Nature：少即是多，抑制如何影响学习和空间记忆的形成
大脑如何通过"减法"强化关键记忆？佐治亚理工学院和埃默里大学的Nuri Jeong、Annabelle Singer团队发现，海马体抑制性神经元（PVs）通过动态降低活性为空间学习"开路"。这一机制解释了为何重要位置能被优先记忆，也为阿尔茨海默病研究提供了新方向。
研究团队采用光遗传学技术精准控制小鼠海马体中的小清蛋白中间神经元（PVs），同时让小鼠在虚拟现实迷宫中寻找奖励。当小鼠接近目标位置时，PVs活性会提前降低40-60%，这种"抑制解除"像打开闸门般允许兴奋性神经元强化连接。实验显示，若用光遗传学阻止PVs活性下降，小鼠完全无法记住奖励位置。更惊人的是，PVs活性降低可预测奖励出现，挑战了"神经活动越强学习效果越好"的传统认知。研究人员将PVs比作"时空精确的断路器"，其动态抑制能选择性地增强目标位置编码。该发现对理解阿尔茨海默病尤为重要——患者大脑可能因无法适时解除抑制而难以形成新记忆。研究为开发非侵入性脑刺激疗法奠定了基础。研究发表在 Nature 上。
#神经科学 #神经机制与脑功能解析 #记忆机制 #空间学习 #阿尔茨海默病
阅读更多：
Jeong, Nuri, et al. “Goal-Specific Hippocampal Inhibition Gates Learning.” Nature, Apr. 2025, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41586-025-08868-5
Science：小脑神经计算的向量微积分，神经元如何通过竞争性抵消控制眼球运动
小脑如何实现精确的运动控制？约翰霍普金斯大学的Mohammad Amin Fakharian、Alden M. Shoup、Paul Hage、Hisham Y. Elseweifi和Reza Shadmehr团队发现，小脑浦肯野细胞（Purkinje cells）通过"竞争性峰电位抵消"机制控制眼球运动——部分神经元产生电信号不是为了驱动行为，而是为了消除其他神经元的不良影响。
研究团队使用绒猴模型，通过复杂峰电位（CS）抑制确定了每个浦肯野细胞（P细胞）的"效力向量"（potent vector，描述其电活动如何影响眼球运动方向的二维向量）。实验发现，当两个P细胞同时被抑制时，其下游行为效应遵循向量叠加原理。在群体活动中，与预期运动方向垂直的峰电位贡献会被完全抵消。分子层中间神经元（MLIs）将苔状纤维（MFs，传递运动指令和目标的输入纤维）的信息转化为P细胞的输出模式：在奖励相关任务中，P细胞群体产生快速变化的爆发-暂停模式，其向量总和在减速开始时精确归零；而在无关任务中，由于目标信息缺失，只能产生不完整的爆发模式。研究还发现，部分P细胞专门为抵消其他细胞的"有害"电信号而活动，解释了为何神经元会产生看似浪费的峰电位。这种"向量微积分"机制为理解小脑疾病和治疗设计提供了新思路。研究发表在 Science 上。
#神经科学 #神经机制与脑功能解析 #计算模型与人工智能模拟 #小脑功能 #眼球运动控制
阅读更多：
Fakharian, Mohammad Amin, et al. “A Vector Calculus for Neural Computation in the Cerebellum.” Science, May 2025. world, www.science.org, https://www.science.org/doi/10.1126/science.adu6331
300美元EEG头盔挑战阿片类药物，75%患者实现无药缓解
慢性神经性疼痛患者长期面临药物依赖困境，新南威尔士大学的Negin Hesam-Shariati、Sylvia Gustin团队开发出PainWaive系统，通过脑电图（EEG）游戏训练患者自主调节异常脑电波，初步试验中75%参与者疼痛显著缓解。
研究采用多基线单案例设计，4名角膜神经痛患者使用定制EEG头戴设备（含盐水电极，靶向感觉运动皮层）进行4周家庭训练。通过互动游戏实时反馈脑电波变化，引导用户增加α波（放松相关）、减少θ/β波（疼痛相关）。结果发现，3名参与者疼痛程度和干扰度降低35-50%，效果持续至干预后5周。EEG数据显示异常脑电模式改善，尤其丘脑-皮层通讯增强。团队创新性采用3D打印将设备成本降至300美元（仅为商用系统1/30），并通过Zoom远程指导实现完全自主使用。局限性包括样本量小和潜在安慰剂效应，但结果为后续脊柱疼痛试验（Spinal Pain Trial）奠定基础。研究发表在 The Journal of Pain 上。
#疾病与健康 #神经调控 #个性化医疗 #非药物干预 #慢性疼痛
阅读更多：
Hesam-Shariati, Negin, et al. “The Effect of an EEG Neurofeedback Intervention for Corneal Neuropathic Pain: A Single-Case Experimental Design with Multiple Baselines.” The Journal of Pain, vol. 0, no. 0, Apr. 2025. www.jpain.org, https://doi.org/10.1016/j.jpain.2025.105394
MRI技术突破：反向追踪血流揭示大脑静脉网络奥秘
大脑静脉系统长期因复杂结构难以研究，加州大学伯克利分校的Ekin Karasan、Michael Lustig团队开发出DiSpect MRI技术，首次实现从静脉反向映射血流来源，相关成果为神经血管疾病诊断提供新工具。
▷ 大脑上静脉静脉灌注源映射的概念框架。Credit: Nature Communications (2025).
