█ 脑科学动态
Science：干细胞造出人工睾丸
Nature：大脑中存在反向传播？
大脑的思维捷径：为何我们总是重蹈覆辙？
成年大脑感觉回路仍持续重塑
血液标志物CDR1as可预测抗抑郁药疗效
在想象中重塑过去：基于意象的疗法可减少对失败的恐惧
█ AI行业动态
特朗普政府与硅谷开战
超越AlphaFold：Isomorphic Labs推出新一代药物设计引擎
█ AI驱动科学
给大脑挂个“灯笼”：侧脑室脑机接口，信号记录稳如泰山
APOLLO框架：精准解耦单细胞多模态数据中的共享与特异信息
柔性剪纸微电极阵列实现非人灵长类大脑长期稳定记录
强化学习模型重建受损神经通道：无需下游数据的仿生脉冲生成
ChatBCI：利用大语言模型革新P300脑机接口拼写效率
融合数字孪生与神经拟态工程的脑部疾病治疗新范式
Doc-to-LoRA：让大模型即时“消化”长文本的新技术
脑科学动态
Science：干细胞造出人工睾丸
来自大阪大学和京都大学的Takashi Yoshino、Katsuhiko Hayashi等人组成的团队，在体外配子发生领域取得了突破性进展。针对长期以来难以在体外重建功能性睾丸微环境这一难题，该团队成功利用小鼠多能干细胞重建了睾丸发育过程，并培育出具有受精能力的精子，最终诞下了健康的后代。
研究团队设计了一种特定的培养方案，通过调控信号通路模拟体内的性别决定过程，诱导干细胞分化为睾丸体细胞样细胞（TesLCs），并与同样源自干细胞的原始生殖细胞样细胞（PGCLCs）组装成睾丸类器官（testicular organoids）。这种“人工睾丸”成功模拟了体内的生精小管结构，为生殖细胞提供了关键的发育环境。实验数据显示，在这些类器官中生成的精原干细胞，被移植到不育小鼠体内后，能够完成完整的精子发生过程。利用这些精子进行受精，研究人员获得了两代健康且具备生育能力的小鼠，证实了该系统生成的生殖细胞具有完整的功能性。此外，研究还揭示了性别决定机制中雄性通路比雌性通路更为严格的不对称性。研究发表在 Science 上。
#疾病与健康 #其他 #干细胞 #生殖生物学 #体外配子发生
阅读更多：
“Reconstitution of Sex Determination and the Testicular Niche Using Mouse Pluripotent Stem Cells.” Science. www.science.org, https://www.science.org/doi/10.1126/science.aea0296. Accessed 28 Feb. 2026
Nature：大脑中存在反向传播？
大脑如何知道调整哪些神经连接来优化行为？这就是著名的信用分配问题。Valerio Francioni、Mark T. Harnett 等研究人员通过一项精巧的实验，证实了大脑皮层神经元的树突中存在特定的“矢量化指导信号”。这些信号能够针对性地指导单个神经元的学习，为理解生物大脑如何实现类似人工智能反向传播的高效学习提供了生理学证据。
研究团队利用神经反馈脑机接口任务，训练小鼠通过调节压后皮层中特定神经元群体的活动来控制视觉光栅的旋转以获取奖励。实验过程中，研究人员使用双光子显微镜同时记录了神经元胞体和远端顶树突的钙信号，并计算了胞体-树突残差（SD residual），即树突活动中无法被胞体活动解释的部分。结果显示，树突并非单纯被动传输信号，而是包含了关于奖赏和误差的独立信息。这种信号是矢量化的，意味着它根据每个神经元对任务的贡献（如正向或负向调节）而有所不同，正如人工智能中的误差反向传播一样。进一步实验表明，通过光遗传学抑制第1层NDNF+中间神经元（NDNF+ interneurons）会阻断这些指导信号，进而破坏学习过程。研究发表在 Nature 上。
#神经科学 #神经机制与脑功能解析 #突触可塑性 #脑机接口
阅读更多：
Francioni, Valerio, et al. “Vectorized Instructive Signals in Cortical Dendrites.” Nature, Feb. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-026-10190-7
大脑的思维捷径：为何我们总是重蹈覆辙？
为什么人们明明有更好的选择，却往往固守旧习？德累斯顿工业大学的 Stefan Kiebel 和 Ben J. Wagner 等人组成的研究团队进行了一项大规模研究。他们发现，许多看似非理性的偏好并非源于复杂的价值权衡，而是源于人们倾向于在特定情境下简单地重复之前的行为，这种机制深刻影响了后续的决策路径。
▷ 基于价值的决策任务概述（已获取数据）。Credit: Communications Psychology (2025).
