追问daily | 吃红肉有益心理健康；胖子生下的男孩更容易得孤独症；体外神经元学习效率远超深度强化学习|OpenAI|孤独症|心理健康|神经元|老龄化|脊髓损伤|脑功能

█ 脑科学动态

Cell：VIVIT技术实现生物组织玻璃态下的高保真三维成像

孕前肥胖导致雄性后代更容易出现类孤独症行为

弱视或源于神经发育差异，而非单纯视觉问题

高质量饮食中适量摄入红肉或有益心理健康

精神困扰与胃-脑节律过度同步有关

脊髓胆碱能中间神经元通路可放大呼吸

患有痴呆症的猫表现出与人类阿尔茨海默病相似的大脑变化

协调灵活性和效率：内侧内嗅皮质代表一个组合认知图

█ AI行业动态

OpenAI携Merge Labs挑战马斯克的Neuralink霸权

以色列公司突破无触控神经接口技术

█ AI驱动科学

Cell：基因编辑改造作物花型，智能机器人实现自动化杂交育种

计算机模型绘制大脑微血管网络，揭示血流调控新机制

上海交大发布BriLLM：首个原生类脑大模型

微型机器人利用声波自组织成智能群体

体外神经元学习效率远超深度强化学习

利用多视角状态空间模型提升3D人体姿态估计的泛化能力

机器人获得新功能：算法自动识别传感器及其数学建模

融合抓取与旋转的球形机械手

用大模型回答问题，将语言学理论转化为可预测的大脑模型

基底神经节中动作规范的计算模型

脑科学动态

Cell：VIVIT技术实现生物组织玻璃态下的高保真三维成像

如何在不破坏整体结构的前提下看清大脑等复杂组织的内部微观世界？清华大学的苑克鑫、高一晓、辛丰源等人开发了一种名为VIVIT的全新组织处理技术，通过将组织转变为“玻璃态”，首次实现了对生物样本跨尺度、高保真的三维成像，解决了组织透明化领域的多个瓶颈。

该方法使用离子液体，在低温下将生物组织转变为一种物理性质极其稳定的“玻璃态”。这一过程几乎不会引起组织膨胀或收缩（形变小于1%），完美保持了样本的原始三维结构，同时有效防止了低温下冰晶对精细结构的破坏。更重要的是，VIVIT还能增强组织内源性和免疫标记的荧光信号，确保成像的清晰度和准确性。利用这一技术，研究团队成功重构了小鼠大脑的全景，并清晰揭示了人类大脑皮层中的微观连接，例如解析了丘脑神经元的突触输入与其全脑投射目标之间的复杂关系。研究发表在 Cell 上。

#神经科学 #神经机制与脑功能解析 #跨学科整合 #VIVIT技术 #组织透明化

阅读更多：

Gao, Yixiao, et al. “VIVIT: Resolving Trans-Scale Volumetric Biological Architectures via Ionic Glassy Tissue.” Cell, vol. 0, no. 0, Aug. 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.07.023

孕前肥胖导致雄性后代更容易出现类孤独症行为

母亲肥胖与后代孤独症风险的关联已久，但其作用机制与关键窗口期尚不明确。夏威夷大学马诺阿分校的 Alika K. Maunakea 和 Monika A. Ward 团队通过小鼠实验揭示，孕前肥胖足以通过卵子中的表观遗传改变，在雄性后代中引发类似孤独症的行为。

▷ 皮质基因表达模式可区分雄性后代的行为表型。对三个实验亚组（每组 3 个）进行皮质组织转录组分析：对照组 (CONTROL)、GAM-HFD ASD 组 (ASD) 和 GAM-HFD 嵌套组 (NESTED)。Credit: Cells (2025).

为精确剖析母亲肥胖的影响时期，研究团队采用体外受精（IVF）和胚胎移植模型，将孕前与孕期两个阶段的影响分离开。他们首先通过高脂饮食使雌鼠在受孕前变得肥胖，然后收集其卵子进行体外受精，再将胚胎移植到健康的代孕母鼠体内。行为测试结果显示，仅经历了母亲孕前肥胖的雄性后代表现出明显的孤独症样行为，如社交障碍和重复性梳理，而雌性后代则未受影响。深入的分子分析揭示了其背后的机制：母亲的肥胖状态在卵子中留下了持久的表观遗传改变，具体表现为DNA甲基化模式的异常。这种遗传印记导致后代大脑（特别是在皮层和海马体中）神经发育关键基因 Homer1 的一个短亚型 Homer1a 表达上调，从而干扰了正常的突触功能。该研究强调了孕前健康对于后代神经发育的深远影响。研究发表在 Cells 上。

