█腦科學動態(tài)

Science：學習時大腦如何選擇突觸進行修改？

一些化妝品可能具有神經(jīng)毒性

MTCH2基因成救星，科學家成功逆轉果蠅癡呆癥狀

關鍵蛋白hnRNP A1在精神分裂癥發(fā)病機制中的重要作用

經(jīng)顱磁刺激聯(lián)合語言療法顯著改善中風后失語癥

多巴胺信號通路紊亂促進局灶性皮質發(fā)育不良中的癲癇發(fā)作

█AI行業(yè)動態(tài)

谷歌Gemini 2.5 Flash：性價比之王，推理成本自由調控！

█AI驅動科學

Nature：從碎屑到球體，科學家追蹤肝病惡化的分子足跡

自由意志新證據(jù)！初級運動皮層放電時我們才真正"想做"

機器學習預測運動習慣：久坐、性別和教育水平是關鍵

仿生指狀觸覺傳感器實現(xiàn)多方向力檢測與高精度材料識別

22個傳感器+AI：這款鞋墊能幫助診斷帕金森

給微型機器人裝上"彈簧腿"，著陸沖擊減少300%

你的AI搭檔是"跳躍腦"還是"專注狂"？

AI視覺不再“睜眼瞎”！哈工大新系統(tǒng)讓機器學會“按需聚焦”

腦科學動態(tài)

Science：學習時大腦如何選擇突觸進行修改？

學習時大腦如何選擇突觸進行修改？加州大學圣地亞哥分校的William Jake Wright, Nathan Hedrick和Takaki Komiyama團隊通過活體雙光子成像發(fā)現(xiàn)，單個神經(jīng)元的不同區(qū)域會同時遵循多套突觸可塑性規(guī)則。

?隨著老鼠學會了一種新的行為，研究人員密切追蹤了神經(jīng)元樹突上的突觸連接（在此處表示為小突起）。Credit: Komiyama Lab, UC San Diego

研究使用雙光子成像追蹤小鼠運動皮層學習過程中的8,000多個突觸。結果顯示：頂端樹突通過"局部共激活規(guī)則"強化——當相鄰突觸同時活躍時增強；基底樹突則遵循經(jīng)典的赫布規(guī)則（Hebbian rule），需要與神經(jīng)元整體放電同步才會強化。實驗通過光遺傳學阻斷動作電位后，基底突觸強化完全消失，而頂端強化不受影響。這種"分區(qū)治理"機制解釋了大腦如何高效解決"信用分配問題"（credit assignment problem，即局部突觸如何協(xié)同支持整體學習）。該發(fā)現(xiàn)可能革新類腦AI設計——現(xiàn)有神經(jīng)網(wǎng)絡使用統(tǒng)一可塑性規(guī)則，而多規(guī)則并行或能提升學習效率。研究發(fā)表在 Science 上。

#神經(jīng)科學 #神經(jīng)機制與腦功能解析 #計算模型與人工智能模擬 #突觸可塑性 #學習機制

閱讀更多：

Wright, William J., et al. “Distinct Synaptic Plasticity Rules Operate across Dendritic Compartments in Vivo during Learning.” Science, vol. 388, no. 6744, Apr. 2025, pp. 322–28. science.org (Atypon), https://doi.org/10.1126/science.ads4706

一些化妝品可能具有神經(jīng)毒性

香茅醇（citronellol）作為化妝品常用香料是否安全？韓國化學技術研究院（KRICT）的Myung Ae Bae與韓國大學的Hae-Chul Park團隊通過跨物種實驗發(fā)現(xiàn)，高濃度香茅醇可穿透血腦屏障，通過改變犬尿氨酸代謝誘發(fā)神經(jīng)毒性。

?研究團隊通過使用斑馬魚、小鼠、人腦類器官和血腦屏障（BBB）器官芯片系統(tǒng)進行跨物種研究，確定了香茅醇的神經(jīng)毒性潛力。Credit: Korea Research Institute of Chemical Technology (KRICT)