该研究通过分析九项新收集的任务数据和六组既往数据集，涵盖了超过700名参与者的决策行为。研究团队采用了一种基于分层贝叶斯强化学习的计算模型，该模型仅基于“奖励学习”和“动作重复”这两个核心原则。通过将该模型与传统的相对价值学习及价值归一化等模型进行对比，研究人员发现，仅仅是“重复”这一动作本身，就足以让某个选项在未来被赋予更高的主观价值。换言之，决定选择的关键往往不是对利弊的精细计算，而是大脑采用了一种“思维捷径”，即记住并重复之前的动作。这种情境依赖性的重复行为导致人们在面对新环境时，依然会偏向于那些被频繁选择过的旧选项，即使存在同等甚至更优的替代方案。这项研究不仅解释了购物习惯或日常例行公事中的非理性行为，也为理解人类决策机制提供了更简洁的理论框架。研究发表在 Communications Psychology 上。
#认知科学 #意图与决策 #心理学 #行为偏差 #强化学习
阅读更多：
Wagner, Ben J., et al. “Action Repetition Biases Choice in Context-Dependent Decision-Making.” Communications Psychology, vol. 3, no. 1, Nov. 2025, p. 177. www.nature.com, https://doi.org/10.1038/s44271-025-00363-x
成年大脑感觉回路仍持续重塑：LRRTM3蛋白介导的丘脑网状核精细化
长期以来，学术界普遍认为人类大脑的感觉处理回路在幼儿期就已定型。然而，一项颠覆性的新研究发现，这种重塑过程实际上会持续到成年期。来自大邱庆北科学技术院的 Jaewon Ko 和延世大学的 Eunji Cheong 等人组成的研究团队，通过对小鼠模型的深入分析，首次证实大脑的“感觉检查点”——丘脑网状核（TRN）在青春期后仍会进行精细的结构重组，这一过程对于成年后具备高分辨率的感觉感知能力至关重要。
▷ TRN LRRTM3 参与成人特有的感觉辨别任务。Credit: Neuron (2026).
该研究重点关注了位于丘脑的丘脑网状核，它负责过滤传递给大脑皮层的感觉信息。研究人员发现，一种名为富含亮氨酸重复序列的跨膜蛋白3（LRRTM3）的分子在这一过程中扮演了“守门人”的角色。LRRTM3特异性地分布在TRN中，负责微调神经元之间的突触连接。通过对比实验，研究人员发现，当小鼠TRN中的LRRTM3基因被移除后，其神经回路无法在成年期进行必要的“升级”和调整，导致这些小鼠难以区分细微的触觉差异。研究表明，成年大脑会主动减少某些兴奋性输入，以优化信息处理效率。这一发现不仅揭示了大脑在成年期仍具有显著的可塑性，也为理解自闭症、多动症等伴有感觉处理障碍的神经精神疾病提供了新的视角，提示这些疾病可能与成年期神经回路成熟机制的异常有关。研究发表在 Neuron 上。
#神经科学 #神经机制与脑功能解析 #大脑可塑性 #感觉处理
阅读更多：
Lee, Dongsu, et al. “Juvenile-to-Adult Refinement of Thalamic Reticular Circuits via LRRTM3 Enables High-Resolution Sensory Encoding.” Neuron, vol. 0, no. 0, Feb. 2026. www.cell.com, https://doi.org/10.1016/j.neuron.2025.12.020
血液标志物CDR1as可预测抗抑郁药疗效
重度抑郁症的治疗常陷入“试错”困境，患者往往需尝试多种药物才能找到有效方案。来自Circular Genomics Inc.、新墨西哥大学和Fondation FondaMental的Grigorios Papageorgiou与Nikolaos Mellios等人组成的研究团队，发现了一种名为CDR1as的血液生物标志物。该发现有望帮助医生在治疗前预测患者对特定抗抑郁药物的反应，从而实现精准治疗。
▷ 基线血液中 CDR1as 环状 RNA 水平可预测舍曲林治疗后的反应和缓解情况。实验设计示意图。Credit: Papageorgiou et al.