#疾病与健康 #神经机制与脑功能解析 #孤独症 #表观遗传学

阅读更多：

Allan, Nina P., et al. “Pre-Conception Maternal Obesity Confers Autism Spectrum Disorder-like Behaviors in Mice Offspring Through Neuroepigenetic Dysregulation.” Cells, vol. 14, no. 15, Jan. 2025, p. 1201. www.mdpi.com, https://doi.org/10.3390/cells14151201

弱视或源于神经发育差异，而非单纯视觉问题

为什么有些孩子会得弱视而另一些不会，且治疗效果因人而异？波士顿儿童医院（Boston Children's Hospital）的 Mary C. Whitman 及其同事进行了一项迄今为止规模最大的弱视基因研究。研究结果表明，弱视的根源可能比我们想象的更深，涉及潜在的神经发育差异，这一发现有望催生更有效的个性化治疗方案。

该研究颠覆了弱视主要由视觉输入问题引起的传统观念。研究团队分析了超过12万人的遗传数据，采用了两种互补的分析方法：全基因组关联研究和罕见变异关联研究（RVAS，用于评估罕见基因变异的累积效应）。结果发现，与弱视相关的遗传标记并非指向眼球发育，而是指向了与大脑发育密切相关的基因。GWAS确定了4个影响神经发育基因表达的区域；RVAS则锁定了15个在弱视患者中变异显著的基因，其中多个也承担着神经发育功能。这一证据表明，弱视可能是大脑固有的神经发育差异与异常视觉体验共同作用的结果。这解释了为何在相同风险下个体易感性不同，也为开发超越传统遮盖疗法的、针对神经层面的新疗法奠定了基础。研究发表在 Ophthalmology 上。

#疾病与健康 #神经机制与脑功能解析 #心理健康与精神疾病 #老龄化 #社会认知

阅读更多：

Lee, Kyoung A. Viola, et al. “Genome-Wide and Rare Variant Association Studies of Amblyopia in the All of Us Research Program.” Ophthalmology, vol. 132, no. 7, July 2025, pp. 758–66. www.aaojournal.org, https://doi.org/10.1016/j.ophtha.2025.01.013

高质量饮食中适量摄入红肉或有益心理健康

红肉长期以来因健康风险而备受争议，但它在健康饮食中究竟扮演何种角色？南达科他州立大学的 Samitinjaya Dhakal 及其团队利用大型公开数据，分析了红肉在不同饮食质量背景下对健康的影响。研究发现，在高质量的整体饮食模式中，纳入红肉与更充足的营养、更丰富的肠道微生物以及良好的心理健康状况相关。

该研究是一项二次分析，数据来源于“美国肠道计划”（American Gut Project）中的4,915名成年人。研究人员使用健康饮食指数（Healthy Eating Index，HEI）评估参与者的整体饮食质量，并将他们分为四组：高质量饮食食肉组、高质量饮食不食肉组、低质量饮食食肉组和低质量饮食不食肉组。结果显示，饮食质量是关键因素。无论是否吃肉，遵循高质量饮食的参与者都保持着健康的体重。然而，在高质量饮食的前提下，食肉组摄入了更多对大脑健康至关重要的营养素，如锌、硒、维生素B12和胆碱。此外，高质量饮食本身与较低的抑郁症、创伤后应激障碍和躁郁症风险相关。一个引人注目的发现是，高质量饮食且食用红肉的群体，其肠道微生物多样性（通过OTU丰富度和香农多样性指数衡量）最高。这表明，关注整体饮食模式比简单地剔除某种食物对长期健康更为重要。该研究摘要发表在 Current Developments in Nutrition 上。

#疾病与健康 #心理健康与精神疾病 #营养学 #肠道微生物

阅读更多：

Dhakal, Samitinjaya, et al. “The Inclusion of Red Meat in Higher-Quality Diets Supports Nutritional Adequacy, Microbial Diversity, and Mental Health With No Observed Adverse Effects.” Current Developments in Nutrition, vol. 9, May 2025. cdn.nutrition.org, https://doi.org/10.1016/j.cdnut.2025.106040

精神困扰与胃-脑节律过度同步有关

人体的“第二大脑”（即胃部神经系统）如何影响我们的情绪？来自奥胡斯大学（Aarhus University）的 Leah Banellis 和 Micah Allen 等研究人员，将目光从传统的肠道菌群转向了胃部。他们通过一项大规模研究发现，胃部节律与大脑活动的过度同步，竟与更高水平的焦虑和抑郁等精神困扰有关。

▷ 胃脑耦合与心理健康的 CCA。Credit: Nature Mental Health (2025).