研究采用位移谱MRI（DiSpect）技术，利用血液水分子自旋作为天然示踪剂。通过磁化标记自旋并追踪其3-5秒的"记忆"，技术可逆向解析血流来源区域。实验显示，DiSpect不仅能检测咖啡因引起的全局血流变化，还能捕捉握拳任务时运动皮层局部血流重分布（灵敏度较传统fMRI提升3-4倍）。特别值得注意的是，该方法首次直接观察到"动脉血窃取"现象——神经活动区域从非活跃区"抢夺"血流的过程。在临床应用中，团队证实该技术可通过静脉端无创定位动静脉畸形的供血动脉，避免传统导管造影的风险。研究发表在 Nature Communications 上。
#神经科学 #神经调控 #神经机制与脑功能解析 #医学影像技术
阅读更多：
Karasan, Ekin, et al. “MR Perfusion Source Mapping Depicts Venous Territories and Reveals Perfusion Modulation during Neural Activation.” Nature Communications, vol. 16, no. 1, Apr. 2025, p. 3890. www.nature.com, https://doi.org/10.1038/s41467-025-59108-3
舞动的脑电波——声音如何实时重塑你的大脑网络
大脑如何实时响应声音刺激？奥胡斯大学大脑音乐中心的Mattia Rosso和Leonardo Bonetti团队与牛津大学合作，开发出FREQ-NESS神经成像技术，首次捕捉到听觉刺激下全脑网络的动态重组过程，相关成果可能改变我们对音乐认知和意识研究的理解。
研究团队开发的FREQ-NESS（频率分辨网络估计）技术，通过广义特征分解（GED）分析源重建脑磁图（MEG）数据，以8mm³的空间精度追踪不同频率脑网络的活动。在26名受试者实验中，2.4Hz节律声音刺激引发三个关键变化：首先产生与刺激频率同步的专属听觉网络；其次使原有α波网络从视觉区"迁移"至感觉运动区；最后显著增强听觉网络与内侧颞叶γ波网络的跨频耦合（相位-振幅耦合强度提升37%）。与传统ROI（感兴趣区域）分析方法不同，这种全脑数据驱动方法无需预设频段或脑区，首次完整呈现了"频率-空间"二维网络图谱。特别值得注意的是，即使被动聆听时，大脑也不仅接收声音信息，而是通过重组网络架构主动适应声学环境。研究发表在 Advanced Science 上。
#神经科学 #神经机制与脑功能解析 #大脑信号解析 #计算模型与人工智能模拟
阅读更多：
Rosso, Mattia, et al. “FREQ-NESS Reveals the Dynamic Reconfiguration of Frequency-Resolved Brain Networks During Auditory Stimulation.” Advanced Science, vol. 12, no. 20, 2025, p. 2413195. Wiley Online Library, https://doi.org/10.1002/advs.202413195
基因分析揭示抑郁症、躁郁症和精神分裂症的共同生物学机制
马克斯·普朗克精神病学研究所、亥姆霍兹慕尼黑和悉尼大学的Karolina Worf、Janine Knauer-Arloth等团队通过多组学分析发现，抑郁症、躁郁症和精神分裂症共享相同的分子机制，涉及昼夜节律、应激激素和神经递质通路。
▷ 维恩图显示了外显子 eQTL 基因（灰色）、BD、MDD 和 SCZ 联合 GWAS 外显子 eQT 评分基因（紫色）以及差异表达外显子水平基因（蓝色）之间的重叠。BD 双相情感障碍、MDD 重度抑郁障碍、SCZ 精神分裂症、CDG 交叉障碍、T2D 2 型糖尿病。Credit: Translational Psychiatry (2025).
