█脑科学动态

幼儿眼球运动可以预测判断记忆的能力

"进餐记忆"神经元的发现可解释过度饥饿

奖励神经图谱在痴呆症中受损，在成瘾症中增强

骑自行车显著降低痴呆风险并保护海马体体积

超加工食品改变大脑结构，可能引发暴饮暴食恶性循环

大规模研究绘制阿尔茨海默病蛋白质聚集的第一步

█AI行业动态

FDA祭出AI神器Elsa：审批新药或将缩短至数周

Meta新AI模型让机器像人类一样脑补世界

字节跳动发布豆包1.6等一系列全新模型

█AI驱动科学

Nature：植入柔软神经蝌蚪机器人，一窥大脑发育过程

将AI无缝整合到病理诊断过程中

新指标scGraph识别细胞嵌入的伪优秀算法

AI纳米孔技术实现分钟级活病毒检测，准确率超90%

AI识别导致复杂疾病的关键基因组合

单一材料电子皮肤赋予机器人人类触感

中国团队推出全球首个AI全自动芯片设计系统QiMeng

脑科学动态

幼儿眼球运动可以预测判断记忆的能力

加州大学戴维斯分校的Sarah Leckey、Diana Selmeczy和Simona Ghetti团队发现，2岁幼儿在记忆任务中比较图像的次数能预测一年后判断记忆对错的能力，揭示了元记忆监测能力的早期行为标志。

研究团队对176名2岁幼儿进行纵向追踪。首次测试时，幼儿需从新旧图像对中选择看过的图像，眼动仪记录其注视转换（gaze transitions，即两图间目光切换次数）和反应速度。一年后，这些儿童完成类似任务并需报告信心程度。结果显示，早期更多注视转换和更快反应的幼儿，后期更能区分记忆正确（高信心）与错误（低信心）。值得注意的是，2岁时的记忆准确率也预测了后期判断能力，但心理理论（theory of mind）和语言能力与此无关。这表明元记忆监测可能源于早期信息比较的实践，而非对心理状态的认知理解。研究为儿童认知发展提供了新见解，提示简单的观察比较行为可能是复杂记忆判断能力的基础。研究发表在 Nature Communications 上。

#认知科学 #记忆机制 #儿童发展 #元记忆监测 #眼动追踪

阅读更多：

Leckey, Sarah, et al. “Two-Year-Olds’ Visual Exploration of Response Options during Memory Decisions Predicts Metamemory Monitoring One Year Later.” Nature Communications, vol. 16, no. 1, June 2025, p. 5284. www.nature.com, https://doi.org/10.1038/s41467-025-60273-8

"进餐记忆"神经元的发现可解释过度饥饿

为什么人们会忘记吃过饭？南加州大学多恩西夫文理学院的Léa Décarie-Spain和Scott E. Kanoski团队发现腹侧海马区存在专门记录饮食记忆的神经元群，这些细胞的损伤或干扰会导致记忆性暴食行为。

研究团队结合光纤光度测定和化学遗传学工具，首次捕捉到实验大鼠进食时腹侧海马区神经元的动态编码过程。数据显示，被称为"进餐痕迹"（meal engram）的神经元群在咀嚼间隙激活，同步记录食物种类、进食时间和环境位置。当研究人员用靶向消融技术破坏这些神经元后，大鼠丧失对进食地点的记忆，但其他空间记忆保持完整。

进一步实验揭示，这些神经元通过5-羟色胺2a受体（5HT2aR）与下丘脑外侧区（LHA，控制饥饿的中枢）形成功能连接——阻断该连接会导致大鼠在两餐间缩短进食间隔并增加43%的热量摄入。研究还发现分心环境（如边进食边看屏幕）会削弱记忆编码强度，这解释了现代生活中普遍存在的无意识过度进食现象。研究为开发通过增强饮食记忆来管理体重的干预策略提供了理论基础。研究发表在 Nature Communications 上。

