█ 脑科学动态
Nature：早期神经细胞选择如何塑造周围神经系统
Cell：为什么脸上受伤不易留疤？
大语言模型解码梦境：复杂梦境情绪如何影响日常心理状态
小鼠大脑在前50毫秒内完成气味识别
果蝇抑制性神经元也能驱动节律性运动
小脑在阅读与拼写任务中的核心协作作用
新发现颠覆百年认知：脑积水实为脉动能量吸收障碍所致
神经元并非只靠糖分运作：隐藏脂滴是驱动大脑功能和控制体重的关键
█ AI行业动态
李飞飞团队开源Spark 2.0：让3D世界在任意设备上流畅呈现
从持续刺激到按需调控：BrainSense自适应脑起搏器获批
英伟达开源量子AI大模型Ising，押注AI成量子计算机操作系统
EverOS全球公测：为AI智能体注入“数字灵魂”
█ AI驱动科学
柔性打印人工神经元成功与活体脑细胞实现电信号交互
从头设计首个可沿轨道随机移动的纯蛋白分子漫步者
聚焦微波突破热损伤瓶颈，新型3D打印重塑电子器件制造
VueBuds：集成于耳塞的微型摄像头让用户与AI畅谈所见
人工智能修正“时间误差”，提高医疗和法律领域的可靠性
AI与人类价值观完全一致在数学上不可能实现
人工智能将自然语言引入抑郁症筛查，提升准确性与用户体验
仿生视觉与生物集成视觉技术融合，突破人工视觉瓶颈
大规模智能体网络三大核心维度：拓扑、记忆与动态更新
AutoSOTA以多智能体协作重塑科学发现流程
脑科学动态
Nature：早期神经细胞选择如何塑造周围神经系统
周围神经系统的细胞发育轨迹和命运决定时间一直是生物学中的未解难题，传统观点认为相关细胞在发生迁移后才明确发育身份。Xiaoxu Yang（犹他大学健康科学学院）、Keng Ioi Vong和Joseph G. Gleeson（加州大学圣地亚哥分校）及其研究团队发现大多数早期神经干细胞在离开初始部位前就已经确定了特定发育命运，揭示了感觉神经与交感神经系的早期独立起源。
▷ 正在发育的脊椎动物鹌鹑神经管（中心，蓝色）上方可见正在形成的神经嵴细胞（黄色）。Credit: Melanie White, DPhil, University of Queensland
为了探究人类特有的胚胎发育过程，研究团队开发了一种马赛克变异条形码（mosaic variant barcode，利用细胞在一生中积累的微小DNA突变作为追踪其共享发育历史的标记）分析系统。结合小鼠模型中的CRISPR条形码技术与鹌鹑胚胎的实时成像技术，研究人员重构了早期神经节的发育起源。数据表明，感觉神经节和交感神经节在发生迁移前便由不同的细胞群独立发育而来，两者的克隆重叠极其有限。计算模型证实，大多数神经嵴细胞（neural crest cells，胚胎期出现并能发育成多种组织结构的多能干细胞群）在脱离神经管（neural tube，胚胎期最终发育成大脑和脊髓的中空管状结构）前已受到强烈的命运限制。此外实时成像证实细胞在生长因子依赖下呈现出精确的头尾向扩散。该成果推翻了细胞迁移后才获得身份的传统假设，为治疗起源于此类细胞的儿童先天性神经疾病提供了靶向干预的理论基础。研究发表在 Nature 上。
#疾病与健康 #神经机制与脑功能解析 #发育生物学 #周围神经系统
阅读更多：
Vong, Keng Ioi, et al. “Developmental Organization of Sensory and Sympathetic Ganglia.” Nature, Apr. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-026-10313-0
Cell：为什么脸上受伤不易留疤？揭示成纤维细胞的胚胎密码
人体面部伤口往往不易留疤，而躯干部位却极易形成增生性疤痕。Michelle F. Griffin、Dayan J. Li等（斯坦福大学医学院等）发现成纤维细胞的胚胎起源决定了其纤维化潜力，并揭示了面部皮肤特有的抗疤痕分子通路，为实现全身无疤愈合带来全新干预靶点。
▷ Credit:Cell.
研究团队首先构建了小鼠伤口模型，发现源自神经嵴的面部成纤维细胞促纤维化能力显著低于源自中胚层的背部成纤维细胞。通过单细胞RNA测序，研究人员锁定关键受体ROBO2。面部细胞高表达的ROBO2会激活下游EID1蛋白，进而抑制EP300（一种组蛋白乙酰转移酶，能促进特定基因转录）。这种抑制使细胞染色质保持沉默状态，直接压制了胶原蛋白等促纤维化基因的表达。在动物实验中，当向背部伤口注射小分子药物I-CBP112以抑制EP300活性，或过表达相关基因时，原本易留疤的创面呈现出面部般的愈合特征，不仅疤痕大幅减小，甚至长出新毛囊。人类皮肤样本的分析同样证实了该抗疤痕通路的保守性。研究发表在 Cell 上。
#疾病与健康 #其他 #创伤愈合 #成纤维细胞 #表观遗传
阅读更多：
Griffin, Michelle F., et al. “Fibroblasts of Disparate Developmental Origins Harbor Anatomically Variant Scarring Potential.” Cell, vol. 189, no. 3, Feb. 2026, pp. 783-799.e20. www.cell.com, https://doi.org/10.1016/j.cell.2025.12.014
大语言模型解码梦境：复杂梦境情绪如何影响日常心理状态
梦境中的情绪如何影响我们白天的心理状态？Garrett R Baber等人（堪萨斯大学）的大规模分析揭示，恐惧的梦境短期内会引发次日早晨的负面情绪，但善于调节情绪的个体反而会经历更多包含恐惧的梦，且梦境中同时出现多种复杂情绪对心理状态具有明显的保护作用。
▷ Credit: SLEEP (2026).