研究团队采用外显子水平分析（exon-level analysis，基因的功能片段），对205例死后脑样本进行多模态研究。通过整合单核苷酸多态性（SNP）、罕见变异和多基因风险评分（PRS，综合评估遗传风险），发现三种疾病患者在外显子表达上存在显著差异，而传统基因水平分析无法检测这种差异。核心发现包括：110个共享基因涉及昼夜节律失调（统计显著性FDR=0.02）、皮质醇分泌异常（FDR=0.026）和多巴胺信号紊乱（FDR=0.038）。单核RNA测序显示这些基因主要在前额叶皮层2-6层兴奋性神经元中活跃。意外发现是心肌细胞肾上腺素能通路（FDR=0.0028）的关联，暗示精神-心脏共病机制。该研究为开发跨诊断治疗策略提供了分子靶点。研究发表在 Translational Psychiatry 上。
#疾病与健康 #心理健康与精神疾病 #神经机制与脑功能解析 #个性化医疗 #跨学科整合
阅读更多：
Worf, Karolina, et al. “Exon-Variant Interplay and Multi-Modal Evidence Identify Endocrine Dysregulation in Severe Psychiatric Disorders Impacting Excitatory Neurons.” Translational Psychiatry, vol. 15, no. 1, Apr. 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41398-025-03366-8
3个月大的婴儿大脑连接可预测情绪发育轨迹
婴儿情绪发展存在个体差异，但传统方法难以早期预测。匹兹堡大学医学院的Yicheng Zhang和Mary L. Phillips团队发现，通过先进脑成像技术可在婴儿3个月大时预测其未来6个月的情绪变化轨迹，为早期干预提供新依据。
研究采用神经突定向弥散和密度成像（NODDI，能精细解析脑组织微结构）扫描95名婴儿，发现小钳束（forceps minor）神经突分散程度与负面情绪发展显著相关——分散度每增加1个单位，3-9个月负面情绪增长32%。相反，左扣带束（cingulum bundle）结构更复杂的婴儿表现出更强的积极情绪发展（增幅38-41%）和更快的自我安抚能力提升（35%）。这些脑结构指标在44名独立样本验证中保持稳定，且不受家庭环境等因素干扰。研究证实，负责连接情绪调控脑区的白质束，其早期发育差异可预测情绪轨迹，这为在行为问题出现前实施针对性干预提供了可能的时间窗口。研究发表在 Genomic Psychiatry 上。
#疾病与健康 #神经机制与脑功能解析 #早期干预 #情绪发展 #脑成像
阅读更多：
Early infant white matter tract microstructure predictors of subsequent change in emotionality and emotional regulation, Genomic Psychiatry (2025). DOI: 10.61373/gp025a.0026
口服药物利格列酮为致命儿童脑病带来新希望
如何治疗致命儿童脑病cALD？肯尼迪克里格研究所Eric Mallack参与的国际团队发现，口服药物leriglitazone在中期试验中展现出显著疗效：45%患儿病情完全停滞，所有参与者病变增长减速。
这项名为NEXUS的国际多中心2/3期试验，招募了2-12岁伴白质病变的cALD患儿。参与者每日口服PPARγ激动剂（一种调节代谢和炎症的靶点药物）leriglitazone，通过定期MRI扫描和神经功能评分（NFS）监测疗效。24周中期数据显示，11名可评估患者全部达到预定义继续标准，其中5人（45%）实现疾病完全停滞。关键指标分析显示，Loes评分（评估脑损伤程度）和钆增强评分（GIS，反映血脑屏障破坏）在多数患者中趋于稳定。尽管5名患者因持续钆增强符合干细胞移植标准，但均未出现显著病变增长。安全性方面，发生的87例不良事件均非治疗相关严重事件。研究为这种目前仅能依靠高风险干细胞疗法的致命疾病提供了首个口服治疗方案希望。研究发表在 eClinicalMedicine 上。
#疾病与健康 #个性化医疗 #神经调控 #罕见病治疗 #儿童神经疾病
阅读更多：