研究人員發(fā)現(xiàn)，斑馬魚暴露于2-8 mg/L香茅醇后，趨光行為減少50%并出現(xiàn)焦慮樣行為；小鼠實驗顯示其能穿透血腦屏障（BBB），引發(fā)活性氧（ROS）增加和炎癥；人腦類器官和器官芯片證實類似機制——香茅醇促使犬尿氨酸（kynurenine）轉化為神經(jīng)毒素3-羥基犬尿氨酸（3-HK），同時破壞血腦屏障完整性。代謝組學分析顯示，這一過程伴隨神經(jīng)保護物質孕酮（progesterone）減少和皮質醇（cortisol）升高。研究為首次揭示香茅醇的神經(jīng)毒性機制，提示需重新評估其安全濃度標準。研究發(fā)表在 Journal of Hazardous Materials 上。

#疾病與健康 #神經(jīng)機制與腦功能解析 #化妝品安全 #代謝紊亂 #跨學科整合

閱讀更多：

“Neurotoxic Effects of Citronellol Induced by the Conversion of Kynurenine to 3-Hydroxykynurenine.” Journal of Hazardous Materials, vol. 486, Mar. 2025, p. 136965. www.sciencedirect.com, https://doi.org/10.1016/j.jhazmat.2024.136965

MTCH2基因成救星，科學家成功逆轉果蠅癡呆癥狀

全球超5000萬阿爾茨海默病患者缺乏有效治療手段，貝勒醫(yī)學院和德克薩斯兒童醫(yī)院鄧肯神經(jīng)學研究所的Juan Botas團隊通過計算與實驗結合的方法，在果蠅模型中首次證實基因逆轉可產(chǎn)生神經(jīng)保護作用，并鎖定關鍵基因MTCH2。

研究團隊首先整合全基因組關聯(lián)研究（GWAS）與轉錄組關聯(lián)分析（TWAS）篩選出123個候選基因，隨后在表達tau蛋白或β-淀粉樣蛋白（Aβ）的果蠅模型中進行驗證。通過高通量行為分析系統(tǒng)發(fā)現(xiàn)，46個基因可調節(jié)神經(jīng)元功能障礙，其中逆轉MTCH2等11個基因的表達不僅能改善果蠅運動功能，還使人類神經(jīng)祖細胞tau蛋白降低35%。進一步機制研究表明，MTCH2通過調控tau蛋白穩(wěn)態(tài)發(fā)揮作用，其表達水平與AD患者腦組織病理嚴重程度呈負相關。相關成果發(fā)表在 The American Journal of Human Genetics 上。

#疾病與健康 #神經(jīng)機制與腦功能解析 #跨學科整合 #基因治療 #tau蛋白

閱讀更多：

Stephens, Morgan C., et al. “Computational and Functional Prioritization Identifies Genes That Rescue Behavior and Reduce Tau Protein in Fly and Human Cell Models of Alzheimer Disease.” The American Journal of Human Genetics, vol. 0, no. 0, Apr. 2025. www.cell.com, https://doi.org/10.1016/j.ajhg.2025.03.012

關鍵蛋白hnRNP A1在精神分裂癥發(fā)病機制中的重要作用

髓鞘損傷如何導致精神疾??？巴西坎皮納斯州立大學的Caroline Brand?o-Teles、Fernanda Crunfli和Daniel Martins-de-Souza團隊發(fā)現(xiàn)，RNA結合蛋白hnRNP A1對髓鞘形成和修復具有關鍵作用。

?Credit: Journal of Neurochemistry (2025).

研究使用銅宗誘導的小鼠脫髓鞘模型，模擬多發(fā)性硬化癥和精神分裂癥的髓鞘損傷。通過施加hnRNP A1剪接活性抑制劑，并采用納米電噴霧液相色譜-串聯(lián)質譜技術分析大腦關鍵區(qū)域的蛋白質組變化。結果顯示，hnRNP A1抑制導致髓鞘相關蛋白顯著減少，影響鞘脂和內源性大麻素信號傳導、突觸小泡循環(huán)和GABA能突觸（抑制性神經(jīng)遞質系統(tǒng)）。盡管未觀察到行為改變，分子水平的變化提示與認知功能密切相關。特別值得注意的是，在多發(fā)性硬化模型中常見的行為異常在精神分裂癥模型中并未出現(xiàn)，這表明hnRNP A1可能在精神分裂癥發(fā)病早期發(fā)揮獨特作用。研究發(fā)表在 Journal of Neurochemistry 上。