研究团队收集了536名受试者的日常睡眠调查数据，总计包含4715天的梦境记录。为了处理庞大的文本信息，研究人员应用了定制的大语言模型，对梦境报告中的恐惧和喜悦程度进行自动提取与量化。随后，团队采用贝叶斯多层模型分析了梦境情绪与次日情绪状态的关联。分析结果表明，做令人恐惧的梦会导致第二天早晨的负面情绪增加百分之七。然而，在日常生活中更倾向于使用适应性情绪调节策略的个体，其梦境中的平均恐惧水平反而更高。此外，当梦境展现出情绪复杂性时，受试者第二天早晨完全没有负面情绪的概率会显著提高百分之二十。而梦境中平均喜悦感较高的个体，其早晨的积极情绪也会提升百分之九。这表明梦境既反映了情绪从睡眠到清醒的连续性，也展现了个体适应和调节情绪的动态机制。研究发表在 SLEEP 上。
阅读更多：
Baber, Garrett R., et al. Testing Affect Regulation Theories of Dreaming. academic.oup.com, https://dx.doi.org/10.1093/sleep/zsag046. Accessed 15 Apr. 2026
小鼠大脑在前50毫秒内完成气味识别
大脑如何如此迅速地识别并区分不同气味？Mursel Karadas、Jonathan V. Gill、Sebastian Ceballo、Shy Shoham和Dmitry Rinberg等（纽约大学朗格尼健康中心等）通过小鼠实验发现，气味识别的关键神经计算发生在嗅球中，而非以往认为的大脑皮层。大脑通过最初50毫秒内激活的早期神经信号即可决定识别出何种气味，并有效屏蔽后续干扰。
▷ 实验装置结合了双光子显微镜和基于单光子 DMD 的模式刺激系统。Credit: Nature Neuroscience (2026).
研究团队开发了一种结合双光子钙成像与精确光遗传学的全光学方法。借助新型电路映射显微镜，研究人员在清醒小鼠中刺激并追踪了嗅球最外层的神经信号。实验表明，在小鼠一个嗅探周期的最初50毫秒内，首先被激活的肾小球与僧帽和簇状细胞（mitral and tufted cells，嗅球中负责将信号传递给下游脑区的主要神经元）的信号模式决定了小鼠感知到的气味。这种被称为时间过滤的机制使得相同的气味无论浓度高低，都会优先激活相同的信号模式。一旦模式确立，背景气味引发的后续信号就会被阻断。这一发现证实了早期感觉处理系统在信号到达大脑皮层前就已实现了气味身份的稳定与分离。研究发表在 Nature Neuroscience 上。
#神经科学 #神经机制与脑功能解析 #时间过滤 #光遗传学 #嗅觉识别
阅读更多：
Karadas, Mursel, et al. “Rapid Temporal Processing in the Olfactory Bulb Underlies Concentration-Invariant Odor Identification and Signal Decorrelation.” Nature Neuroscience, Apr. 2026, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41593-026-02250-y
果蝇抑制性神经元也能驱动节律性运动
传统观点认为动物的运动主要由兴奋性神经元驱动，而感觉输入与运动输出之间起协调作用的神经网络机制一直存在盲区。加州大学圣巴巴拉分校的Durafshan Sakeena Syed、Primoz Ravbar和Julie H. Simpson发现了抑制性神经元的全新功能，证明这些通常被认为只负责停止指令的神经细胞，实际上能主动产生并协调果蝇梳理毛发时的节律性肢体运动。
这项研究充分利用了成年果蝇的完整大脑连接组图谱。研究团队通过分析电子显微镜数据，对腹神经索中约120个GABA能抑制性神经元进行了分类与神经通路追踪。随后，他们采用光遗传学激活或沉默特定神经元，并结合高分辨率的运动学分析来量化肢体动作。结果表明，抑制性前运动神经元不仅能对某一块肌肉施加制动，还能由同一个神经元解除对拮抗肌的抑制。这种机制在不需要兴奋性信号介入的情况下，就能诱导肌肉发生伸展与屈曲的交替。此外，团队还识别出专一型和通用型两类抑制神经元，前者专门控制单个关节以应对环境变化，后者则像开关一样高效控制涉及多关节的日常重复动作。研究人员据此构建了计算模型并重现了节律性运动，确凿地证明了抑制性回路在运动生成中的核心作用。研究发表在 eLife 上。
#神经科学 #神经机制与脑功能解析 #果蝇 #抑制性神经元 #运动控制
阅读更多：
Syed, Durafshan Sakeena, et al. “Inhibitory Circuits Control Leg Movements during Drosophila Grooming.” eLife, edited by Tihana Jovanic and Albert Cardona, vol. 14, Jan. 2026, p. RP106446. eLife, https://doi.org/10.7554/eLife.106446
小脑在阅读与拼写任务中的核心协作作用
针对小脑在阅读与拼写等复杂语言任务中具体机制未明的问题，Emily Czobor、Christopher L. Striemer、Kulpreet Cheema、Praveen Prem、Daniel Aalto和Jacqueline Cummine（阿尔伯塔大学）开展了相关研究，证实小脑在各类拼写任务中与大脑语言区积极协作，并在不同阅读能力人群中均发挥着基础性支持作用。