研究团队利用聚合酶链式反应（PCR）技术，分析了两个独立临床队列中抑郁症患者的血液样本，重点检测了一种在大脑中富集的环状RNA（circRNA）——CDR1as的水平。这种分子能穿过血脑屏障并在血液中稳定存在。数据显示，在接受广泛使用的选择性5-羟色胺再摄取抑制剂（SSRI）舍曲林治疗前，最终疗效显著的患者与无效患者体内的CDR1as基线水平存在显著差异。此外，该标志物能特异性预测SSRI类药物的疗效，而对其他类型的抗抑郁药（如安非他酮）或安慰剂无效。动物实验进一步揭示，CDR1as受5-羟色胺受体和脑源性神经营养因子（BDNF）受体信号通路的强烈调控，解释了其作为疗效预测因子的分子机制。研究发表在 Molecular Psychiatry 上。
#疾病与健康 #个性化医疗 #神经机制与脑功能解析 #抑郁症 #生物标志物
阅读更多：
Papageorgiou, Grigorios, et al. “A Brain-Enriched circRNA Blood Biomarker Can Predict Response to SSRI Antidepressants.” Molecular Psychiatry, Feb. 2026, pp. 1–16. www.nature.com, https://doi.org/10.1038/s41380-026-03491-w
在想象中重塑过去：基于意象的疗法可减少对失败的恐惧
童年时期遭受的严厉批评往往会演变为成年后对失败的深层恐惧。来自波兰SWPS大学和波兰科学院南基实验生物学研究所的Julia Bączek和Stanisław Karkosz等人组成的研究团队，深入探索了基于意象的心理治疗技术。研究证实，通过在想象中“重写”痛苦的童年记忆，可以显著且持久地减轻人们对失败的恐惧及相关的负面情绪。
这项随机对照临床试验招募了180名受失败恐惧困扰的年轻人。研究人员对比了三种干预方法：意象暴露疗法（IE，单纯回忆痛苦情境）、意象重塑疗法（ImRs，在回忆中引入保护者改变结局）以及带有10分钟延迟的意象重塑疗法（ImRs-DSR）。研究重点考察了记忆重整和预测误差这两种机制的作用。结果显示，虽然所有方法均有效降低了参与者的生理压力反应和负面情绪，但延迟干预并未带来额外优势。值得注意的是，数据表明“预测误差”——即患者的负面预期与想象中发生的积极转折之间的差异——是意象重塑疗法成功的关键驱动力。当治疗过程中出现这种心理上的“惊喜”时，治疗效果更为显著。这表明，利用想象力创造与旧有认知不符的新结局，能有效更新大脑中的痛苦记忆痕迹。研究发表在 Frontiers in Psychology 上。
#疾病与健康 #心理健康与精神疾病 #记忆机制 #认知科学 #创伤修复
阅读更多：
Bączek, Julia, et al. “Imagine Yourself as a Little Girl…—Efficacy and Psychophysiology of Imagery Techniques Targeting Adverse Autobiographical Childhood Experiences- Multi-Arm Randomised Controlled Trial.” Frontiers in Psychology, vol. 16, Jan. 2026. Frontiers, https://doi.org/10.3389/fpsyg.2025.1710963
AI 行业动态
特朗普政府与硅谷“开战”，因拒签“无限制使用”协议将Anthropic拉入黑名单
一场关于人工智能伦理与国家安全的激烈碰撞，在特朗普政府与顶级AI公司Anthropic之间爆发。由于Anthropic拒绝接受五角大楼提出的、允许其技术被用于“一切合法目的”的要求，特别是担心技术可能被用于开发完全自主的致命武器或进行大规模国内监控，特朗普总统于周五下令所有联邦机构“立即停止”使用该公司的技术，并限时六个月完成从国防部等部门的全面撤出。国防部长赫格塞斯随即宣布将Anthropic列为“国家安全供应链风险”，此举意味着该公司将被排除在美国政府合同之外。Anthropic对此表示“深感遗憾”，并誓言将通过法律途径挑战这一认定，认为其“在法律上站不住脚”，且为所有与美国政府谈判的企业树立了危险先例。