#疾病與健康 #神經(jīng)機制與腦功能解析 #心理健康與精神疾病 #髓鞘形成 #蛋白質組學

閱讀更多：

Brand?o-Teles, Caroline, et al. “Impacts of hnRNP A1 Splicing Inhibition on the Brain Remyelination Proteome.” Journal of Neurochemistry, vol. 169, no. 1, 2025, p. e16304. Wiley Online Library, https://doi.org/10.1111/jnc.16304

經(jīng)顱磁刺激聯(lián)合語言療法顯著改善中風后失語癥

中風后失語癥患者常面臨長期溝通障礙，傳統(tǒng)治療效果有限?？柤永锎髮W康明醫(yī)學院的Trevor A. Low、Sean P. Dukelow等研究人員通過雙盲對照試驗發(fā)現(xiàn)，經(jīng)顱磁刺激（TMS）聯(lián)合密集語言治療可使患者言語能力提升2.5倍，證實大腦在中風數(shù)年后仍具修復潛力。

研究采用雙盲安慰劑對照設計，44名慢性失語癥患者隨機分組。實驗組接受1Hz低頻TMS刺激右腦語言區(qū)，同時進行35小時多模態(tài)失語癥療法（M-MAT，包含閱讀/寫作/繪畫的綜合訓練）；對照組接受偽刺激同等訓練。結果顯示，TMS組西方失語癥量表（WAB-AQ）評分提升7.6分，顯著高于對照組的3.0分。特別在詞匯提取和句子完整性方面，TMS組減少停頓次數(shù)47%，說出長句概率提高68%。參與者Lucy Mulloor（中風3年）治療后找回"組詞成句的信心"，功能核磁共振顯示其右腦激活模式改變。研究為慢性失語癥治療提供新方案，證實神經(jīng)調控可增強傳統(tǒng)療法效果。研究發(fā)表在 Neurology 上。

#疾病與健康 #神經(jīng)調控 #個性化醫(yī)療 #中風康復 #語言治療

閱讀更多：

Low, Trevor A., et al. “Transcranial Magnetic Stimulation Combined With Multimodality Aphasia Therapy for Chronic Poststroke Aphasia.” Neurology, vol. 104, no. 6, Mar. 2025, p. e213424. neurology.org (Atypon), https://doi.org/10.1212/WNL.0000000000213424

多巴胺信號通路紊亂促進局灶性皮質發(fā)育不良中的癲癇發(fā)作

局灶性皮質發(fā)育不良（Focal Cortical Dysplasia, FCD）為何易引發(fā)癲癇？波恩大學醫(yī)院的Norisa Meli團隊與德國神經(jīng)退行性疾病中心合作發(fā)現(xiàn)，F(xiàn)CD類型2病變區(qū)的多巴胺系統(tǒng)出現(xiàn)"信號錯亂"——神經(jīng)支配減少伴隨受體異常表達，這可能是癲癇發(fā)作的新誘因。

?對 FCD 類型 2b 患者的人類樣本中控制區(qū)和 FCD 類型 2b 區(qū)的表征。Credit: Brain (2025).

研究結合人類FCD患者活檢組織與mTOR基因突變小鼠模型，首次系統(tǒng)描繪了病變區(qū)的多巴胺能神經(jīng)支配變化。在成年患者中，病變區(qū)多巴胺纖維密度降低38%，且失去正常的分層分布模式。更關鍵的是，通過熒光RNA原位雜交技術發(fā)現(xiàn)，畸形神經(jīng)元的多巴胺D1/D2受體（DRD1/DRD2，決定細胞對多巴胺敏感性的蛋白質）表達量是正常神經(jīng)元的2.3倍。小鼠實驗進一步揭示，這種異常始于青春期——mTOR突變小鼠在青春期出現(xiàn)DA神經(jīng)支配短暫激增，但成年后反而低于正常水平。研究者提出"雙重打擊"假說：早期神經(jīng)支配紊亂影響神經(jīng)網(wǎng)絡發(fā)育，成年后受體過表達則持續(xù)放大異常電活動。該發(fā)現(xiàn)為靶向多巴胺系統(tǒng)的精準治療提供新思路，例如β受體阻滯劑普萘洛爾或可緩解部分癥狀。研究發(fā)表在 Brain 上。