研究人员招募了33名成年人，其中包括正常阅读者和患有阅读障碍的参与者。实验中，受试者需完成三种涉及声音处理和记忆提取的拼写任务。研究团队使用任务态功能磁共振成像对他们进行扫描。通过功能连接分析，发现大脑皮层语言区与小脑之间存在强烈的协作连接，并在特定任务下集中于小脑右侧小叶VI和Crus II区域。此外，广义心理生理相互作用（gPPI，一种专门评估特定行为任务如何改变脑区间功能连接的统计模型）分析揭示，语音任务会引发特定的脑区连通模式。令人意外的是，尽管阅读障碍组在拼写行为表现上落后，其大脑与小脑的连接模式却与正常组高度相似。这表明无论个体阅读水平高低，小脑都在动态支持着底层语言处理过程，为未来阅读障碍的精准干预疗法提供了生物学依据。研究发表在 The Cerebellum 上。
#认知科学 #神经机制与脑功能解析 #阅读障碍 #小脑功能 #语言处理
阅读更多：
Czobor, Emily, et al. “Examining the Cerebral-Cerebellar Connectivity During Spelling Tasks.” The Cerebellum, vol. 25, no. 1, Jan. 2026, p. 5. Springer Link, https://doi.org/10.1007/s12311-025-01944-6
新发现颠覆百年认知：脑积水实为脉动能量吸收障碍所致
一个世纪以来，医学界普遍认为脑脊液吸收受阻是导致脑积水的根本原因。石溪大学的Michael Egnor、Nahid Shirdel Abdolmaleki等研究人员颠覆了这一观点，他们通过全新的动力学模型证实脑积水实际上是由大脑无法吸收来自心跳的脉动能量所致。这一重大发现为治愈该疾病的新型治疗方法奠定了基础。
▷ 正常脑室动力学和脑积水脑室动力学障碍中脉动能量流的示意图。Credit: Journal of Neurosurgery: Pediatrics (2026).
研究团队构建了一个简单的分流电路模型（current-divider electrical circuit model，一种用于计算能量如何在并联路径中分配的电学分析工具）来模拟脑部温克尔塞尔系统（cerebral windkessel system，一种能够缓冲动脉血流脉动能量以确保毛细血管平稳流动的脑循环缓冲机制）。他们在模型中输入了取自12只正常狗的动脉血压数据作为基准电压，并利用已发表的脑积水患者血流磁共振成像数据模拟蛛网膜下腔阻塞。研究结果表明，蛛网膜下腔中脉动能量的高阻抗会导致温克尔塞尔系统功能受损及脉动重新分布，进而引发脑积水。模型还揭示，患者的脑室扩张并非单纯的被动病理损伤，而是降低脉动阻抗的主动生理适应；传统的分流手术本质上是提供了一个辅助缓冲系统，通过引流多余能量来降低颅内压。该研究在完全不涉及脑脊液吸收障碍假设的情况下，成功再现了脑积水的核心临床特征。研究发表在 Journal of Neurosurgery: Pediatrics 上。
#疾病与健康 #神经机制与脑功能解析 #脑积水 #脑脊液 #温克尔塞尔理论
阅读更多：
Egnor, Michael, et al. “A Model of Hydrocephalus Due to Windkessel Impairment Caused by Subarachnoid Space Obstruction.” Journal of Neurosurgery: Pediatrics, 1, no. aop, Mar. 2026, pp. 1–9. Journal of Neurosurgery: Pediatrics. thejns.org, https://doi.org/10.3171/2025.8.PEDS24604
神经元并非只靠糖分运作：隐藏脂滴是驱动大脑功能和控制体重的关键
长期以来科学界普遍认为神经元主要依靠葡萄糖供能，脂滴（lipid droplets）仅存在于病理状态下，其在健康神经元中的作用一直未明。Thierry Alquier、Elizabeth Rideout及其团队（蒙特利尔大学、不列颠哥伦比亚大学等）首次证实健康神经元中存在功能性脂滴，揭示了其作为神经元关键能量来源并调控全身代谢和体重的作用。
该研究结合小鼠和果蝇等动物模型，聚焦调控能量平衡的小鼠下丘脑AgRP神经元和果蝇AKH神经内分泌神经元。研究人员通过引入基因突变，破坏调控脂滴形成与利用的酶和蛋白质，阻断了神经元获取其内部脂质储备的途径。结果表明，这种阻断直接导致小鼠的食物摄入量和能量消耗发生改变，并促使果蝇体内脂肪大量积累。值得注意的是，这些代谢变化在雄性身上表现得更为显著，凸显了能量调节的性别差异。此外，研究证实脂滴不仅作为脂肪酸的储存库用于修复细胞膜，还能为线粒体提供能量，并维持内质网功能以保障蛋白质合成。这一发现挑战了传统认知，证明脂滴是神经元不可或缺的持续能量源。研究发表在 Nature Metabolism 上。
#疾病与健康 #神经机制与脑功能解析 #代谢平衡 #脂质代谢
阅读更多：
Manceau, Romane, et al. “Neuronal Lipid Droplets Play a Conserved and Sex-Biased Role in Maintaining Whole-Body Energy Homeostasis.” Nature Metabolism, Apr. 2026, pp. 1–17. www.nature.com, https://doi.org/10.1038/s42255-026-01508-w