#疾病与健康 #记忆机制 #神经机制与脑功能解析 #肥胖治疗 #进食障碍

阅读更多：

Décarie-Spain, Léa, et al. “Ventral Hippocampus Neurons Encode Meal-Related Memory.” Nature Communications, vol. 16, no. 1, June 2025, p. 4898. www.nature.com, https://doi.org/10.1038/s41467-025-59687-1

奖励神经图谱在痴呆症中受损，在成瘾症中增强

斯坦福医学院的Marielena Sosa、Mark H. Plitt和Lisa M. Giocomo团队发现，小鼠海马体中存在两套并行编码系统：一套维持稳定的空间地图，另一套动态编码奖励相关信息。

▷小鼠海马体切片展示了细胞在活动时发出荧光的区域，这些细胞通过基因工程改造，使用了 GCaMP（一种常用于脑活动成像的基因编码钙指示剂）。Credit: Giocomo Lab

研究团队使用双光子显微镜实时观察小鼠海马体CA1区神经元活动。通过虚拟现实环境让小鼠在轮子上奔跑，同时改变糖水奖励位置。结果显示，当奖励位置变化时，部分神经元会立即更新其活动模式，这种神经层面的变化甚至早于行为适应。有趣的是，海马体中存在两套并行编码系统：一组神经元维持稳定的空间地图，另一组则动态编码奖励相关信息。奖励相关神经编码可以追踪动物距离奖励数米远的位置，相当于人类尺度中的多个城市街区。研究人员还发现，构成这两套系统的神经元并非完全独立，部分神经元会在两种编码模式间切换。这些发现可能解释痴呆症患者的空间记忆障碍（因两套系统脱钩）和成瘾者的环境触发行为（因奖励-空间联系过强）。研究发表在 Nature Neuroscience 上。

#疾病与健康 #神经机制与脑功能解析 #记忆机制 #跨学科整合

阅读更多：

Sosa, Marielena, et al. “A Flexible Hippocampal Population Code for Experience Relative to Reward.” Nature Neuroscience, June 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41593-025-01985-4

骑自行车显著降低痴呆风险并保护海马体体积

由中国多机构（包括华中科技大学、复旦大学等）与澳大利亚合作者组成的团队，通过分析英国生物银行（UK Biobank）近48万人数据，发现骑行作为交通方式可显著降低痴呆风险并保护大脑结构。

研究团队追踪了479,723名基线健康参与者（平均56.5岁）13年，记录其非通勤交通方式（非主动/步行/混合步行/骑行及混合骑行），并通过医院记录确认痴呆诊断。结果显示，相比非主动出行者，骑行者全因痴呆风险降低19%（风险比HR=0.81），其中早发性痴呆（YOD）风险降低达40%（HR=0.60）。MRI数据分析进一步揭示，骑行组海马体体积更大（标准化差异β=0.05），且这种保护效应在APOE ε4基因阴性人群中更显著（风险降低26% vs 阳性者的12%）。机制上，骑行同时结合了运动刺激与空间导航，可能通过增强神经可塑性发挥作用。研究为公共卫生干预提供了新思路，建议将骑行纳入中老年健康促进计划。研究发表在 JAMA Network Open 上。

#疾病与健康 #疾病预防 #神经机制与脑功能解析 #健康管理与寿命延长 #阿尔茨海默病

阅读更多：

Hou, Cunpeng, et al. “Active Travel Mode and Incident Dementia and Brain Structure.” JAMA Network Open, vol. 8, no. 6, June 2025, p. e2514316. Silverchair, https://doi.org/10.1001/jamanetworkopen.2025.14316

超加工食品改变大脑结构，可能引发暴饮暴食恶性循环

超加工食品（UPFs）如何通过改变大脑结构促进暴饮暴食？赫尔辛基大学O'BRAIN实验室的Arsene Kanyamibwa、Filip Morys团队与蒙特利尔神经学研究所合作，发现UPFs会直接导致饮食调控脑区的结构损伤，这种影响62%独立于肥胖因素。