此次封杀事件源于一份价值2亿美元的合同分歧。Anthropic去年与五角大楼签约，但其坚持要求在合同中加入限制条款，禁止将其AI模型用于全自动武器和大规模监控。五角大楼强硬拒绝了这一要求，并设下最后通牒。随着谈判破裂，特朗普在社交媒体上激烈抨击Anthropic的立场是“将意识形态凌驾于宪法之上”，危及国家安全。此举引发了国会资深民主党人马克·沃纳的严厉谴责，他批评政府以政治考量驱动国家安全决策，并担忧这会破坏私营部门与国防及情报机构的合作信任。与此同时，竞争对手OpenAI的CEO Sam Altman虽表态支持类似的人工智能伦理“红线”，但其与五角大楼的现有合同仅涉及日常办公等非机密领域，因此并未卷入此次风波。
#Anthropic #特朗普政府 #AI伦理 #国家安全 #五角大楼
阅读更多：
https://www.anthropic.com/news/statement-comments-secretary-war
超越AlphaFold：Isomorphic Labs推出新一代药物设计引擎
在AlphaFold 3于2024年问世并加速全球结构生物学研究后，其开发者之一Isomorphic Labs近日宣布取得重大突破，正式推出全新的药物设计引擎。这一统一的计算系统不仅在预测精度上超越了前代模型，更重要的是，它能够模拟和理解更复杂的生物分子动态过程，从而弥合了从静态结构预测到实际药物发现之间的关键鸿沟。研究人员介绍，该引擎能够仅凭氨基酸序列识别蛋白质上全新的、隐藏的药物结合口袋，并能准确预测小分子与靶点的结合强度，其速度和成本远低于传统的物理学模拟方法，为计算机辅助药物设计开辟了全新的可能性。
该引擎的核心突破体现在几个关键领域。在泛化能力上，它能准确预测与训练数据差异极大的全新蛋白质-配体结构，在特定基准测试中的准确率比AlphaFold 3提升了一倍以上。对于复杂的生物制剂，如抗体，它在预测最具挑战性的抗体可变区方面性能卓越，为从头设计全新抗体奠定了基础。此外，在药物优化的关键环节——结合亲和力预测上，其准确率已超越被视为“黄金标准”的基于物理的方法。通过复现近期一项关于蛋白质新结合口袋的实验发现，该引擎展示了其强大的“盲测”能力，能够在不依赖已知配体信息的情况下，揭示蛋白质上全部潜在的作用机制，这对于攻克传统上难以成药的靶点具有革命性意义。
#IsoDDE #AI药物设计 #结构生物学 #计算机辅助药物设计 #IsomorphicLabs
阅读更多：
https://www.isomorphiclabs.com/articles/the-isomorphic-labs-drug-design-engine-unlocks-a-new-frontier
AI 驱动科学
给大脑挂个“灯笼”：清华团队首创侧脑室脑机接口，信号记录稳如泰山
为了解决侵入式脑机接口长期信号衰减的难题，来自清华大学生物医学工程学院的高小榕教授、刘冉研究员，清华大学药学院的鲁白教授以及中国医学科学院的陈小刚研究员团队提出了一种全新的解决方案。他们避开了传统的皮层植入方式，转而利用充满脑脊液的侧脑室作为植入位点，开发出一种独特的灯笼状柔性电极。该技术不仅实现了微创植入，还成功在动物实验中维持了长达数月的稳定神经信号记录，在记忆引导的决策任务中展现出卓越的解码性能。
该研究的核心创新在于设计了一种侧脑室脑机接口，并配备了受中国传统灯笼结构启发的柔性可展开电极。这种电极在植入时呈收拢状态，通过微创通道进入侧脑室后径向展开，其弓形支撑结构能够分散接触应力，使电极与脑室壁柔顺贴合，避免了对脑组织的机械损伤。研究团队在大鼠模型上进行了长达168天的对比实验，结果显示，与传统的硬膜下皮层脑电图电极相比，新型脑室电极诱发的免疫反应极低，仅在术后早期出现短暂的微胶质细胞活化，随后迅速恢复正常，未出现持续的瘢痕包裹。在功能测试方面，研究人员设计了“动作-记忆T迷宫”任务，利用脑室电极记录的信号构建了微状态序列分类器，成功预测大鼠的转向决策，准确率高达98%。这一结果表明，该系统能够有效捕捉到海马体等深部脑区与记忆和决策相关的信息，为长期稳定的脑机接口应用提供了极具潜力的新路径。研究发表在 National Science Review 上。
#意识与脑机接口 #脑机接口 #神经工程 #生物医学工程 #记忆解码
阅读更多：