AI 行业动态
李飞飞团队开源Spark 2.0：让超大规模3D世界在任意设备上流畅呈现
著名人工智能学者李飞飞创立的World Labs公司近日开源了其3D高斯溅射渲染引擎Spark 2.0。该引擎基于Three.js框架和WebGL2技术构建，核心能力是能够将包含超过1亿个泼溅点（splats，即构成3D场景的半透明椭球体单元，每个单元携带位置、颜色、不透明度等属性）的超大规模3D世界，通过流式传输方式在桌面、手机、VR设备等任意终端浏览器中实现完全交互式的实时渲染。这一突破解决了传统3D建模依赖纹理映射三角形、拼接效率低下的问题，而3D高斯溅射技术则通过数百万个色彩融合的半透明椭球体，呈现出照片级的超写实细节。
Spark 2.0的技术核心在于融合了三大创新：细节层次技术（LoD，Level-of-Detail，根据物体距离智能筛选需要渲染的溅射点数量）、渐进式流式加载以及虚拟内存。引擎定义了一种全新的.RAD文件格式，能高效压缩并支持随机访问。World Labs团队表示，这一开源引擎的研发始终与其大型世界模型Marble同步推进，李飞飞本人也第一时间在社交平台表达了对社区贡献的骄傲。Spark 2.0的发布将极大降低开发者构建沉浸式网页3D体验的门槛，推动空间智能技术的普及。
#李飞飞 #3D高斯溅射 #开源渲染引擎 #空间智能 #实时流式渲染
阅读更多：
https://www.worldlabs.ai/blog/spark-2.0#lod-splat-tree
从持续刺激到按需调控：BrainSense自适应脑起搏器获批
美国食品药品监督管理局（FDA）于2025年2月批准了美敦力（Medtronic）公司的BrainSense自适应深部脑刺激及其配套的电极识别功能，用于帕金森病治疗。与传统持续输出的深部脑刺激不同，这套系统能实时记录患者脑内的电生理信号，并在预设范围内自动调整刺激强度，标志着帕金森病的神经调控从“固定参数”走向“闭环、个体化、信号驱动”的治疗模式。关键的ADAPT-PD临床试验在10个国际中心开展，入组85例患者，结果显示约84.7%的患者能检测到可用于自适应编程的脑信号。在主要分析中，单阈值和双阈值两种自适应模式相比传统持续刺激，分别使患者每日“无困扰性异动症的开期时间”平均增加0.6小时和1.3小时，同时“关期时间”分别减少0.7小时和1.6小时。此外，自适应模式还降低了约13%-15%的电能输送，这对植入式设备的长期使用至关重要。
此次同步获批的BrainSense电极识别功能则解决了临床编程耗时且依赖经验的瓶颈。借助该功能，初始编程时间可比传统方法缩短约85%，而临床效果无统计学差异。这一进步将脑信号感知、参数优化与临床编程的链条真正缩短，对推动闭环神经调控进入常规临床具有实际意义。值得关注的是，美敦力在官方表述中明确将这套系统归入脑机接口技术的临床落地范畴。其系统架构已形成“脑信号采集—状态识别—刺激输出调整”的闭环链条，成为典型的临床级闭环神经接口。
研究负责人Helen Bronte-Stewart和Todd Herrington等研究人员指出，对于饱受运动波动和异动症困扰的患者，自适应刺激提供了更精准的个体化治疗选择。不过，严格的学术视角下也需注意：FDA文件显示，由于主要终点的患者特异性成功阈值在事后做了修订，研究的统计推断以描述性分析为主，因此当前证据应理解为支持安全性、可实施性和有利的效果信号，而非无争议的优效性结论。
#自适应深部脑刺激 #帕金森病 #闭环神经调控 #脑机接口 #美敦力
阅读更多：
https://www.ajmc.com/view/adaptive-deep-brain-stimulation-technology-receives-fda-approval-for-parkinson-disease
英伟达开源量子AI大模型Ising，老黄押注AI成量子计算机操作系统
英伟达近日宣布推出全球首个开源量子AI模型家族——NVIDIA Ising，旨在攻克量子计算实用化道路上的两大关键难题：量子纠错与校准。该系列包含两个核心模型：Ising Calibration（校准）是一个350亿参数的视觉语言模型，能够快速解读来自量子处理器的测量结果，将原本耗时数天的校准工作缩短至几小时；Ising Decoding（解码）则基于3D CNN（三维卷积神经网络，一种擅长处理立体时空数据的深度学习模型）实现实时纠错，其优化速度的版本相比开源行业标准pyMatching（一种经典量子纠错解码算法）提速2.5倍，精度提升1.11倍，而优化精度的版本结合pyMatching后准确率可达后者的1.53倍。英伟达创始人兼CEO黄仁勋表示，AI将成为量子计算机的操作系统，将脆弱的量子比特转变为可扩展且可靠的量子-GPU混合系统。
量子计算机的实用化长期受困于极高的错误率——当前最先进的量子处理器每进行1000次操作就可能出错一次，而规模化应用需要错误率降至万亿分之一以下。英伟达认为AI是突破这一瓶颈的关键，此次开源的Ising模型系列采用了Apache-2.0协议，便于商业应用。为验证模型有效性，英伟达联合费米实验室、哈佛大学等机构开发了全球首个量子计算机校准评估基准QcalEval，结果显示Ising Calibration在六个评估维度上平均得分超越了Gemini 3.1 Pro、GPT 5.4等顶级闭源模型。这一开源举措引发市场积极反应，英伟达股价应声上涨超6%。有评论认为，英伟达正从软件底层逻辑切入，提前布局未来量子计算生态，让AI成为量子计算机的“操作系统”。