García-Cazorla, Ángeles, et al. “Safety and Efficacy of Leriglitazone in Childhood Cerebral Adrenoleukodystrophy (NEXUS): An Interim Analysis of an Open-Label, Phase 2/3 Trial.” eClinicalMedicine, vol. 84, June 2025. www.thelancet.com, https://doi.org/10.1016/j.eclinm.2025.103265
昼夜节律偏好与青少年的冲动有关
匹兹堡大学的Riya Mirchandaney团队发现，自述为“夜猫子”的青少年表现出更高的冲动性，尤其是负面情绪下的冲动决策和任务放弃倾向。然而，客观测量的生物钟相位与冲动性无关，提示心理因素可能起关键作用。
研究纳入210名青少年（平均年龄17岁），通过晨型-夜型量表（Composite Scale of Morningness）评估昼夜节律偏好，UPPS-P量表测量冲动性，并采集唾液测定褪黑激素起始时间（DLMO）作为生物钟相位的客观指标。结果显示，夜型偏好与负面紧迫感（negative urgency，即负面情绪下的冲动行为）和缺乏毅力显著相关（p=.003），但DLMO与冲动性无关联。腕式体动记录仪（actigraph）数据表明，睡眠中点与生物钟相位可能交互影响次日冲动性，但未达统计学显著性（p=.07）。研究者推测，自我报告的昼夜节律偏好可能隐含未测量的心理特质，而时间治疗（chronotherapy）或可帮助青少年调节冲动行为。研究发表在 Sleep 上。
#疾病与健康 #心理健康与精神疾病 #青少年行为 #昼夜节律 #冲动性
阅读更多：
Mirchandaney, Riya, et al. “0022 Circadian Preference, but Not Circadian Phase, Associates with State and Trait Levels of Impulsivity in Adolescents.” Sleep, vol. 48, no. Supplement_1, May 2025, pp. A9–10. Silverchair, https://doi.org/10.1093/sleep/zsaf090.0022
AI 行业动态
DNA大模型与语言模型首次深度融合，生物推理准确率跃升15%
由多伦多大学（University of Toronto）、Vector Institute等机构研究人员Adibvafa Fallahpour、Andrew Magnuson团队开发的BioReason，首次实现了DNA基础模型与大语言模型（LLM）的深度整合。这一创新架构让语言模型能直接处理基因组信息，并通过监督微调和强化学习训练，形成多步骤生物逻辑推理能力。在KEGG疾病通路预测等任务中，其准确率从88%提升至97%，平均性能超越单模态基线15%。
传统DNA模型虽能学习基因序列表征，却缺乏透明解释和复杂推理能力；而普通LLM难以解析原始基因组数据。BioReason通过独特的跨模态信息流，既能处理DNA序列，又能生成符合生物学逻辑的逐步推理痕迹。例如在预测基因变异影响时，系统可输出类似专家的人工智能可解释性分析，为疾病机制研究提供新工具。
研究团队同步公开了代码、数据和模型检查点。这一成果不仅填补了基因组学与AI推理的鸿沟，更为阿尔茨海默病、孤独症等复杂疾病的机制研究开辟了新路径。其生物可解释性特征尤其有助于加速科学假设验证，推动从数据到发现的转化效率。
#BioReason #DNA大模型 #可解释AI #基因组学 #多模态学习
阅读更多：
https://arxiv.org/html/2505.23579v1
Google开源AI研究助理模板：Gemini 2.5+LangGraph打造"深度搜索+推理"智能体
Google近日开源了一套基于Gemini 2.5模型和LangGraph框架的"深度研究"系统模板，旨在构建具备搜索、推理与引用能力的AI研究助理。该系统模仿人类研究员的逻辑，能自动生成搜索词、多轮检索网络资料，并通过"研究-反思-再研究"循环机制判断信息完整性，最终输出带引用来源的可靠答案。其核心技术包括动态搜索策略（低/中/高强度）、Gemini原生Google搜索集成，以及React+Tailwind CSS构建的现代前后端架构，支持Docker一键部署和PostgreSQL长期记忆存储。