Sun, Yike, et al. “Lateral Ventricular Brain-Computer Interface System with Lantern-Inspired Electrode for Stable Performance and Memory-Guided Decoding.” National Science Review, Feb. 2026, p. nwag081. Silverchair, https://doi.org/10.1093/nsr/nwag081
APOLLO框架：精准解耦单细胞多模态数据中的共享与特异信息
如何从复杂的单细胞多模态数据中还原真实的细胞状态？来自麻省理工学院、哈佛大学、苏黎世联邦理工学院和保罗·谢勒研究所（PSI）的Xinyi Zhang、G. V. Shivashankar和Caroline Uhler等人组成的团队，提出了一种名为APOLLO的新型计算框架。该框架利用可解释的机器学习模型，成功解决了现有方法在整合不同测量技术（如RNA测序、染色质成像等）数据时，难以区分共享信息与特有信息的问题，为理解细胞状态提供了更全面的视角。
这项研究的核心在于APOLLO框架的设计，即基于潜在优化学习的部分重叠潜在空间的自编码器（Autoencoder with a Partially Overlapping Latent space learned through Latent Optimization）。研究人员摒弃了简单的信息强制融合，而是将数据的潜在空间明确划分为捕捉所有模态共有信息的共享区域，以及仅捕捉特定技术所测信息的模态特有区域。通过独特的两步训练法，APOLLO不仅能精准重构原始数据，还能在SHARE-seq（scRNA-seq和scATAC-seq）和CITE-seq（scRNA-seq和蛋白质丰度）等多种真实数据集上表现出色。结果显示，APOLLO能够有效分离生物学信号，例如将细胞周期基因与启动子活性区分开，或将实验批次效应从细胞类型信号中剥离。此外，该模型还展示了强大的跨模态预测能力，能够仅凭染色质图像预测未测量的蛋白质定位，这对于资源受限的实验具有重要意义。研究发表在 Nature Computational Science 上。
#AI驱动科学 #计算模型与人工智能模拟 #单细胞多模态 #APOLLO框架 #生物信息学
阅读更多：
Zhang, Xinyi, et al. “Partially Shared Multi-Modal Embedding Learns Holistic Representation of Cell State.” Nature Computational Science, Feb. 2026, pp. 1–16. www.nature.com, https://doi.org/10.1038/s43588-025-00948-w
柔性剪纸微电极阵列实现非人灵长类大脑长期稳定记录
如何解决传统刚性电极在灵长类大脑中因剧烈运动而失效的难题？来自中国脑科学研究院的 Ying Fang、Runjiu Fang、Huihui Tian 等研究人员，受剪纸艺术启发，开发了一种新型柔性微电极阵列。该阵列通过独特的螺旋线设计，成功解决了脑机接口在大面积、长期记录中面临的机械失配问题，为非人灵长类动物的神经科学研究提供了强有力的工具。
这项研究的核心在于一种被称为“剪纸微电极阵列”（ki-MEAs）的创新设计。研究团队利用平面光刻技术制造网格，并通过剪纸结构将其转化为三维的可拉伸螺旋线。这种设计允许电极的基部像“浮标”一样紧密贴合在脑表面，而螺旋线则深入皮层，能够随大脑的毫米级运动而自由伸缩，极大减少了对脑组织的损伤。在实验中，研究人员通过水溶性载体将该阵列植入猕猴大脑，成功实现了对超过700个皮层神经元的同时记录。此外，结合递归神经网络，团队不仅捕捉到了高质量的神经信号，还成功从初级运动皮层（M1）的信号中准确解码了猕猴的上肢运动轨迹。这一成果证明了该技术在高性能脑机接口领域的巨大应用潜力。研究发表在 Nature Electronics 上。
#意识与脑机接口 #神经机制与脑功能解析 #柔性电子 #生物医学工程
阅读更多：