▷图像突出显示了研究中确定的与大量食用超加工食品相关的大脑区域。灰色区域的细胞密度较低。这可能表明这些区域的神经元丢失，即大脑活动减弱。绿色区域的细胞密度较高，暗示大脑存在炎症变化。Credit: University of Helsinki

研究团队分析了英国生物样本库约3万人的数据，通过磁共振成像（MRI）检测发现，高UPFs摄入者下丘脑、杏仁核和右侧伏隔核出现显著结构变化：调控饱腹感的灰色区域细胞密度降低，而绿色炎症区域增生。中介分析显示，仅38%的影响通过血脂异常、全身炎症和体重指数（BMI）传递，其余为食品添加剂对血脑屏障的直接穿透作用。特别值得注意的是，右侧伏隔核的结构改变与冲动性进食行为高度相关，这解释了为何UPFs会打破正常的饮食反馈机制。研究建议优先避免含化学改性成分的肉制品，但肯定了巴氏杀菌牛奶等安全性加工食品的价值。研究发表在 npj Metabolic Health and Disease 上。

#疾病与健康 #神经机制与脑功能解析 #健康管理与寿命延长 #食品添加剂 #代谢综合征

阅读更多：

Morys, Filip, et al. “Ultra-Processed Food Consumption Affects Structural Integrity of Feeding-Related Brain Regions Independent of and via Adiposity.” Npj Metabolic Health and Disease, vol. 3, no. 1, Apr. 2025, pp. 1–9. www.nature.com, https://doi.org/10.1038/s44324-025-00056-3

大规模研究绘制阿尔茨海默病蛋白质聚集的第一步

阿尔茨海默病中淀粉样β蛋白（Aβ）如何启动聚集？威康信托桑格研究所的Anna Arutyunyan、Ben Lehner团队与基因组调控中心（CRG）、加泰罗尼亚生物工程研究所（IBEC）合作，通过分析14万种Aβ42变体，首次揭示聚集反应始于C端疏水核心。

研究采用大规模并行DNA合成系统生成所有可能突变体，基因工程酵母实时监测聚集动力学，机器学习整合数据构建完整能量图谱。结果显示，仅少数关键残基（如第40-42位）的相互作用决定原纤维形成速度，C端区域构成过渡态核心结构。通过量化600多个突变间能量耦合，模型将预测准确率提升1581倍，远超传统方法。特别发现，稳定过渡态的突变可加速聚集，而破坏C端疏水相互作用的突变显著延缓进程。该方法首次实现蛋白质过渡态的高通量解析，未来可拓展至帕金森病等50余种淀粉样蛋白相关疾病研究。研究发表在 Science Advances 上。

#疾病与健康 #健康管理与寿命延长 #营养与衰老 #咖啡因 #女性健康

阅读更多：

Arutyunyan, Anna, et al. “Massively Parallel Genetic Perturbation Suggests the Energetic Structure of an Amyloid-β Transition State.” Science Advances, vol. 11, no. 24, June 2025, p. eadv1422. science.org (Atypon), https://doi.org/10.1126/sciadv.adv1422

AI 行业动态

FDA祭出AI神器Elsa：审批新药或将缩短至数周

美国食品药品监督管理局（FDA）近日宣布将人工智能（AI）技术引入药品和食品安全审查流程，以大幅提升审批效率。局长Marty Makary博士与疫苗及基因治疗部门负责人Vinay Prasad博士在《美国医学会杂志》（JAMA）撰文称，AI工具如类ChatGPT的Elsa可快速处理50万页申报数据，自动标记需审查的设施，目标是将最终审批周期压缩至数周，效仿新冠疫情期间的“曲速行动”（Operation Warp Speed）。不过，FDA内部透露Elsa存在“幻觉”（错误答案）问题，且当前数据处理能力有限，实际节省时间尚未达标。