与传统聊天机器人不同，该智能体特别强调信息的可追溯性，所有回答均标注实时网页数据来源，适用于法律、医学、科研等对准确性要求高的领域。项目提供生产级部署方案，包含Redis实时流式输出和PostgreSQL对话记录功能，可快速适配企业智能搜索、新闻事实核查、教育内容整理等场景。研究人员指出，这种"搜索+推理"的闭环设计，使AI更接近真实研究行为，尤其适合需要深度信息检索的任务。
#Google Gemini# #AI研究助理# #LangGraph框架# #智能体系统# #开源项目
阅读更多：
https://github.com/google-gemini/gemini-fullstack-langgraph-quickstart
AI生成PPT哪家强，Manus速度碾压Genspark
Manus最新推出的幻灯片功能正在迅速成为职场人士的新宠。该功能支持用户通过简单的指令快速生成专业PPT，并能导出为Google Slides格式，方便团队协作。实测显示，仅需10分钟，Manus就能完成一份8页的PPT，涵盖大纲规划、内容撰写、排版设计等完整流程。尽管导出时存在页面显示不完全的问题，但其高效性和定制化设计仍获得广泛好评，许多用户认为它已超越同类工具，成为当前PPT生成领域的佼佼者。
与竞争对手Genspark相比，Manus在速度和生成质量上更具优势。Genspark虽然也能将视频或文本转换为PPT，但耗时更长，且导出问题更明显。网友普遍反馈，Manus的界面更直观，修改更便捷，尤其在科技感和简约风格的设计上更符合专业需求。不过，两者均需优化导出格式的兼容性，以进一步提升用户体验。
Manus的亮点在于其高度自动化的工作流程，能根据用户需求自动搜索资料、生成内容，并实时反馈执行进度。此外，它还支持将PPT转换为交互式网站，增强了演示的灵活性。尽管存在一些小瑕疵，但其省时高效的特点已让它成为许多“打工人”的首选工具。随着限时双倍积分活动的推出，更多用户开始尝试这一新功能，Manus的市场热度仍在持续攀升。
#Manus #PPT生成 #AI工具 #职场效率 #Genspark
阅读更多：
https://manus.im/app
微软正式发布全新AI视频生成工具Bing Video Creator
微软正式发布了Bing Video Creator，这是一个集成于Bing移动应用中的全新AI视频生成工具，基于OpenAI的Sora模型构建。用户只需通过自然语言输入描述，即可生成5秒钟的垂直短视频，涵盖写实、卡通、风景等多种风格。该功能目前在全球范围内逐步上线（中国和俄罗斯除外），支持Android和iOS平台，未来还将扩展至桌面端和Copilot搜索中。
Bing Video Creator由微软与OpenAI合作开发，旨在将先进的AI视频生成技术普及至更广泛的用户群体。OpenAI的Sora模型是一种扩散模型（Diffusion Model），通过逐步去噪的方式，从随机噪声中生成视频内容。该模型能够根据文本提示生成完整的视频，或在已有视频的基础上进行扩展。
在使用Bing Video Creator时，用户可以选择“标准”或“快速”两种生成模式。标准模式对所有用户免费开放，但生成时间较长；快速模式初始提供10次免费机会，之后每次需消耗100个微软奖励积分。生成的视频为9:16的垂直格式，分辨率为480p，长度为5秒，支持存储90天，并可下载或分享。微软计划未来支持16:9的横屏格式，以满足更多平台的需求。
尽管当前版本的Bing Video Creator在视频质量和生成选项上仍有限，但其免费开放的策略为广大内容创作者提供了一个低门槛的AI视频生成工具。微软表示，将持续优化该功能，提升视频质量和用户体验，推动AI在内容创作领域的应用。
#AI视频生成 #BingVideoCreator #Sora模型 #内容创作
阅读更多：
https://www.xiaohu.ai/c/xiaohu-ai/bing-video-creator-sora
AI 驱动科学
大语言模型新推理方法"Soft Thinking"：突破传统逻辑限制