#量子AI #英伟达Ising #量子纠错 #开源模型 #黄仁勋
阅读更多：
https://huggingface.co/collections/nvidia/nvidia-ising
EverOS全球公测：为AI智能体注入“数字灵魂”，开启自我进化序章
随着OpenClaw等主动执行型智能体的爆发，AI正从被动工具向具备自我演化能力的智能体跃迁。然而，现有智能体受限于上下文窗口和记忆缺失，难以实现经验复用与进化。在此背景下，盛大集团旗下EverMind团队推出了专为自我演化智能体设计的记忆底座（Memory Layer）——EverOS。该系统基于入选ACL 2026顶会的核心算法与首创的 Skills 进化引擎，能让智能体从交互中自动提炼可复用的标准操作流程，从而将复杂任务成功率最高相对提升234.8%。EverOS打破了传统基础设施面向“人机交互”的模式，重构为原生适配AI编程与智能体间无缝调用的下一代基础设施。
EverOS通过四大硬核解法应对记忆挑战：一是“自我进化智能体记忆”机制，自动从任务中提取结构化经验、进行语义聚类，并让技能随实战持续迭代与优胜劣汰；二是mRAG（多模态检索增强生成）混合检索架构，融合语义向量、稀疏关键词与多模态对齐，实现跨文本、图表、图片的联合召回；三是底层采用超图（Hypergraph，一种用一条边连接多个节点的数据结构）记忆网络HyperMem，支撑复杂的跨时间关联推理；四是提供透明的开发者工具，包括可视化Playground和基于信用点的计费模型。团队还发布了EvoAgentBench测评框架，验证了EverOS在软件工程等任务中的显著效果——小模型搭配好记忆可追平大模型。该项目已开启全球公测，并邀请开发者贡献场景案例与插件，共同定义智能体的记忆未来。
#EverOS #智能体记忆 #自我进化AI #ACL2026 #多模态检索
阅读更多：
https://github.com/EverMind-AI/evermem-claude-code
AI 驱动科学
柔性打印人工神经元成功与活体脑细胞实现电信号交互
人工智能由于依赖庞大且高耗能的硅基芯片网络，面临极大能效瓶颈。西北大学的Mark C. Hersam与Indira M. Raman等科研团队合作，通过开发低成本柔性打印设备，成功制造出能够直接触发活体脑细胞响应的人工神经元，为类脑计算带来新突破。
▷ 赫萨姆实验室里的一台气溶胶喷射打印机将电子墨水沉积到柔性聚合物基材上。Credit: Mark Hersam/Northwestern University
研究团队采用气溶胶喷射打印，将二硫化钼和石墨烯墨水打印在柔性聚合物上。团队刻意保留部分稳定聚合物并用电流驱动其不均匀分解，形成狭窄导电细丝。该设计使设备能产生高达20 kHz频率的复杂信号模式，包括单次、连续和爆发式放电，解决了有机材料响应过慢和金属氧化物过快导致的生物学失真问题。活体验证中，研究人员将人工产生的电信号直接施加于小鼠小脑切片。结果表明，人工电压尖峰在时序和波形特征上与真实生物电信号高度吻合，能可靠触发真实浦肯野神经元的生理反应。该设备可稳定运行超一百万次，有效降低能耗与制造成本，为开发高能效脑机接口与神经形态硬件提供了可扩展平台。研究发表在 Nature Nanotechnology 上。
#意识与脑机接口 #脑机接口 #类脑计算 #人工神经元 #柔性电子
阅读更多：
Hadke, Shreyash S., et al. “Printed MoS2 Memristive Nanosheet Networks for Spiking Neurons with Multi-Order Complexity.” Nature Nanotechnology, Apr. 2026, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41565-026-02149-6
从头设计首个可沿轨道随机移动的纯蛋白分子漫步者
动态分子机器的从头设计一直是合成生物学领域的巨大难题。Liza Ulčakar、Hao Shen、David Baker与Ajasja Ljubetič等研究人员（斯洛文尼亚国家化学研究所、华盛顿大学等）成功开发了首个完全由蛋白质组成的随机分子漫步者系统。该系统能够在微米级的蛋白质轨道上进行长距离扩散，揭示了多价性对分子运动的调控规律，为未来开发提供动力的可编程分子纳米机器人奠定了基础。
研究团队首先从头设计了微米级的粗直径蛋白质纤维作为轨道，并开发了Fibre H-fuse（一种基于二级结构重叠将任意蛋白质刚性融合到纤维组装体上的全新方法）技术，将可逆的异源二聚体作为轨道的立足点。随后，他们设计了具有不同对称性的环状同源寡聚体作为漫步者，这些漫步者带有4到8个不等的足部。利用冷冻电镜确证了轨道与漫步者的结构与设计高度一致。通过全内反射荧光显微镜进行单分子追踪，结果显示漫步者能够沿着轨道进行各向异性的持续随机扩散。研究发现，拥有更多足部的漫步者在轨道上的扩散速度更快；同时，立足点的结合亲和力越强，漫步者的扩散速度也越快。当环境温度升高时，扩散速率显著增加，而高粘度或高盐环境则会减缓其移动速度。这种纯靠多价性驱动的无燃料系统，展现出了极高的可调控性。