#疾病與健康 #神經(jīng)調控 #癲癇治療 #多巴胺系統(tǒng) #皮質發(fā)育畸形

閱讀更多：

Meli, Norisa, et al. “Alterations in Dopaminergic Innervation and Receptors in Focal Cortical Dysplasia.” Brain, Apr. 2025, p. awaf080. Silverchair, https://doi.org/10.1093/brain/awaf080

AI 行業(yè)動態(tài)

谷歌Gemini 2.5 Flash橫空出世：性價比之王，推理成本自由調控！

谷歌最新推出的Gemini 2.5 Flash預覽版成為大模型領域的“性價比之王”。這款混合推理模型在大模型競技場（LMSYS Chatbot Arena）中表現(xiàn)亮眼，以1392分的成績與Grok-3、GPT-4.5并列第二，僅次于自家旗艦Gemini 2.5 Pro。其定價僅為0.15/0.6/3.5美元每百萬輸入/輸出/推理Token，成為1400分區(qū)間最便宜的模型。更值得一提的是，用戶可自由調控思考深度以節(jié)省成本，甚至完全關閉推理功能，模型也能根據(jù)問題復雜度自動適配，避免資源浪費。

在具體性能測試中，Gemini 2.5 Flash展現(xiàn)了不俗的實力。它在編程、復雜提示和長文本處理三個子榜單中與Pro版并列第一，并在“人類最后的考試”高難度測試中取得12.1%的得分，遠超早期模型。不過，與OpenAI的o4-mini相比，它在某些任務（如編程測試）中稍顯不足，例如小球物理模擬的代碼冗長且錯誤頻出，而o4-mini僅用128行代碼便完美實現(xiàn)。但在數(shù)據(jù)分析任務中，Gemini憑借更清晰的圖表輸出扳回一城。

社區(qū)對Gemini 2.5 Flash的評價兩極分化。支持者認為其實用性和性價比遠超競品，谷歌正以“低調實干”贏得AI競賽；批評者則指出其偶爾“犯懶”或表現(xiàn)不穩(wěn)定。盡管如此，其靈活的定價和推理控制功能仍吸引了不少預算有限的用戶。作為與o4-mini同期的輕量級模型，Gemini 2.5 Flash能否在市場中突圍，或許取決于用戶對性能與成本的權衡。

#谷歌 #大模型 #性價比 #AI競賽 #混合推理

閱讀更多：

https://developers.googleblog.com/en/start-building-with-gemini-25-flash

AI 驅動科學

Nature：從碎屑到球體，科學家追蹤肝病惡化的分子足跡

為什么相同基因突變的患者會出現(xiàn)截然不同的疾病進展？馬克斯·普朗克生物化學研究所的Florian A. Rosenberger和Matthias Mann團隊發(fā)現(xiàn)，肝細胞中蛋白聚集形態(tài)的時序變化和早期保護機制是關鍵。

?顯微鏡下的人肝活檢圖像。黃色為α-1 聚集物，灰色為肝細胞，藍色為細胞核。Credit: MPI of Biochemistry/ Florian Rosenberger

研究團隊采用深度視覺蛋白質組學（DVP，結合AI圖像分析與高靈敏度質譜的技術）分析34例患者肝組織。人工智能驅動的卷積神經(jīng)網(wǎng)絡（CNN）首次識別出兩種α-1蛋白聚集體：早期"碎屑狀"結構關聯(lián)細胞應激，晚期"球狀"結構出現(xiàn)在纖維化階段。單細胞蛋白質組顯示，早期激活過氧化物酶體（細胞內的解毒工廠）的患者能阻止疾病進展，而缺乏該反應者會發(fā)展嚴重纖維化。研究還發(fā)現(xiàn)關鍵蛋白標志物TNFSF10（一種促凋亡因子）在晚期表型中顯著升高。這些發(fā)現(xiàn)不僅解釋了臨床差異，更為開發(fā)早期預警系統(tǒng)和靶向療法奠定基礎。研究發(fā)表在 Nature 上。

#疾病與健康 #個性化醫(yī)療 #AI驅動科學 #蛋白質折疊疾病 #肝臟疾病

閱讀更多：

Rosenberger, Florian A., et al. “Deep Visual Proteomics Maps Proteotoxicity in a Genetic Liver Disease.” Nature, Apr. 2025, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41586-025-08885-4

自由意志新證據(jù)！初級運動皮層放電時我們才真正"想做"