胃部拥有自己的神经系统，并以大约20秒一次的频率产生稳定的慢电波。为探究这一节律与大脑的关联，研究团队对243名参与者同时进行了功能性磁共振成像和胃电图（electrogastrography，用于记录胃部电波）扫描。通过机器学习模型分析，他们发现了一个令人惊讶的模式：大脑前顶叶皮层与胃部节律的耦合程度越高，参与者报告的焦虑、抑郁和压力水平也越高。这一结果表明，异常强烈的胃-脑同步可能并非健康的标志，反而是一个系统处于紧张状态的信号。虽然该发现是相关性的，无法确定因果，但它首次揭示了胃-脑耦合可作为一个客观、可测量的心理健康维度特征，为理解和干预精神困扰开辟了新视角。研究发表在 Nature Mental Health 上。

#疾病与健康 #心理健康与精神疾病 #肠脑轴 #内感受

阅读更多：

Banellis, Leah, et al. “Stomach–Brain Coupling Indexes a Dimensional Signature of Mental Health.” Nature Mental Health, vol. 3, no. 8, Aug. 2025, pp. 899–908. www.nature.com, https://doi.org/10.1038/s44220-025-00468-6

脊髓胆碱能中间神经元通路可放大呼吸

脊髓损伤患者如何恢复自主呼吸？这一难题有了新突破。凯斯西储大学医学院（Case Western Reserve University School of Medicine）的 Polyxeni Philippidou 及其国际合作团队（包括英国圣安德鲁斯大学、加拿大卡尔加里大学等机构）识别出脊髓中的一组特定神经细胞，能像“放大器”一样增强呼吸信号，为开发新疗法提供了明确靶点。

▷ 图形摘要。Credit: Cell Reports (2025).

研究团队利用基因工程小鼠，并结合狂犬病毒追踪技术，精确地绘制了控制膈肌收缩的膈运动神经元（phrenic motor neurons，简称PMNs）的上游连接。他们发现，一个基因上被定义为V0C的胆碱能中间神经元（V0C cholinergic interneurons）亚群在脊髓中与PMNs形成直接且广泛的连接。实验证明，当血液中二氧化碳水平升高时（高碳酸血症，hypercapnia），这些V0C中间神经元会被激活，并通过M2毒蕈碱受体（M2 muscarinic receptors）增强PMNs的电活动，从而显著提升呼吸的强度和深度。为了验证其关键作用，研究人员通过化学遗传学手段特异性地“关闭”了这条通路，结果发现小鼠对高二氧化碳的通气反应能力显著减弱。这项研究揭示了一个独立于脑干节律器的呼吸“增益控制”系统，为脊髓损伤和肌萎缩侧索硬化症（ALS）等疾病的呼吸功能恢复提供了一个易于触及的潜在治疗靶点。研究发表在 Cell Reports 上。

#疾病与健康 #神经机制与脑功能解析 #脊髓损伤 #神经调控

阅读更多：

Lin, Minshan, et al. “A Cholinergic Spinal Pathway for the Adaptive Control of Breathing.” Cell Reports, vol. 44, no. 8, Aug. 2025. www.cell.com, https://doi.org/10.1016/j.celrep.2025.116078

患有痴呆症的猫表现出与人类阿尔茨海默病相似的大脑变化

许多老年猫为何会出现类似人类痴呆症的行为？来自爱丁堡大学、加州大学等机构的Robert I. McGeachan、Danièlle Gunn-Moore和Tara Spires-Jones等人进行了一项研究。他们发现，患病猫的大脑病变与人类阿尔茨海默病惊人地相似，这为研究该疾病提供了一个宝贵的自然动物模型。

研究团队通过检查25只不同年龄段的已故猫的大脑，利用高倍显微镜技术发现，在年老和患有痴呆症的猫的大脑中，有毒的淀粉样β蛋白会在突触内大量积聚。更重要的是，研究首次揭示了这些积聚的蛋白质如何导致大脑损伤。大脑中的支持细胞——小胶质细胞和星形胶质细胞——会错误地将这些受影响的突触“吃掉”。这个被称为突触修剪（synaptic pruning）的过程在正常大脑发育中至关重要，但在疾病状态下，它会导致突触的大量丢失，而这正是阿尔茨海默病患者记忆和认知能力下降的直接原因。这一发现表明，猫痴呆症的病理机制与人类阿尔茨海默病高度一致。由于猫是自然患病，而非基因改造，因此它们为开发针对人类和猫科动物的新疗法提供了一个比传统啮齿动物更准确、更具转化价值的模型。研究发表在 European Journal of Neuroscience 上。