#AI驱动科学 #机器人及其进展 #蛋白质设计 #分子机器 #单分子追踪
阅读更多：
Ulčakar, Liza, et al. “De-Novo Design of a Random Protein Walker.” bioRxiv, 1 Oct. 2025, p. 2025.09.29.677966. bioRxiv, https://doi.org/10.1101/2025.09.29.677966
聚焦微波突破热损伤瓶颈，新型3D打印重塑电子器件制造
在3D打印电子器件时，如何对电子墨水进行高温处理而不损坏下方的温度敏感基底，是困扰该领域十余年的核心难题。Yong Lin Kong和John Ho等研究人员（莱斯大学与新加坡国立大学）成功开发出一种基于聚焦微波的创新3D打印工艺，实现了对打印材料的亚毫米级原位选择性加热，彻底打破了传统电子制造的材料整合限制。
▷ 使用 Meta-NFS 逐层沉积法打印的 3D 结构照片。( A ) 银双锥结构。( B ) 银截锥体。( C ) 银环。( D ) 银三角棱柱。这些结构与一枚美国 25 美分硬币（直径 24.26 毫米，厚度 1.75 毫米）并排放置。比例尺：1 毫米。Credit: Science Advances (2026).
该研究团队设计了一种名为超材料启发式近场电磁结构（metamaterial-inspired near-field electromagnetic structure，一种通过特殊几何设计将微波能量高度限制在近场区域的装置）的设备，并将其与微挤出3D打印工艺无缝结合。传统微波加热受限于物理衍射极限，难以聚焦，而新设计的装置能将微波能量集中在小于200微米的受限区域。在打印过程中，这种局部高能量被石墨烯或金属等纳米材料墨水吸收，转化为热能进行体积加热，而周围的生物聚合物等敏感基底则保持低温。通过调整微波参数，研究人员实现了前所未有的连续空间编程能力，只需一次打印且无需更换材料，即可改变局部微观结构，使同一器件不同部位的机械和电子特性产生几个数量级的差异。实验结果显示，该技术能将无线应变传感器直接打印在用于关节置换的超高分子量聚乙烯上，甚至能直接打印在牛股骨和活体树叶表面。研究发表在 Science Advances 上。
#疾病与健康 #机器人及其进展 #3D打印 #超材料 #柔性电子
阅读更多：
Teng, Jian, et al. “Three-Dimensional Printing of Nanomaterials-Based Electronics with a Metamaterial-Inspired near-Field Electromagnetic Structure.” Science Advances, vol. 12, no. 6, Feb. 2026, p. eadz7415. science.org (Atypon), https://doi.org/10.1126/sciadv.adz7415
VueBuds：集成于耳塞的微型摄像头让用户与AI畅谈所见
如何在不牺牲隐私和舒适度的前提下，将视觉智能融入日常可穿戴设备？华盛顿大学的 Maruchi Kim 和 Shyam Gollakota 等研究人员开发了一款名为 VueBuds 的原型系统，它将微型摄像头集成到普通无线耳塞中，使用户能通过语音与设备上的AI模型交流，实时理解周围的视觉世界。
▷ Credit: Kim et al./CHI ‘26
研究团队改造了市售的无线耳塞，在其中嵌入了米粒大小的低功耗、黑白摄像头。该系统（VueBuds）通过蓝牙将低分辨率的静态图像传输到手机等配对设备，由设备上的小型视觉语言模型进行处理。为解决面部遮挡问题，摄像头被向外倾斜5-10度，并将双耳图像拼接，以提供宽阔的视野并加快响应速度至1秒内。所有数据处理均在本地设备上完成，且有指示灯提示，以保护用户隐私。在与74名参与者的对比测试中，尽管VueBuds的图像分辨率远低于Ray-Ban Meta智能眼镜，但两者的视觉问答表现相当。在另一项16人的实地测试中，VueBuds在翻译和识别物体方面的准确率达到83%-84%，识别书名和作者的准确率高达93%。这项研究证实了将视觉智能集成到耳塞这一普遍佩戴的设备中的可行性，为视障人士辅助、实时翻译等应用开辟了新路径。研究发表在 Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems 上。
#AI驱动科学 #脑机接口 #可穿戴技术 #人机交互 #视觉语言模型
阅读更多：
Kim, Maruchi, et al. “VueBuds: Visual Intelligence with Wireless Earbuds.” Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems, 2026, pp. 1–21. arXiv.org, https://doi.org/10.1145/3772318.3791322
人工智能修正“时间误差”，提高医疗和法律领域的可靠性
大型语言模型在处理不断变化的信息时常出现“时间误差”，影响其可靠性。韩国科学技术院的Steven Euijong Whang团队与微软研究院合作，开发了一套名为TDBench的自动化评估系统。该系统首次将时间数据库理论引入AI评估，旨在系统性地诊断和提升大型语言模型的时间推理能力。
▷ Credit: arXiv (2025).