自由意志是真實存在還是大腦的幻覺？美國明尼蘇達大學Jean-Paul Noel團隊與瑞士科學家合作，通過腦機接口（BMI）在癱瘓患者中發(fā)現(xiàn)：當初級運動皮層（M1）神經(jīng)元放電時，人們會同步體驗到"想要行動"的主觀意圖，且這種意圖會壓縮對行動時間的感知。

?時間綁定意向與行動。神經(jīng)記錄與實驗裝置。Credit: Noel J-P, et al., 2025, PLOS Biology,

研究團隊在一位四肢癱瘓患者的手部運動皮層植入96個電極，通過機器學習算法解碼神經(jīng)信號。當患者嘗試擠壓橡膠球時，系統(tǒng)會發(fā)送電刺激使其手部真實運動（NMES，神經(jīng)肌肉電刺激）。通過隨機觸發(fā)動作或阻斷動作但保留聲音反饋，團隊首次分離了意圖、行動和效果三個環(huán)節(jié)。結果發(fā)現(xiàn)：有意圖的動作被感知為比實際快71毫秒，形成"時間綁定"效應；M1單神經(jīng)元記錄顯示，其放電時間與主觀意圖體驗完全同步，且放電數(shù)量可預測意圖強度。當動作被隨機觸發(fā)（無意圖）時，感知延遲；僅有意圖無動作時，若保留聲音反饋，意圖感知會提前。這些發(fā)現(xiàn)表明M1作為"最后皮層節(jié)點"直接參與意圖體驗，挑戰(zhàn)了傳統(tǒng)認為意圖僅由前額葉產(chǎn)生的觀點。研究發(fā)表在 PLOS Biology 上。

#意識與腦機接口 #意圖問題 #神經(jīng)機制與腦功能解析 #自由意志 #時間感知

閱讀更多：

Noel, Jean-Paul, et al. “Neuronal Responses in the Human Primary Motor Cortex Coincide with the Subjective Onset of Movement Intention in Brain–Machine Interface-Mediated Actions.” PLOS Biology, vol. 23, no. 4, Apr. 2025, p. e3003118. PLoS Journals, https://doi.org/10.1371/journal.pbio.3003118

機器學習預測運動習慣：久坐、性別和教育水平是關鍵

全球僅24%人口達到運動指南標準，缺乏運動威脅公共健康。密西西比大學的Ju-Pil Choe、Seungbak Lee和Minsoo Kang團隊利用機器學習分析3萬份健康數(shù)據(jù)，發(fā)現(xiàn)久坐時間、性別和教育水平是預測運動達標率的三大關鍵因素。

研究采用6種機器學習算法（包括決策樹、隨機森林等），分析美國國家健康與營養(yǎng)調查（NHANES）2009-2018年間11,683名成年人的數(shù)據(jù)。通過排列特征重要性（PFI）評估發(fā)現(xiàn)，每日久坐時間（sedentary behavior）是最強預測指標，其次是性別（女性更易達標）和教育水平（高等教育群體運動更規(guī)律）。最佳模型決策樹的準確率達70.5%，顯著優(yōu)于傳統(tǒng)統(tǒng)計方法。意外發(fā)現(xiàn)是教育水平的影響力超過BMI等生理指標，研究者推測這可能與社會經(jīng)濟地位帶來的健康意識差異有關。由于采用問卷回憶數(shù)據(jù)可能存在高估偏差，團隊計劃下一步結合智能手環(huán)等客觀監(jiān)測數(shù)據(jù)優(yōu)化模型。研究發(fā)表在 Scientific Reports 上。

#疾病與健康 #預測模型構建 #AI驅動科學 #健康管理與壽命延長

閱讀更多：

Choe, Ju-Pil, et al. “Machine Learning Modeling for Predicting Adherence to Physical Activity Guideline.” Scientific Reports, vol. 15, no. 1, Feb. 2025, p. 5650. www.nature.com, https://doi.org/10.1038/s41598-025-90077-1

仿生指狀觸覺傳感器實現(xiàn)多方向力檢測與高精度材料識別

中國科學院Chengcheng Han、Zhi Cao等團隊開發(fā)出仿人類手指的觸覺傳感器（FTS），首次實現(xiàn)98.33%的材料識別準確率和精準的多維力檢測，為機器人抓取、智能分揀等領域帶來突破。

?a) 受人類手指啟發(fā)的 FTS 整體結構示意圖。 b) 機器上 FTS 的示意圖及其各層的展開。 c) FTS 中材料識別功能的演示。 d) FTS 中力傳感器功能的演示。 e) FTS 應用于智能車間中的材料識別和物體分類。Credit: Advanced Materials (2025).