#疾病与健康 #神经机制与脑功能解析 #阿尔茨海默病 #动物模型

阅读更多：

McGeachan, Robert I., et al. Amyloid‐Beta Pathology Increases Synaptic Engulfment by Glia in Feline Cognitive Dysfunction Syndrome: A Naturally Occurring Model of Alzheimer’s Disease. onlinelibrary.wiley.com, https://doi.org/10.1111/ejn.70180. Accessed 13 Aug. 2025

协调灵活性和效率：内侧内嗅皮质代表一个组合认知图

大脑如何构建既灵活又高效的认知地图以指导行为？Payam Piray和Nathaniel D. Daw提出了一种新的计算模型，揭示大脑可能采用组合性原理解决这一难题。该模型认为，大脑通过将物体的表征模块化地叠加到一个开放空间的基础地图上，从而高效构建复杂的环境表征，并成功解释了内侧内嗅皮质中关键神经元的活动模式。

该模型建立在后继表征（Successor Representation, SR，一种能高效预测未来状态可及性的强化学习框架）之上，并引入了组合性原理。模型的核心思想是，大脑并不从零开始构建每一张地图，而是先有一个代表开放空间的基线地图，然后将环境中的每个物体或障碍物视为对这个基线地图的“修改”。研究者为每个物体定义了一种紧凑的、与位置无关的计算表征，称为预测性物体表征（Predictive Object Representations, PORs）。完整的环境地图通过将这些独立的PORs组合到基线地图上而生成，无需费力的重新计算。该模型的精妙之处在于，它成功映射了大脑内侧内嗅皮质（medial entorhinal cortex, MEC，对空间导航和记忆至关重要的区域）中的神经活动。模型预测，网格细胞（grid cells，在大脑中形成六边形网格状放电模式以表征空间的神经元）编码了那个高效的基线地图，而新近发现的物体向量细胞（object vector cells，当动物靠近特定物体时放电的神经元）则编码了代表物体的PORs。这一理论框架解释了这两类细胞如何协同工作，从而让大脑能够灵活地构建地图并高效地用于规划。研究发表在 Nature Communications 上。

#认知科学 #计算模型与人工智能模拟 #认知地图 #内嗅皮质 #组合性

阅读更多：

Piray, Payam, and Nathaniel D. Daw. “Reconciling Flexibility and Efficiency: Medial Entorhinal Cortex Represents a Compositional Cognitive Map.” Nature Communications, vol. 16, no. 1, Aug. 2025, p. 7444. www.nature.com, https://doi.org/10.1038/s41467-025-62733-7

AI 行业动态

OpenAI携Merge Labs挑战马斯克的Neuralink霸权

OpenAI及其联合创始人山姆・奥特曼（Sam Altman）正计划投资脑机接口初创公司Merge Labs，直接挑战伊隆・马斯克（Elon Musk）的Neuralink。据《金融时报》报道，Merge Labs目前以8.5亿美元估值融资，OpenAI风险投资团队或为主要出资方。奥特曼虽不参与日常运营，但将协助启动项目，并与眼球扫描项目World的负责人Alex Blania合作。

脑机接口技术虽已有数十年历史，但近年因AI和电子元件的突破迎来爆发。Neuralink作为行业领头羊，已成功完成多例人体手术，帮助瘫痪患者操控电子设备。而Merge Labs若获OpenAI支持，可能加速技术商业化进程。此外，奥特曼长期关注人机融合，曾在博客中预测“高带宽脑机接口”即将实现，并强调技术伦理的重要性。

#脑机接口 #OpenAI #Neuralink #人机融合 #科技竞争

阅读更多：

https://www.ft.com/content/04484164-724e-4fc2-92a2-e2c13ea639bd

以色列公司突破无触控神经接口技术

以色列可穿戴设备公司Wearable Devices Ltd.近日宣布启动一项创新军事项目，旨在通过无触控神经接口技术提升战场人机交互效率。该系统结合高灵敏度传感器与AI算法，可精准识别士兵手势动作，使其无需物理接触即可操作战术设备，从而减少反应延迟并保持战术姿态。公司首席执行官Asher Dahan表示，这项技术将重新定义现代战争的交互界面，为士兵提供更高控制力。

该技术的核心源于Wearable Devices在消费级市场的积累，其明星产品Mudra Band和Mudra Link已通过神经输入技术实现游戏、XR等场景的无触控操作。公司采用消费与企业授权双渠道模式，覆盖XR、智能环境等领域。此次军事项目标志着其技术向高壁垒国防领域的延伸，有望形成消费、企业、军事三位一体的业务布局。

#神经接口 #军事科技 #人机交互 #可穿戴设备 #人工智能

阅读更多：

https://www.ainvest.com/news/wearable-devices-launches-ai-powered-touchless-sensing-wearables-military-2508/