研究团队创新性地利用时间数据库技术，让系统能自动生成涵盖13种复杂时间关系的评估问题，彻底摆脱了传统评估方法对人工编写和维护的依赖。当现实信息变化时，只需更新数据库，评估体系便能同步刷新。此外，团队还引入了名为“时间准确率”（time accuracy）的新评估指标，它不仅判断答案是否正确，还深入核查模型解释中时间点的逻辑有效性。实验结果表明，该方法在识别“时间幻觉”方面，准确率比以往提高了21.7%，同时评估维护的数据输入量平均减少了51%。这项技术有望为验证AI在医疗、法律等高要求领域的性能奠定坚实基础。
#大模型技术 #自动化科研 #时间数据库 #可靠性
阅读更多：
Kim, Soyeon, et al. “Harnessing Temporal Databases for Systematic Evaluation of Factual Time-Sensitive Question-Answering in Large Language Models.” arXiv:2508.02045, arXiv, 2 Mar. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2508.02045
AI与人类价值观完全一致在数学上不可能实现
人工智能对齐面临巨大挑战。Hector Zenil、Alberto Hernández-Espinosa、Felipe S Abrahão和Olaf Witkowski的研究表明，AI与人类价值观完全对齐在数学上是不可能的，但利用行为多样性可实现某种程度的控制。
研究团队利用哥德尔不完备性定理和图灵关于停机问题的不可判定性结果，从数学上证明了任何复杂到足以展现通用智能的大语言模型都具有计算不可约性（computational irreducibility，即无法通过简化算法预测系统行为，只能实际运行来得出结果的特性），因此强制对齐在数学上是不可能的。作为替代，研究者提出了一种受控错位（managed misalignment，即通过人工智能体之间动态制衡而非强制一致来保障安全的策略）策略，构建了一个包含完全一致、部分一致和完全不一致等不同角色的认知生态系统。在多模型的伦理辩论实验中，研究团队发现开放模型比闭源的专有模型展现出更广泛的观点，创造了更具韧性的生态系统。这表明利用智能体差异性可以有效防止单一有害观点的垄断。研究发表在 PNAS Nexus 上。
#大模型技术 #计算模型与人工智能模拟 #AI安全 #人工智能对齐 #多智能体系统
阅读更多：
Hernández-Espinosa, Alberto, et al. “Neurodivergent Influenceability in Agentic AI as a Contingent Solution to the AI Alignment Problem.” PNAS Nexus, vol. 5, no. 4, Apr. 2026, p. pgag076. Silverchair, https://doi.org/10.1093/pnasnexus/pgag076
人工智能将自然语言引入抑郁症筛查，提升准确性与用户体验
传统心理评估量表常因其固定的选项而无法捕捉用户复杂的情绪。郑州师范大学的Zheng Jin及其团队开发了一种基于大型语言模型的自动化评估范式（Automated Assessment Paradigm），该工具通过分析用户的自然语言回答来筛查抑郁症，不仅显著提升了诊断准确性，也改善了用户体验。
研究团队构建了一个名为BDI-FS-GPT的系统，它将经过验证的贝克抑郁量表快速筛查版（Beck Depression Inventory Fast Screen, BDI-FS）融入一个对话式AI界面。与传统问卷要求用户勾选选项不同，该系统通过开放式问题引导用户自由表达，随后AI通过一个基于规则的流程，将回答的语义内容自动映射到标准化的量表分数上。在一项涉及115名参与者（包括28名确诊抑郁症患者）的研究中，BDI-FS-GPT的评估结果与精神科医生的临床诊断表现出高度一致性，其准确性指标（曲线下面积，即AUC，评估模型诊断准确性的指标）高达0.953，成功识别了89.3%的抑郁症患者。这一表现优于广泛使用的传统筛查工具——患者健康问卷-9（Patient Health Questionnaire-9, PHQ-9），后者的AUC为0.859，仅识别出71.4%的患者。此外，用户满意度调查显示，参与者更偏爱这种互动、自然的评估方式。研究发表在 JMIR Formative Research 上。
#疾病与健康 #心理健康与精神疾病 #大模型技术 #人机交互
阅读更多：
Jin, Zheng, et al. “Evaluating the Efficacy of AI-Based Interactive Assessments Using Large Language Models for Depression Screening: Development and Usability Study.” JMIR Formative Research, vol. 10, no. 1, Jan. 2026, p. e78401. formative.jmir.org, https://doi.org/10.2196/78401
仿生视觉与生物集成视觉技术融合，突破人工视觉瓶颈