研究團隊采用分層仿生設計：外部硅膠殼嵌入銅、PET和硅膠三種材料形成單電極傳感器（材料識別單元），內部骨架涂覆五個銀電極構成力檢測網(wǎng)絡。通過摩擦起電效應（接觸生電現(xiàn)象）將觸覺轉化為電信號，指甲區(qū)的互鎖結構使硅殼與骨架能局部接觸分離，從而解析力方向。實驗顯示，該傳感器可區(qū)分金屬、塑料等12類材料，集成至機器人手后能在智能車間實時完成物體分揀。力檢測部分通過四個硅微針陣列和一個凸起結構增強靈敏度，五電極系統(tǒng)可重建三維力矢量。研究發(fā)表在 Advanced Materials 上。

#AI驅動科學 #自動化科研 #機器人技術 #觸覺感知 #仿生設計

閱讀更多：

Han, Chengcheng, et al. “Multimodal Finger-Shaped Tactile Sensor for Multi-Directional Force and Material Identification.” Advanced Materials, vol. n/a, no. n/a, p. 2414096. Wiley Online Library, https://doi.org/10.1002/adma.202414096

22個傳感器+AI：這款鞋墊能幫助診斷帕金森

全球約7%人群存在行走障礙，但現(xiàn)有足壓監(jiān)測系統(tǒng)面臨能量限制和穩(wěn)定性挑戰(zhàn)。俄亥俄州立大學的Qi Wang和Jinghua Li團隊開發(fā)出太陽能供電的智能鞋墊，通過22個傳感器和AI算法實現(xiàn)精準步態(tài)監(jiān)測，可預警從足底筋膜炎到帕金森病等多種疾病。

?自供能智能鞋墊概述。Credit: Science Advances (2025).

研究采用非線性協(xié)同壓力傳感技術，傳感器在0-225 kPa范圍內呈現(xiàn)近乎完美的線性響應（R2>0.999），并經(jīng)受住18萬次壓縮測試。柔性鈣鈦礦太陽能模塊（FPSMs，一種高效柔性太陽能技術）為系統(tǒng)持續(xù)供電，數(shù)據(jù)通過藍牙傳輸至手機APP實時顯示足壓分布。集成支持向量機可識別8種運動狀態(tài)，包括靜坐與跑步等。實驗發(fā)現(xiàn)行走時壓力呈腳跟到腳趾順序傳遞（占時50%），而跑步時全足同時受壓（占時25%）。該系統(tǒng)已展示在糖尿病足潰瘍預警、帕金森病步態(tài)評估等方面的臨床應用潛力，預計3-5年內上市。研究發(fā)表在 Science Advances 上。

#AI 驅動科學 #個性化醫(yī)療 #可穿戴設備 #步態(tài)分析

閱讀更多：

Wang, Qi, et al. “A Wireless, Self-Powered Smart Insole for Gait Monitoring and Recognition via Nonlinear Synergistic Pressure Sensing.” Science Advances, vol. 11, no. 16, Apr. 2025, p. eadu1598. science.org (Atypon), https://doi.org/10.1126/sciadv.adu1598

給微型機器人裝上"彈簧腿"，著陸沖擊減少300%

微型飛行器如何實現(xiàn)安全著陸？哈佛大學約翰·A·保爾森工程與應用科學學院的Robert Wood、Christian Chan、Nak-seung Patrick Hyun和Alyssa Hernandez團隊從蜻蜓獲得靈感，為RoboBee設計仿生腿結構，使其著陸成功率提升至92%。

