

整理｜ChatGPT

编辑｜丹雀、存源

关于追问nextquestion

天桥脑科学研究院旗下科学媒体，旨在以科学追问为纽带，深入探究人工智能与人类智能相互融合与促进，不断探索科学的边界。如果您有进一步想要讨论的内容，欢迎评论区留言，或后台留言“社群”即可加入社群与我们互动。

关于天桥脑科学研究院

天桥脑科学研究院（Tianqiao and Chrissy Chen Institute）是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一，围绕全球化、跨学科和青年科学家三大重点，支持脑科学研究，造福人类。

Chen Institute与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室；与加州理工学院合作成立了加州理工天桥神经科学研究院。

Chen Institute建成了支持脑科学和人工智能领域研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括、、、科研型临床医生奖励计划、、等。