AI 驱动科学

Cell：基因编辑改造作物花型，智能机器人实现自动化杂交育种

如何让机器人在田间完成精细的杂交育种工作？传统作物凹陷的柱头结构是自动化授粉的主要障碍。中国科学院遗传与发育生物学研究所的许操团队联合中国科学院自动化研究所的研究人员，首创“作物-机器人协同设计”理念，通过改造作物本身并研发配套机器人，成功攻克了这一难题。

该研究完美融合了生物技术与人工智能。研究团队首先运用基因编辑技术，对番茄和大豆中调控花朵形态的关键基因进行修改，成功培育出花朵柱头外露（exserted stigmas）的雄性不育（male-sterile，即自身花粉无法完成受精，必须接受外来花粉）株系。这种“机器人友好”的花型，将原本需要精细操作才能触及的柱头完全暴露出来，为自动化操作铺平了道路。随后，团队开发了一款名为GEAIR的智能育种机器人。借助深度学习算法，GEAIR能够自主在田间巡航，精准识别并定位这些经过改造的花朵，然后伸出机械臂完成授粉操作。实验证明，GEAIR的自动化杂交效率与经验丰富的人工授粉不相上下，同时还能大幅降低人力成本、缩短育种周期。这一协同设计策略突破了快速育种的瓶颈，为培育气候适应性强、风味更佳的作物提供了强大工具。研究发表在 Cell 上。

#AI驱动科学 #自动化科研 #跨学科整合 #机器人及其进展

阅读更多：

Xie, Yue, et al. “Engineering Crop Flower Morphology Facilitates Robotization of Cross-Pollination and Speed Breeding.” Cell, vol. 0, no. 0, Aug. 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.07.028

计算机模型绘制大脑微血管网络，揭示血流调控新机制

为揭示大脑如何精细调控血液供应以预防中风和阿尔茨海默病等疾病，佛罗里达大西洋大学的Ramin Pashaie与Hadi Esfandi等人联合威斯康星大学麦迪逊分校的研究人员，开发了一个创新的计算机模型。该模型首次详尽模拟了大脑微血管网络，旨在破解不同血管在维持脑健康中的独特作用。

▷ 脑血管网络中脑自身调节模型概述。Credit: PLOS One (2025).

研究团队构建了一个高度复杂的计算机模型，用以模拟小鼠大脑中庞大的微血管系统。该模型的创新之处在于，它同时整合了血液动力学（hemodynamics，即血液在血管中的流动方式）和血管动力学（vasodynamics，即血管如何主动收缩或舒张以响应血流变化）两个过程。通过这个数字孪生大脑，研究人员发现，介于动脉与毛细血管之间的过渡区血管，如穿透小动脉和毛细血管前小动脉，对维持稳定的脑血流起到了最关键的作用，它们像智能阀门一样保护着下游脆弱的毛细血管。模型还揭示，这种调节作用具有深度依赖性：在皮层浅层，调节任务主要由过渡区血管完成；而在深层，则由穿透小动脉主导。此外，该模型成功模拟了大脑活动增强时血流量增加的现象，即功能性充血。这项工作不仅加深了对脑血流自动调节机制的理解，还为未来开发新诊断工具（例如通过视网膜成像早期诊断阿尔茨海默病）提供了理论依据。研究发表在 PLOS ONE 上。

#AI驱动科学 #计算模型与人工智能模拟 #疾病与健康 #阿尔茨海默病

阅读更多：

Esfandi, Hadi, et al. “Depth-Dependent Contributions of Various Vascular Zones to Cerebral Autoregulation and Functional Hyperemia: An in-Silico Analysis.” PLOS ONE, vol. 20, no. 5, May 2025, p. e0321053. PLoS Journals, https://doi.org/10.1371/journal.pone.0321053

上海交大发布BriLLM：首个原生类脑大模型

当前主流的Transformer大模型面临算力黑洞、黑箱困境和上下文枷锁三大瓶颈，如何构建更接近人脑工作模式的AI成为前沿挑战。上海交通大学的Hai Zhao、Hongqiu Wu、Dongjie Yang、Anni Zou和Jiale Hong团队受脑科学启发，发布了首个宏观模拟人脑全局机制的大语言模型BriLLM，旨在建立一个完全可解释且能处理无限上下文的全新AI范式。