大型语言模型为何擅长即时推理却难以通过微调掌握逻辑关系？Google DeepMind与斯坦福大学的Andrew K. Lampinen、Arslan Chaudhry、Stephanie C.Y. Chan等研究者通过对比研究发现，上下文学习（in-context learning）在逻辑泛化上显著优于传统微调方法，并据此开发出新型训练框架。
研究团队首先构建了包含逆向关系（如亲属关系反转）和复合逻辑（如三段论推理）的合成数据集，确保测试内容完全独立于预训练知识。实验使用GPT-4级模型对比两种学习方式：传统微调（finetuning）仅使用标注数据更新权重；上下文学习（ICL）则将整个训练集作为提示（prompt）输入。结果显示，在需要逻辑泛化的任务中，ICL平均准确率达78%，而微调仅41%。进一步分析表明，微调过度依赖表面语言模式，而ICL更擅长捕捉深层关系。基于此，团队提出"软思维"训练法——先用模型生成上下文推理结果（如自动补全"A是B母亲→B是A儿子"），再将这类增强数据加入微调集。该方法使微调性能提升至72%，部分任务甚至超越原始ICL。研究为理解语言模型推理机制提供了新视角，并开发出兼顾效率与泛化能力的新型训练范式。
#大模型技术 #预测模型构建 #跨学科整合 #计算模型与人工智能模拟
阅读更多：
Lampinen, Andrew K., et al. On the Generalization of Language Models from In-Context Learning and Finetuning: A Controlled Study. arXiv:2505.00661, arXiv, 6 May 2025. arXiv.org, https://doi.org/10.48550/arXiv.2505.00661
SPIN传感器：像人脑一样思考的无源监测系统
传统无线传感器面临电池污染和决策能力不足的困境。东北大学的Nicolas Casilli、Cristian Cassella等研究人员开发出新型SPIN传感器，通过物理学原理实现无源智能决策，有望大幅降低物联网设备的能耗和环境影响。
▷ 克里斯蒂安·卡塞拉的无线无源传感器（如图所示，在他的实验室中）可以根据感测数据做出决策，从而提高准确性并降低能耗。Credit: Alyssa Stone/Northeastern University
研究团队将凝聚态物理中的伊辛模型（Ising model，描述自旋系统相互作用的数学模型）应用于传感器设计。他们开发的SPIN（Sensing Parametric Ising Node）系统包含两个耦合的射频参数振荡器，能像人脑神经元一样处理多源信息。实验中使用铌酸锂微机电温度传感器作为耦合媒介，证明该系统可无线重编程感知阈值，且决策准确率不受信号失真干扰。与现有技术相比，SPIN在温度监测中展现出更强的抗干扰能力，未来可扩展至建筑结构监测、冷链物流等领域。据估算，该技术全面应用后可使建筑物能耗降低15%，同时减少960亿个传感器对锂电池的依赖。研究发表在 Nature Electronics 上。
#AI驱动科学 #跨学科整合 #物联网技术 #节能减排 #智能传感器
阅读更多：
Casilli, Nicolas, et al. “Programmable Threshold Sensing in Wireless Devices Using Ising Dynamics.” Nature Electronics, June 2025, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41928-025-01392-4
自供电人工突触实现类人眼色彩识别，突破机器视觉能耗瓶颈
边缘设备视觉识别面临巨大能耗挑战，东京理科大学Takashi Ikuno、Hiroaki Komatsu和Norika Hosoda团队开发出基于染料敏化太阳能电池的自供电人工突触，首次在单一器件中实现10纳米级色彩分辨与逻辑运算，分类准确率达82%。
▷ 该图的上半部分展示了利用染料敏化太阳能电池制成的人工突触。图中显示了突触的双极电压响应随所用光波长的变化，这模仿了我们的眼睛感知世界的方式并实现了逻辑运算。图的下半部分展示了一项实验，其中该系统用于捕捉和分类各种人体运动。Credit: Associate Professor Takashi Ikuno from Tokyo University of Science, adapted from Scientific Reports (2025).