Fang, Runjiu, et al. “Flexible Kirigami Microelectrode Arrays for Neuronal Activity Recordings in Non-Human Primate Brains.” Nature Electronics, Feb. 2026, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41928-025-01560-6
强化学习模型重建受损神经通道：无需下游数据的仿生脉冲生成
针对中风或脊髓损伤导致的神经通道中断问题，香港科技大学的Yiwen Wang（王怡雯）团队联合中国科学院深圳先进技术研究院、帝国理工学院及佛罗里达大学的研究人员，取得了一项重要突破。他们开发了一种基于强化学习的神经脉冲生成模型，能够绕过受损脑区，建立人工信息通道。该研究成果成功解决了传统神经假体依赖受损下游脑区数据这一核心难题，为恢复患者的运动和认知功能提供了全新的康复思路。
该研究提出了一种基于强化学习的点过程框架。传统的监督学习方法需要下游神经元的记录作为训练的“真值”，但这在神经受损患者中无法获取。王怡雯团队的创新在于，他们不再试图模仿缺失的下游信号，而是让模型像大脑一样通过“试错”学习：将上游信号转换为脉冲序列，并以“行为是否成功”作为反馈奖励来优化模型。实验结果显示，该模型生成的人工脉冲不仅能高效驱动大鼠完成目标运动，且其信号特征与健康大脑的自然神经调制高度相似，展现出优异的仿生特性和适应能力。研究发表在 Nature Computational Science 上。
#疾病与健康 #脑机接口 #计算模型与人工智能模拟 #神经调控
阅读更多：
Wu, Shenghui, et al. “A Generative Spike Prediction Model Using Behavioral Reinforcement for Re-Establishing Neural Functional Connectivity.” Nature Computational Science, vol. 6, no. 2, Feb. 2026, pp. 179–92. www.nature.com, https://doi.org/10.1038/s43588-025-00915-5
ChatBCI：利用大语言模型革新P300脑机接口拼写效率
为了解决传统脑机接口打字速度慢、用户认知负担重的问题，Jiazhen Hong, Weinan Wang & Laleh Najafizadeh 团队开发了名为 ChatBCI 的新型系统。传统的 P300 拼写器通常要求用户逐个字母进行选择，导致拼写长句时效率低下。该团队通过引入大型语言模型，旨在利用上下文感知能力来优化拼写过程，无需本地部署庞大的模型即可实现智能预测。
这项研究的核心在于将 P300 脑机接口与 GPT-3.5 API 相结合。P300 是一种在事件相关电位中出现的特定脑波成分，常用于检测用户的意图。在 ChatBCI 中，研究人员设计了一种改进的图形用户界面，除了常规字母外，还能显示由 GPT-3.5 根据上下文生成的单词建议。系统采用逐步线性判别分析（SWLDA）算法来处理脑电信号并识别用户选择。在涉及7名受试者的实验中，通过抄写自编句子和即兴创作两项任务，结果显示 ChatBCI 相比传统逐字拼写器显著减少了完成任务所需的时间和按键次数，同时提升了信息传输率（ITR）。这种结合了大模型零样本学习能力的方法，为运动或语言障碍人士提供了一种更高效的实时交流工具。研究发表在 Scientific Reports 上。
#意识与脑机接口 #大模型技术 #AI驱动科学 #神经科学
阅读更多：
Hong, Jiazhen, et al. “ChatBCI, a P300 Speller BCI with Context-Driven Word Prediction Leveraging Large Language Models, from Concept to Evaluation.” Scientific Reports, vol. 16, no. 1, Feb. 2026, p. 6379. www.nature.com, https://doi.org/10.1038/s41598-025-25660-7
神经拟态孪生：融合数字孪生与神经拟态工程的脑部疾病治疗新范式