除加速审批外，FDA计划重新评估美国食品中的人工色素等“争议成分”，这些成分在其他国家可能被禁用。但该举措引发专家质疑，前国会卫生顾问Stephen Holland指出，FDA在疫情期间曾因紧急调派人员导致常规审查积压，担忧新计划“雷声大雨点小”。耶鲁大学研究人员Reshma Ramachandran博士更批评FDA与制药企业闭门会议频繁，其政策倾向疑似照搬行业组织美国药物研究与制造商协会（PhRMA）的诉求。

尽管面临预算削减（员工已缩减至8000人）和技术瓶颈，FDA仍坚持推进改革。Makary强调，优先保障罕见病药物和儿童食品安全，同时重建公众信任。这场AI驱动的监管变革能否兑现“即时审批”承诺，仍需时间验证。

#人工智能 #药品审批 #食品安全 #FDA #Elsa

阅读更多：

https://jamanetwork.com/journals/jama/fullarticle/2835314

LeCun亲自站台，Meta新AI模型让机器像人类一样脑补世界

Meta近日发布了基于视频训练的世界模型V-JEPA 2（Video Joint Embedding Predictive Architecture 2），该模型具备环境理解、预测及零样本规划能力，可应用于机器人控制和复杂任务执行。Meta首席AI科学家Yann LeCun亲自介绍，世界模型是物理世界的数字孪生，使AI无需反复试验即可理解现实逻辑并规划行动。

V-JEPA 2基于联合嵌入预测架构（JEPA），包含编码器和预测器两大组件，通过自监督学习从海量视频数据中提取语义信息。其训练分为两阶段：预训练阶段使用超100万小时视频数据，使模型掌握物体交互与运动规律；第二阶段仅需62小时机器人数据即可实现新环境中的零样本规划。测试显示，V-JEPA 2在未见过物体和环境中的任务成功率高达65%-80%，并在物理推理榜单上超越GPT-4o等模型。

Meta还发布了三个新基准测试（IntPhys 2、MVPBench和CausalVQA），用于评估AI对物理世界的理解能力。尽管当前模型与人类表现仍有差距，Meta计划进一步开发跨时间尺度、多模态的分层JEPA模型，整合视觉、听觉和触觉数据，推动AI向更接近人类认知的方向发展。

#GoogleVeo3 #AI视频生成 #成本降低 #原生音频 #DeepMind

阅读更多：

https://ai.meta.com/blog/v-jepa-2-world-model-benchmarks/

字节跳动发布豆包1.6、Seedance 1.0 pro、语音播客模型等一系列全新模型

阿里巴巴旗下火山引擎团队于2025年6月11日在北京举办的FORCE原动力大会上发布了“Seedance 1.0 Pro”视频生成大型模型，这是Seedance 1.0系列的高参数版本，专注于多镜头叙事能力，支持文字或图像输入生成1080P高品质短视频。该模型在国内外评测平台如Artificial Analysis中文生视频和图生视频任务中表现出色，位列榜首，并超过Veo 3等竞品

deevid.ai。

在视频生成方面，Seedance 1.0 Pro使用改进后的扩散Transformer架构和多模态交织位置编码，实现对空间与时间进行解耦式建模，同时采用统一训练框架支持文本到视频（T2V）和图像到视频（I2V）任务。值得注意的是通过精准描述模型及复合奖励系统（包括基础、运动与美学奖励）进行强化学习微调，使模型能生成带有镜头切换、流畅动作和美学质感的1080P视频。在Artificial Analysis基准上，Seedance 1.0在文生视频和图生视频任务均获得第一名。

此外，在NVIDIA L20推理环境下生成5秒1080P视频平均只需约41.4秒，成本低至3.67元人民币，生成速度和成本效率显著优化。用户实测表明其理解提示词能力、运动稳定性与画面自然度表现优异，并支持多种风格和复杂运镜实现场景流畅度