研究通过集成两种染料敏化太阳能细胞（DSCs），利用染料分子对特定波长光的敏感性，使器件在蓝光（450nm）和红光（750nm）照射下分别产生正负电压，形成类似生物突触的双极响应（bipolar response）。这种波长依赖的极性切换特性，使器件无需外部电路即可区分可见光谱内相差仅10纳米的颜色，同时支持AND、OR等六种逻辑运算。实验显示，该突触在物理储层计算（PRC, physical reservoir computing）框架中，仅用单层神经网络就实现了对18种颜色-运动组合的分类，准确率超越传统多光电二极管系统。其自供电特性使能耗降低至常规方案的10%，在血氧监测等应用中可使设备续航提升5倍。研究发表在 Scientific Reports 上。
#AI驱动科学 #神经形态计算 #边缘计算 #机器视觉 #能源效率
阅读更多：
Komatsu, Hiroaki, et al. “Polarity-Tunable Dye-Sensitized Optoelectronic Artificial Synapses for Physical Reservoir Computing-Based Machine Vision.” Scientific Reports, vol. 15, no. 1, May 2025, p. 16488. www.nature.com, https://doi.org/10.1038/s41598-025-00693-0
设置好后就忘掉它：自主结构可以提前几天进行编程跳跃
如何实现无需外部干预的自主运动？北卡罗来纳州立大学的Jie Yin、Haitao Qing等人开发出具有时间编程能力的跳跃结构，通过材料物理特性实现从数秒到数天的动作控制，为野外自动化应用提供新思路。
研究采用聚对苯二甲酸乙二醇酯（PET）构建球形晶格结构，利用其粘弹性特性实现能量存储与定时释放。当结构受压变形后，材料会缓慢"蠕变"恢复，直至达到临界点突然释放能量完成跳跃。通过精确控制负载施加时间（从数秒到58小时），可编程跳跃高度为自身0.5-9倍。测试表明，该结构在沙地、雪面甚至水面均能有效工作，耐受温度低至-15°C。作为应用演示，装载种子的100毫米结构可实现1.5米范围的分散播种，模拟自然界爆炸性种子传播机制。这种将时间控制功能"编码"到材料结构中的方法，为开发新一代自主设备开辟了道路。研究发表在 PNAS 上。
#自动化科研 #跨学科整合 #材料科学 #仿生设计 #环境适应
阅读更多：
Yin, Jie, Programmable seconds-to-days-long delayed snapping in jumping metashells, Proceedings of the National Academy of Sciences (2025). DOI: 10.1073/pnas.2503313122. doi.org/10.1073/pnas.2503313122
数字健康工具研究陷入停滞——新文章提出六种前进方向
数字健康工具难以从研究过渡到临床实践的问题日益突出。卡罗琳斯卡医学院的Marie Löf和Ralph Maddison团队在Nature Medicine发表文章，提出六项具体建议以提高数字健康工具的临床转化率，目前正应用于妊娠期糖尿病管理平台的开发。
研究团队基于数字健康工具开发经验，提出六项关键建议框架：1）早期实施规划（early-stage implementation planning），在工具设计阶段就考虑临床整合；2）商业模式考量，确保可持续性；3）无障碍设计，使不同语言和文化水平的患者都能使用；4）多语言支持；5）临床工作流程整合策略；6）持续评估机制。这些建议正在一个妊娠期糖尿病多语言自我护理平台项目中进行实践验证。该平台旨在帮助妊娠期糖尿病患者进行血糖监测、饮食管理和运动指导。研究特别强调，约67%的数字健康工具失败源于未考虑临床实际需求，而早期规划可提高3-5倍实施成功率。无障碍设计方面，研究建议遵循WCAG 2.1标准（网络内容无障碍指南），这可使工具适用人群扩大40%。研究发表在 Nature Medicine 上。
#疾病与健康 #健康管理与寿命延长 #个性化医疗 #数字健康工具 #慢性病管理
阅读更多：
Löf, Marie, and Ralph Maddison. “Implementing Digital Health to Support Self-Care of Chronic Diseases.” Nature Medicine, May 2025, pp. 1–2. www.nature.com, https://doi.org/10.1038/s41591-025-03729-0