当前神经工程疗法在治疗帕金森病等脑部疾病时面临个性化和适应性不足的瓶颈。Michela Chiappalone和Timothée Levi提出了一种名为“神经拟态孪生”（Neuromorphic Twin）的前沿概念，旨在创建一个能与患者大脑实时互动、共同进化的硬件“双胞胎”，从而实现真正的个性化神经修复。
该技术的核心是将数字孪生的建模能力与神经拟态工程的低功耗、高效率特性相结合。与现有的仅能单向模拟的虚拟大脑模型不同，神经拟态孪生能够通过闭环回路与真实大脑进行持续的双向通信。其架构包含三个关键部分：首先，一个基于硬件的信号处理模块，利用脉冲神经网络实时解码采集到的大脑信号；其次，一个生物仿生的硬件网络，精确模拟特定脑区的功能；最后，一个软件层，根据大脑状态的变化，周期性地调整硬件模型的参数，实现长期的自适应与个性化。这种设计不仅能为神经退行性疾病、癫痫或脑损伤患者提供动态调整的精准刺激，还能被嵌入低功耗的可植入设备中，有望彻底改变神经疾病的治疗模式，并为生物混合智能的发展开辟新道路。研究发表在 Nature Communications 上。
#疾病与健康 #计算模型与人工智能模拟 #神经调控 #跨学科整合
阅读更多：
Chiappalone, Michela, and Timothée Levi. “Advancing Neuroengineering with Neuromorphic Twins.” Nature Communications, vol. 17, no. 1, Feb. 2026, p. 1938. www.nature.com, https://doi.org/10.1038/s41467-026-68923-1
Doc-to-LoRA：让大模型即时“消化”长文本的新技术
大型语言模型处理长文本时效率低下，如何让模型快速“消化”并记住文档内容？Sakana AI和密涅瓦大学（Minerva University）的Rujikorn Charakorn、Edoardo Cetin、Shinnosuke Uesaka、Robert T. Lange等人提出了一种名为Doc-to-LoRA（D2L）的创新框架，它通过一个轻量级超网络，让大模型在一次读取后就能即时内化文档信息。
该研究的核心是“元学习”上下文蒸馏过程。研究团队设计了一个超网络，它能读取任意一篇新文档，并在单次前向计算中，为目标LLM量身定做一个LoRA适配器。将此适配器加载后，LLM就相当于“记住”了文档内容，后续回答相关问题时无需再次加载冗长的原文，从而极大地降低了推理延迟和内存占用。为处理超长文档，D2L采用了基于Perceiver的架构和分块机制。实验结果令人瞩目：在“大海捞针”测试中，D2L处理的文本长度可达模型原生上下文窗口的四倍以上，且准确率近乎完美。在真实问答任务中，其效率和性能在计算资源受限时均优于传统蒸馏方法，甚至能实现从视觉模型到文本模型的知识迁移。
#大模型技术 #计算模型与人工智能模拟 #高效推理 #上下文内化
阅读更多：
Charakorn, Rujikorn, et al. “Doc-to-LoRA: Learning to Instantly Internalize Contexts.” arXiv:2602.15902, arXiv, 13 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.15902
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。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。您也可以在后台提问，我们将基于追问知识库为你做出智能回复哦~
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。
研究院在华山医院、上海市精神卫生中心分别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陈天桥雒芊芊神经科学研究院。
研究院还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、、、科普视频媒体「大圆镜」等。
热门跟贴