#AI视频生成 #多模态模型 #扩散Transformer #Seedance1_0Pro

阅读更多：

https://www.xiaohu.ai/c/xiaohu-ai/1-6-seedance-1-0-pro

AI 驱动科学

Nature：植入柔软神经蝌蚪机器人，一窥大脑的发育过程

神经发育障碍如孤独症、躁郁症和精神分裂症可能在早期发育阶段就已显现，但目前缺乏有效手段监测这一关键时期的神经活动。哈佛大学约翰·A·保尔森工程与应用科学学院的Jia Liu团队开发出一种柔软可拉伸的生物电子植入物，能够在胚胎发育过程中无缝整合并记录神经活动。

▷软网状电子器件逐步植入蝌蚪胚胎大脑的示意图。Credit: Liu Lab / Harvard SEAS

研究团队使用氟化弹性体（perfluoropolyether-dimethacrylate）制造出柔软、超薄的网状微电极阵列。这种材料像生物组织一样柔软，但可以设计成高弹性的电子元件。研究人员将设备植入蝌蚪胚胎的神经板（早期大脑发育的扁平结构），利用组织自然从2D到3D的重构过程实现整合。随着大脑发育，设备会变形、拉伸和分布，与神经组织无缝整合。免疫染色、基因表达分析和行为测试证实，该设备不会对大脑发育或功能产生不良影响。研究显示，该技术能够以毫秒级精度记录单个脑细胞电活动，且不影响正常发育或行为。在蝾螈模型中，该设备不仅能记录再生过程中的神经活动，还能通过电刺激调节该过程。这项突破性技术已授权给Jia Liu共同创立的初创公司Axoft进行进一步开发。研究发表在 Nature 上。

#大模型技术 #自动化科研 #强化学习 #语言模型代理 #自我监督学习

阅读更多：

Sheng, Hao, et al. “Brain Implantation of Soft Bioelectronics via Embryonic Development.” Nature, June 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41586-025-09106-8

将AI无缝整合到病理诊断过程中

数字病理学虽催生大量AI工具，但临床采用率不足5%。弗里德里希-亚历山大大学埃尔兰根-纽伦堡大学与意大利格拉维纳医院的Miriam Angeloni、Fulvia Ferrazzi等开发出首个基于HL7标准的开源整合框架，成功将16个深度学习模型无缝接入医院信息系统，使AI辅助诊断准确率提升至81.6%。

▷整合框架的运作模式。Credit: Genome Medicine (2025).

研究团队在意大利全数字化病理科室中，构建了Python服务器-客户端架构，通过HL7医疗信息标准连接解剖病理实验室信息系统（AP-LIS）与AI决策支持系统（AI-DSS）。系统集成16个预训练深度学习模型，能根据组织类型和染色方法自动选择算法，并采用开源工具QuPath生成彩色热力图直观显示预测结果。创新性地设计两种工作模式：默认模式下，每张新数字化切片会触发自动分析；病理学家也可通过虚拟切片托盘手动选择特定模型。测试显示，系统在手术预后良好病例中识别准确率达81.6%，对常规MRI难以检测的病例敏感度提升至63.7%。框架通过完全开源方案降低90%部署成本，阳性预测值从传统算法的39%跃升至76%。研究为全球病理科AI整合提供了可复用的技术蓝本。研究发表在 Genome Medicine 上。

#疾病与健康 #跨学科整合 #个性化医疗 #数字病理学 #AI驱动科学

阅读更多：

Angeloni, Miriam, et al. “Closing the Gap in the Clinical Adoption of Computational Pathology: A Standardized, Open-Source Framework to Integrate Deep-Learning Models into the Laboratory Information System.” Genome Medicine, vol. 17, no. 1, May 2025, p. 60. BioMed Central, https://doi.org/10.1186/s13073-025-01484-y

新指标scGraph识别细胞嵌入的伪优秀算法

单细胞嵌入方法如何避免“高分低能”？Hanchen Wang、Jure Leskovec和Aviv Regev团队发现，当前评估指标可能误导算法开发——他们设计的简单模型Islander虽在指标上碾压主流方法，却扭曲生物结构。为此，团队提出新指标scGraph，为细胞嵌入的生物学真实性设立新标准。