该研究的核心突破是提出了一种全新的信号全连接流动（SiFu, Signal Fully-connected Flowing）学习机制，它摒弃了Transformer架构。BriLLM模型基于一个全连接的有向图构建，其中每一个节点都被赋予了明确的语义（例如一个词元），从而实现了端到端的完全可解释性。模型的推理过程不再依赖计算昂贵的自注意力机制，而是通过模拟大脑中电信号的传导，让信号沿着“最小阻力路径”在节点间动态流动来生成结果。这一革命性设计带来了三大优势：首先，模型从输入到输出完全透明，彻底解决了“黑箱”问题；其次，模型参数规模与处理的上下文长度完全解耦，使其在理论上能处理无限长的序列输入而无需增加模型体积；最后，该架构天然支持多模态融合，为通往通用人工智能提供了新路径。研究团队发布的初代10-20亿参数中英文模型，性能已能对标早期GPT，并通过稀疏技术将参数压缩了近90%，验证了该路线的可行性与经济性。

#大模型技术 #计算模型与人工智能模拟 #类脑计算 #可解释AI

阅读更多：

Zhao, Hai, et al. BriLLM: Brain-Inspired Large Language Model. arXiv:2503.11299, arXiv, 12 Aug. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2503.11299

微型机器人利用声波自组织成智能群体

如何让成千上万的微型机器人像鱼群或蜂群一样协同工作？宾夕法尼亚州立大学的Igor Aronson以及慕尼黑大学的Alexander Ziepke、Ivan Maryshev和Erwin Frey受自然界声学通信的启发，通过计算机建模首次证明，简单的声波信号足以让微型机器人自组织成具有集体智能的“活”群体。

▷ 宾夕法尼亚州立大学研究人员领导的一项新研究首次展示了声波如何作为控制微型机器人的手段。Credit: Igor Aronson / Penn State

该研究并非制造实体机器人，而是通过一个基于代理的计算机模型进行。在模拟中，每个微型机器人都被赋予了极简的配置：一个微型扬声器、一个麦克风和一个马达。它们遵循两条基本规则：一、向声音最响亮的地方移动；二、将自己的发声频率与周围群体的主导频率同步。研究人员发现，仅凭这两个简单规则，大量独立的机器人便能自发形成复杂的动态结构，如蛇形队列、聚集的团块和旋转的圆环。这些群体表现出惊人的集体智能，能够协同感知环境、做出决策，甚至“自我修复”。例如，当一个蛇形机器人群被强行挤过一个狭窄的缝隙后，它能在另一侧重新组合成完整的形态。这一发现标志着活性物质（active matter，指由大量自驱动粒子组成的、能够展现集体行为的系统）研究的里程碑，证明了声波作为一种远距离、高效的通信方式，在性能上远超传统的化学信号，为未来开发能够在灾区搜救或在体内精准递药的智能机器人群提供了理论基础。研究发表在 Physical Review X 上。

#AI驱动科学 #机器人及其进展 #群体智能 #自组织

阅读更多：

Ziepke, Alexander. “Acoustic Signaling Enables Collective Perception and Control in Active Matter Systems.” Physical Review X, vol. 15, no. 3, 2025. COinS, https://doi.org/10.1103/m1hl-d18s

体外神经元学习效率远超深度强化学习

当前人工智能模型虽功能强大，但其学习效率远不及生物大脑。为了探究生物智能的核心优势，总部位于墨尔本的初创公司 Cortical Labs 及其合作机构（包括莫纳什大学等）的研究人员 Moein Khajehnejad, Forough Habibollahi, Brett J. Kagan 等人，首次将实验室培养的神经元网络与顶尖AI算法进行正面比较，结果表明生物系统在学习速度和效率上完胜AI。

▷ 提出了 OI 和 BI 通路可能存在的差异发展，以及它们可能存在于一系列谱系中的位置。Credit: Cell Biomaterials (2025).

研究核心是一个名为“皿中脑”（DishBrain）的合成生物智能（Synthetic Biological Intelligence，简称SBI）系统，它将源自人类干细胞的神经元培养在布满数千个微电极的芯片上。研究团队让这个生物系统和多种先进的深度强化学习算法共同挑战经典的Pong游戏。关键的实验设计在于，研究人员严格限制了AI算法的学习机会，使其获得的训练数据量与“皿中脑”在相同真实游戏时间内接收到的信息量相当。结果清晰地显示，当面对有限的数据时，生物神经元网络展现出了惊人的样本效率，它们适应得更快，游戏表现也更出色。相比之下，AI算法需要数百万次的训练才能取得明显进步。通过分析神经元的电信号，研究人员发现其网络连接在游戏过程中发生了快速的功能性重组，这反映了真实大脑学习的关键原理，而这种高效的自适应能力是目前AI无法企及的。研究发表在 Cyborg and Bionic Systems 上。