人工视觉面临机器自适应能力不足和临床视觉修复效果有限的双重瓶颈。香港理工大学的柴扬、Yifei Yang、Yifei Wang等人在一篇综述论文中，系统阐述了仿生视觉（bioinspired vision）与生物集成视觉（biointegrated vision）两大技术路径的融合趋势，提出通过材料与神经工程的交叉创新，为开发超越生物性能且能无缝修复人类视觉的新一代人工视觉系统提供了可行路线图。
研究团队指出，人工视觉长期沿着两条平行线发展。仿生视觉面向机器，通过模仿生物眼结构（如使用曲面图像传感器（curved image sensor）消除畸变）和功能（如感内计算（in-sensor computing）模拟视网膜信息预处理）来提升感知效率。生物集成视觉则面向人类，通过视网膜假体等植入物修复视力，但面临信号编码与神经系统不匹配的难题。真正的突破在于二者的融合。未来，源自仿生研究的高动态范围光探测器可为假体提供更自然的信号输入；更进一步，可将模拟视网膜细胞侧向抑制等计算功能的电路集成到植入物中，使其不仅传递光信号，还能进行初步的神经编码。这种“会思考”的假体将向大脑传递更高效、更自然的视觉信息，为视障患者带来前所未有的高清视觉体验。研究发表在 Nature Reviews Bioengineering 上。
#疾病与健康 #知觉康复 #跨学科整合 #人工视网膜
阅读更多：
Yang, Yifei, et al. “Bioinspired and Biointegrated Vision for Artificial Sight Convergence.” Nature Reviews Bioengineering, vol. 3, no. 11, Nov. 2025, pp. 939–54. www.nature.com, https://doi.org/10.1038/s44222-025-00324-3
大规模智能体网络三大核心维度：拓扑、记忆与动态更新
当AI智能体数量从几个增长到成百上千，系统如何有效扩展？针对这一问题，来自埃默里大学的Xinyuan Song, Qingsong Wen, Shirui Pan, and Liang Zhao等人发表了一篇综述，提出了一个统一的分析框架，指出智能体之间世界模型的不一致性是比通信协议更根本的瓶颈。
研究团队构建了一个三维分类框架，从三个核心维度解析大规模智能体网络。第一是架构拓扑，即系统是中心化（centralized，易于协调但有性能瓶颈）还是去中心化（decentralized，灵活但易失调）；第二是记忆范围，即信息是全局共享（global memory，易于对齐状态）还是局部存储（local memory，更贴近真实分布式环境）；第三是更新行为，即系统在运行中是静态还是动态的。研究指出，真正决定系统扩展性与稳定性的，是这三个维度的组合。文章进一步提出了一个核心论点：大规模智能体协作的根本障碍并非通信延迟或带宽，而是每个智能体内部世界模型的不一致。即使信息传递无误，不同的世界模型也会导致对同一指令产生不同理解，从而引发信念漂移和目标偏离，最终导致系统失调。
#大模型技术 #计算模型与人工智能模拟 #多智能体系统 #系统架构 #综述
阅读更多：
Song, Xinyuan, et al. Complex Networks of AI Agentic Systems: Topology, Memory, and Update Dynamics. Feb. 2026. www.techrxiv.org, https://doi.org/10.36227/techrxiv.177127384.46731320/v1
AutoSOTA以多智能体协作重塑科学发现流程
当前AI研究人员为追求“SOTA”（State-of-the-art）指标，常被困于繁琐的重复性优化工作，这限制了颠覆性创新的产生。为解决此问题，清华大学与北京中关村学院的Yu Li, Chenyang Shao, Xinyang Liu等研究人员开发了一套名为AutoSOTA的全自动AI科研系统，它通过多智能体协作，实现了从论文到新SOTA模型的端到端发现，旨在将人类科学家从重复劳动中解放出来。
AutoSOTA采用一个精密的“多智能体协作框架”，通过八个各司其职的AI智能体模拟人类科研团队的工作流程。该系统能够自主完成从解析一篇学术论文、定位并下载相关代码库与数据集、搭建并修复实验环境，到复现论文报告的基线结果，乃至在此基础上进行反思、构思新方案并迭代优化的全过程。这一端到端的闭环设计，使其能系统性地探索新的算法结构和优化策略。在为期一周的测试中，AutoSOTA以前一年顶级AI会议的论文为基础，成功发现了105个超越原始论文的全新SOTA模型。惊人的是，这些新模型的平均性能提升了近10%，且其中超过60%的模型展现出新颖的结构创新，证明了该系统不仅限于简单的参数调优，而是具备发现全新解决方案的能力。
#AI驱动科学 #自动化科研 #大模型技术 #多智能体系统
阅读更多：
Li, Yu, et al. “AutoSOTA: An End-to-End Automated Research System for State-of-the-Art AI Model Discovery.” arXiv:2604.05550, arXiv, 7 Apr. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2604.05550
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