研究首先训练三层感知器Islander，其仅优化现有评估指标（如邻域保留率），却在多个细胞图谱中超越t-SNE、UMAP等方法。进一步分析显示，Islander通过“指标博弈”导致细胞群异常分离（即漂流岛现象），暴露指标忽视生物结构的缺陷。团队随后开发scGraph，通过图论量化细胞邻域（cellular neighborhood）的拓扑连续性，能有效捕捉局部生物关系失真。实验证实，scGraph对传统指标认为“优秀”但实际扭曲生物信号的嵌入发出警告，例如它识别出Islander将本应连续的发育轨迹切割为离散岛屿。这一成果推动单细胞领域从数值优化转向生物真实性评估。研究发表在 Nature Biotechnology 上。

#AI驱动科学 #预测模型构建 #单细胞生物学 #计算生物学 #数据可视化

阅读更多：

Wang, Hanchen, et al. “Limitations of Cell Embedding Metrics Assessed Using Drifting Islands.” Nature Biotechnology, June 2025, pp. 1–4. www.nature.com, https://doi.org/10.1038/s41587-025-02702-z

AI纳米孔技术实现分钟级活病毒检测，准确率超90%

传统病毒检测需数小时且无法区分病毒活性，严重制约临床干预效率。Noriyasu Hashida、Hiroyasu Takei、Masateru Taniguchi等跨国团队开发出基于纳米孔与AI的检测系统，可在几分钟内完成活病毒识别，为疱疹病毒等致盲病原体提供快速诊断方案。

▷疱疹病毒的结构、纳米孔模块及其波形。Credit: PNAS Nexus (2025).

研究团队采用固态纳米孔（solid-state nanopore）技术，通过测量病毒颗粒穿孔时的离子电流（ionic current）变化获取病毒尺寸、表面电荷及分子结构特征。结合AI波形分析，系统可识别单个病毒颗粒并区分疱疹病毒亚型，其灵敏度在培养病毒样本中达100%。临床验证显示，对房水样本的检测特异性从初始71.4%通过参数优化提升至90%以上，显著优于传统PCR的耗时缺陷。关键技术突破在于实现了300纳米孔径下病毒单颗粒检测，并通过机器学习算法建立了电导信号与病毒种类的映射关系。该系统已成功区分疱疹病毒Alphaherpesvirinae和Betaherpesvirinae亚科，为开发便携式诊断设备奠定基础。研究发表在 PNAS Nexus 上。

#疾病与健康 #AI驱动科学 #个性化医疗 #病毒检测 #纳米孔技术

阅读更多：

Hashida, Noriyasu, et al. “Rapid Diagnosis of Ocular Viral Infections via Single-Virus Detection Using Solid-State Nanopore: A Diagnostic Evaluation Study.” PNAS Nexus, vol. 4, no. 6, June 2025, p. pgaf161. Silverchair, https://doi.org/10.1093/pnasnexus/pgaf161

AI识别导致复杂疾病的关键基因组合

复杂疾病通常由多个基因共同作用导致，但现有方法难以准确识别这些关键基因组合。西北大学的Adilson Motter、Benjamin Kuznets-Speck、Buduka Ogonor和Thomas Wytock团队开发了新型AI工具TWAVE，成功识别出多种复杂疾病的关键基因组合，包括糖尿病、癌症和哮喘等。

研究团队开发了转录组范围的条件变分自编码器（TWAVE），这是一种结合生成式AI和优化框架的创新方法。该模型通过分析基因表达数据，而非静态的DNA序列，能够更全面地捕捉基因间的相互作用。TWAVE利用临床试验数据进行训练，能够区分健康与患病状态的基因表达谱。实验验证显示，该模型可以准确预测基因网络对特定基因开启或关闭的反应。研究结果显示，TWAVE不仅成功识别出多种复杂疾病的关键基因组合，还发现了现有方法遗漏的重要基因。模型揭示了不同患者可能因完全不同的基因组合导致相同疾病，这一发现为个性化医疗提供了重要依据。此外，由于基因表达受环境影响，TWAVE的分析结果还间接反映了环境因素对疾病的作用机制。研究发表在 PNAS 上。