#神经科学 #计算模型与人工智能模拟 #生物计算 #强化学习

阅读更多：

Khajehnejad, Moein, et al. “Dynamic Network Plasticity and Sample Efficiency in Biological Neural Cultures: A Comparative Study with Deep Reinforcement Learning.” Cyborg and Bionic Systems, Aug. 2025. world, spj.science.org, https://doi.org/10.34133/cbsystems.0336

MV-SSM：利用多视角状态空间模型提升3D人体姿态估计的泛化能力

当前用于3D人体姿态估计的深度学习模型在面对不同摄像头布局时泛化能力差，存在严重的过拟合问题。Aviral Chharia、Wenbo Gou和Haoye Dong提出了一种名为MV-SSM的新框架，通过多视角状态空间建模，显著提升了模型在未知场景下的姿态估计鲁棒性和准确性。

▷ 比较不同的标记扫描方法。(a) 交叉注意力机制作用于所有图像标记。(b) 投影注意力机制利用透视投影获取锚点，并选择性地关注锚点周围的样本标记。(c) 提出的网格标记引导双向扫描 (GTBS) 算法在视觉特征和人体关键点层面对局部上下文和联合空间序列进行编码。Credit: The authors

尽管从多个摄像头视角估计3D人体姿态在理论上比单视角更容易，但现有端到端深度学习模型普遍存在泛化危机，即模型过度依赖训练数据中的特定摄像头数量和位置，在真实应用场景中性能会大幅下降。研究团队提出了MV-SSM（Multi-View State Space Modeling，多视角状态空间建模）框架。该模型的核心创新在于引入了投影状态空间（Projective State Space, PSS）模块，它能学习到人体关节空间排列的通用化表示，而不只是死记硬背训练数据。同时，团队设计了网格标记引导双向扫描（Grid Token-guided Bidirectional Scanning, GTBS）算法，高效地捕捉多视角图像中的局部特征和关节点之间的空间序列关系。实验结果证实了MV-SSM的强大泛化能力：在CMU Panoptic数据集的挑战性三摄像头设置下，其性能比现有顶尖模型高出24%；在摄像头布局变化的测试中高出13%；在跨数据集评估中更是实现了38%的性能提升。研究发表在 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 上。

#AI驱动科学 #预测模型构建 #机器人及其进展 #计算模型与人工智能模拟

阅读更多：

Chharia, Aviral, et al. MV-SSM: Multi-View State Space Modeling for 3D Human Pose Estimation. 2025, pp. 11590–99. openaccess.thecvf.com, https://openaccess.thecvf.com/content/CVPR2025/html/Chharia_MV-SSM_Multi-View_State_Space_Modeling_for_3D_Human_Pose_Estimation_CVPR_2025_paper.html

机器人获得新功能：算法自动识别传感器及其数学建模

如何让机器人像使用USB设备一样“即插即用”新传感器？克拉根福大学的Christian Brommer、Alessandro Fornasier、Jan Steinbrener和Stephan Weiss开发了一种新算法，使机器人能够自动识别未知传感器的类型、模型和校准参数，实现了传感器的无缝集成。

▷ 广义变换设置，用于表达各种传感器模态，例如磁场或速度矢量，以及用于 3 自由度和 6 自由度传感器测量和校准的变换。本研究旨在处理灰盒传感器信号和可靠的系统状态，以识别相应的传感器模型及其属性。Credit: IEEE Transactions on Robotics (2025).

该方法的核心在于，算法无需预先知道传感器的任何信息，仅通过分析传感器输出的未知数据流，并结合机器人自身已有的运动状态（如位置和姿态），就能从一个包含多种常见传感器的模型库中，自动匹配并识别出当前接入的是哪种传感器，例如GPS或加速度计。该过程分为两个阶段：首先，算法进行模型识别，并利用一个健康度量机制来确保识别结果的准确性，避免误判。接着，它会自动估算该传感器的关键校准参数，如其在机器人上的精确安装位置和方向。这种自动化方法极大地简化了开发流程，使传感器集成变得更快、更稳健，即便是非专业人员也能轻松完成。研究成果为模块化机器人和多机器人协作系统的发展铺平了道路。研究发表在 IEEE Transactions on Robotics 上。

#AI驱动科学 #自动化科研 #机器人及其进展 #传感器融合

阅读更多：

Brommer, Christian, et al. Sensor Model Identification via Simultaneous Model Selection and State Variable Determination. arXiv:2506.11263, arXiv, 12 June 2025. arXiv.org, https://doi.org/10.48550/arXiv.2506.11263