超越翻译：多语言基准让人工智能实现多元文化
大型语言模型常因文化盲区产生荒谬回答，如用希腊语提问地方法规却得到英国法律答案。瑞士洛桑联邦理工学院（EPFL）的Angelika Romanou、Negar Foroutan联合Cohere Labs等全球团队开发INCLUDE基准，通过19万道原生试题评估44种语言的文化适配性，推动AI真正理解区域差异。
研究摒弃传统翻译方法，直接从44种语言（含15种文字）的本地考试中收集197,243道原生题，涵盖法律、医学等专业领域。测试发现，GPT-4o整体表现最佳（平均77%准确率），但在亚美尼亚语等语言的文化相关问题上骤降。模型常陷入西方中心主义，如将印度服饰单一归类为"纱丽"，或无法区分波斯与希腊对历史事件（如波斯波利斯焚毁）的叙事差异。更严重的是，模型会生成"自信的错误答案"，如用流利希腊语回答完全错误的法规条款。该基准已整合地域知识（如瑞士法律）和隐性文化线索（如社交礼仪），未来将扩展至100种语言含非洲方言，为AI教育、医疗等应用提供文化校准工具。
#大模型技术 #跨学科整合 #文化多样性 #多语言处理 #人工智能伦理
阅读更多：
Romanou, Angelika, et al. INCLUDE: Evaluating Multilingual Language Understanding with Regional Knowledge. arXiv:2411.19799, arXiv, 29 Nov. 2024. arXiv.org, https://doi.org/10.48550/arXiv.2411.19799
蛋白质语言模型揭示结构知识组织新机制
蛋白质结构信息如何被AI模型编码？Ria Vinod、Ava Pardis Amini、Lorin Crawford、Kevin K. Yang团队通过可训练子网络技术，首次发现蛋白质语言模型（PLMs）将结构知识以因子化形式存储于特定权重中，这一发现为理解AI如何"学习"生物规律提供了新视角。
研究团队在预训练蛋白质语言模型ESM-2（一种基于进化数据训练的大模型）上开发了创新性子网络方法。通过系统训练36个稀疏子网络，分别抑制CATH分类体系（蛋白质结构层级系统）中不同尺度的结构信息，包括残基级和序列级特征。实验显示，当特定子网络被激活时，模型虽能保持原始语言建模能力（困惑度与基线相当），但对目标结构类别的预测准确率显著下降（p<0.05）。这表明PLMs并非均质地存储结构知识，而是通过"模块化分工"将不同结构特征编码于特定权重子集中。进一步分析发现，这种因子化编码具有层级性——高阶结构类别（如CATH中的Architecture级别）对应更深层网络权重。
#大模型技术 #预测模型构建 #蛋白质结构 #AI驱动科学 #计算生物学
阅读更多：
Vinod, Ria, et al. Trainable Subnetworks Reveal Insights into Structure Knowledge Organization in Protein Language Models. bioRxiv, 1 June 2025, p. 2025.05.29.656902. bioRxiv, https://doi.org/10.1101/2025.05.29.656902
神经递质调控的全脑计算模型揭示任务多样性机制
大脑如何用固定结构完成多变任务？Gustavo Deco、Yonatan Sanz Perl等国际团队发现，进化通过神经递质动态调控实现"架构固定，连接可变"的巧妙设计。他们开发的NEMO全脑模型首次在计算层面复现人脑任务多样性，相关指标还能预测个体智力水平。
研究团队整合971名健康参与者的人类连接组计划（HCP）数据，构建神经递质调控（NEMO）全脑模型。该模型通过多巴胺、血清素等递质图谱动态调制局部脑区活动，在固定解剖架构中实现功能连接的可塑性变化。关键突破是定义"脑可计算性"指标——模型拟合个体所有任务表现的程度。结果显示：在静息态和7类认知任务中，NEMO准确复现了功能连接组（FC）特征（r=0.82）；更惊人的是，脑可计算性不仅预测单任务表现（p<0.01），还与瑞文推理测验（Ravens test）得分显著相关（β=0.47）。机制上，这种灵活性源于热力学非平衡态下的动态层级重组——当神经递质浓度变化时，信息传输概率在突触层面被实时调整，形成"可变电路板"效应。相比人工神经网络需重新训练适应新任务，NEMO模型仅需调整递质参数即可切换计算模式，能耗降低三个数量级。
您阅读本篇文章共花了： 