#疾病与健康 #个性化医疗 #AI驱动科学 #基因表达分析

阅读更多：

Kuznets-Speck, Benjamin, et al. Generative Prediction of Causal Gene Sets Responsible for Complex Traits. bioRxiv, 22 Apr. 2025, p. 2025.04.17.649405. bioRxiv, https://doi.org/10.1101/2025.04.17.649405

单一材料电子皮肤赋予机器人人类触感

剑桥大学工程系的David Hardman、伦敦大学学院的Thomas George Thuruthel和Fumiya Iida团队开发出革命性电子皮肤，仅用单一材料即可检测多种触觉信号，为机器人装上灵敏的“神经末梢”。

▷科学家们研发出一种低成本、耐用且高灵敏度的机器人“皮肤”，可以像手套一样安装在机器人手上，使机器人能够以类似人类的方式感知周围环境信息。Credit: University of Cambridge

研究团队采用导电明胶基水凝胶（具有弹性和生物相容性的合成材料）作为基础材料，通过高密度电阻抗断层扫描技术实时监测材料中863,040条导电通路的状态变化。实验显示，这种设计能同时识别人类手指轻触（灵敏度达0.1牛）、80°C温差、刀具切割等六类刺激。机器学习模型帮助系统从海量数据中筛选关键信号通路，使32个腕部电极即可实现全手170万次/秒的采样。在人手形状的测试中，系统成功区分同时发生的多点触压和温度变化，准确率达92%。相比需要多种传感器的传统方案，新材料成本降低70%，且抗损伤能力提升3倍。研究为假肢感知、工业机器人和救灾装备提供了突破性解决方案。研究发表在 Science Robotics 上。

#AI驱动科学 #预测模型构建 #机器人技术 #柔性电子 #人机交互

阅读更多：

Hardman, David, et al. “Multimodal Information Structuring with Single-Layer Soft Skins and High-Density Electrical Impedance Tomography.” Science Robotics, vol. 10, no. 103, June 2025, p. eadq2303. science.org (Atypon), https://doi.org/10.1126/scirobotics.adq2303

中国团队推出全球首个AI全自动芯片设计系统QiMeng

中国科学院计算技术研究所与软件研究所的Rui Zhang、Yuanbo Wen等研究人员开发了QiMeng系统，首次实现处理器芯片硬件软件全自动设计，其生成的芯片设计已具备等效传统产品的功能完整性。

研究团队构建了领域专用的大芯片模型LPCM（Large Processor Chip Model），通过多模态架构理解芯片设计中的图数据（如数据流图DFG），并采用级联模型生成跨阶段训练数据。LPCM配备双反馈机制：功能正确性验证确保设计有效性，性能优化反馈则通过剪枝低效子空间应对10^540量级的解决方案空间。基于LPCM开发的硬件设计代理采用双循环机制（外环性能优化+内环功能验证），实现从逻辑设计到物理布局的端到端自动化；软件设计代理则同步生成适配的编译器工具链等基础软件。当前系统已能生成等效英特尔486的设计，虽然性能落后现代芯片，但验证了技术路径可行性。团队规划通过三阶段演进最终形成自进化设计框架，预计可缩短开发周期60%以上。

#大模型技术 #自动化科研 #代码生成 #强化学习 #单元测试

阅读更多：

Zhang, Rui, et al. QiMeng: Fully Automated Hardware and Software Design for Processor Chip. arXiv:2506.05007, arXiv, 5 June 2025. arXiv.org, https://doi.org/10.48550/arXiv.2506.05007

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。