融合抓取与旋转的球形机械手

当前机器人在处理转动门把手等任务时，其腕部通常具有三个自由度（degrees of freedom，即“滚动”、“俯仰”和“偏航”三种独立运动方式），但其机械结构复杂，且旋转中心离被抓物体较远，导致机器人需要笨拙地移动整个手臂来补偿不必要的平移。耶鲁大学研究团队设计的Sphinx机械手巧妙地解决了这一难题。

▷ Credit: Yale University

它采用一种球形并联结构（spherical parallel architecture），将抓取器和腕部的功能融为一体。其核心创新在于，它能让被抓取的物体围绕一个靠近物体本身的固定点进行纯粹的球形旋转，从而彻底避免了低效的补偿性手臂运动。这种设计不仅结构更简单，甚至在基础的开环控制（open-loop control，一种不依赖传感器反馈的控制方式）下也能精确旋转物体。实验证明，Sphinx手能让机器人在狭小空间内高效工作，显著提升了机器人的灵巧操作能力，为开发能适应家庭、灾后等复杂环境的通用机器人铺平了道路。研究发表在 Nature Machine Intelligence 上。

#其他 #机器人及其进展 #机械手 #灵巧操作

阅读更多：

Patel, Vatsal V., and Aaron M. Dollar. “Combining Grasping and Rotation with a Spherical Robot Hand Mechanism.” Nature Machine Intelligence, vol. 7, no. 7, July 2025, pp. 999–1009. www.nature.com, https://doi.org/10.1038/s42256-025-01039-1

用大模型回答问题，将语言学理论转化为可预测的大脑模型

虽然现代AI模型能精准预测大脑如何响应语言，但它们无法告诉我们“为什么”，这使得科学理解停滞不前。为此，研究人员开创了一种名为问答编码模型（Question Answering encoding models）的新方法。利用大型语言模型将抽象的科学理论转化为既准确又可解释的大脑活动预测模型。

该方法首先将语言神经科学中的定性理论（例如，大脑会专门处理与社交相关的词汇）转换成一系列简单的“是/否”问题。随后，研究人员使用大型语言模型来阅读实验中使用的文本，并逐句回答这些问题，从而为文本生成一组基于理论的特征标签。这些标签被用来训练一个线性模型，以预测功能性磁共振成像和颅内脑电图（ECoG）记录的真实大脑数据。结果惊人，一个仅基于35个问题的简化模型，其预测准确性竟超越了复杂的“黑箱”基线模型。更重要的是，该模型完全透明，其权重参数直接揭示了哪个大脑区域对哪种语言特征（即哪个理论）敏感，生成了清晰的“大脑语言功能地图”。这些地图的可靠性也通过与现有文献的荟萃分析和专门设计的后续实验得到了验证。

#AI驱动科学 #预测模型构建 #大模型技术 #神经机制与脑功能解析

阅读更多：

Singh, Chandan, et al. Evaluating Scientific Theories as Predictive Models in Language Neuroscience. bioRxiv, 12 Aug. 2025, p. 2025.08.12.669958. bioRxiv, https://doi.org/10.1101/2025.08.12.669958

基底神经节中动作规范的计算模型

以往对基底神经节的理解多局限于一个简单的“开关”，在几个离散选项中做出选择。然而，我们行动时，大脑还需决定速度、力度等连续变化的参数。现有模型采用局部编码（localist encoding，即每个神经元或通道只代表一个特定动作），无法解释这种精细调控。为填补这一空白，研究人员构建了一个全新的计算模型。其核心创新在于引入了向量符号代数（Vector Symbolic Algebras, VSAs），这是一种高维计算方法，能将一个完整的连续动作空间（例如从慢到快的所有速度）及其被选择的可能性，压缩成一个高维向量。

研究者提出一个新颖的假设：基底神经节的功能并非直接“挑选”出最终速度，而是扮演一个“决策净化器”的角色。它接收一个模糊的、包含多种可能速度的信号，然后通过其内部动态，将这个信号“锐化”，使其能量集中在最可能的那个速度上，从而为下游运动皮层提供一个清晰的指令。模拟实验证实了该模型的功能。它不仅能有效“净化”信号、降低决策的不确定性，还能在面对两个同样诱人的动作选项时解决冲突，果断选择其一。此外，模型还成功再现了多巴胺系统的作用——当模拟的多巴胺水平升高时，模型会更倾向于选择最优选项，表现出更强的“利用”行为。

#神经科学 #计算模型与人工智能模拟 #神经机制与脑功能解析 #跨学科整合

阅读更多：

Bartlett, Madeleine, et al. A Computational Model of Action Specification in the Basal Ganglia. bioRxiv, 12 Aug. 2025, p. 2025.08.12.669938. bioRxiv, https://doi.org/10.1101/2025.08.12.669938

整理｜ChatGPT

编辑｜丹雀、存源