?哈佛機器人蜜蜂，擁有起重機蠅般腿。Credit: Eliza Grinnell / Harvard SEAS Communications

研究團隊首先分析蜻蜓標本，發(fā)現(xiàn)其長而分節(jié)的腿能有效吸收沖擊能量?；诖?，他們用壓電復合材料（piezoelectric composites，能將電能轉化為機械能的智能材料）制造出可變剛度關節(jié)，關節(jié)數(shù)量和位置模擬蜻蜓腿部特征。實驗顯示，三關節(jié)設計的能量吸收效率比傳統(tǒng)剛性腿提高300%。同時，團隊開發(fā)了自適應控制器應對地面效應（ground effect，飛行器接近地面時空氣動力學異常的現(xiàn)象）：先加速俯沖再減速，最終以可控速度接觸表面。在葉片和玻璃的測試中，這種"軟著陸"策略成功保護了脆弱的壓電驅動器（僅0.1毫米厚的飛行"肌肉"）。研究為未來自主環(huán)境監(jiān)測機器人提供了關鍵技術，并驗證了生物力學啟發(fā)設計的優(yōu)勢。研究發(fā)表在 Science Robotics 上。

#AI驅動科學 #自動化科研 #仿生機器人 #微型飛行器 #生物力學

閱讀更多：

Hyun, Nak-seung P., et al. “Sticking the Landing: Insect-Inspired Strategies for Safely Landing Flapping-Wing Aerial Microrobots.” Science Robotics, vol. 10, no. 101, Apr. 2025, p. eadq3059. science.org (Atypon), https://doi.org/10.1126/scirobotics.adq3059

你的AI搭檔是"跳躍腦"還是"專注狂"？

馬克斯·普朗克生物控制論研究所的Surabhi S. Nath團隊通過心理學實驗發(fā)現(xiàn)，ChatGPT等AI在創(chuàng)意任務中會自發(fā)采用與人類相似的"腦洞大開"（靈活型）或"深度鉆研"（持久型）策略，但機器更依賴前者獲得高分創(chuàng)意。

研究團隊讓人類和多種LLMs完成經(jīng)典創(chuàng)造力測試，如為磚塊想新用途（AUT）或快速列舉動物（VFT）。通過創(chuàng)新的句向量嵌入技術，系統(tǒng)量化每個回答之間的語義距離，自動識別策略類型。結果發(fā)現(xiàn)，人類會平衡使用兩種策略，而LLMs更傾向頻繁切換主題的"腦洞"模式——這類模型在替代用途任務中得分比"專注型"AI高15%。有趣的是，GPT-3等模型表現(xiàn)出任務特異性偏好：在動物命名時更持久，而在創(chuàng)意發(fā)散時更靈活。研究者開發(fā)的自動化分析工具首次實現(xiàn)創(chuàng)意過程的量化比較，為AI輔助創(chuàng)作提供策略匹配建議：習慣鉆牛角尖的人類搭檔"跳躍型"AI可能激發(fā)更多靈感。

#大模型技術 #計算模型與人工智能模擬 #跨學科整合 #創(chuàng)造力心理學 #人機協(xié)作

閱讀更多：

Nath, Surabhi S., et al. Characterising the Creative Process in Humans and Large Language Models. arXiv:2405.00899, arXiv, 5 June 2024. arXiv.org, https://doi.org/10.48550/arXiv.2405.00899

AI視覺不再“睜眼瞎”！哈工大新系統(tǒng)讓機器學會“按需聚焦”

多模態(tài)大模型常因“選擇性失明”漏檢關鍵細節(jié)，哈工大（深圳）的李俊劼團隊開發(fā)GiVE系統(tǒng)，通過指令驅動動態(tài)調整視覺焦點，使AI能精準捕捉圖像中被遮擋或非顯著的目標。

研究團隊設計AG-Adapter模塊（動態(tài)注意力引導適配器），像“變焦鏡頭”一樣根據(jù)文本指令調整視覺編碼器的關注區(qū)域。配合三大訓練目標：OITC Loss（強化圖文語義關聯(lián)）、OIIC Loss（提升多目標區(qū)分能力）、OID Loss（增強細節(jié)捕捉），在自建MOInst數(shù)據(jù)集（含8萬張多目標場景圖像）上訓練。結果顯示，GiVE僅需5%額外參數(shù)即可讓CLIP等基礎編碼器具備指令跟隨能力，在人群定位、背景文字識別等任務中準確率顯著提升。例如，當詢問“圖中左側自行車”時，模型能避開視覺干擾精準響應。該系統(tǒng)已無縫適配LLaVA等主流框架

#大模型技術 #跨學科整合 #AI驅動科學 #多模態(tài)融合 #視覺感知

閱讀更多：

Li, Junjie, et al. GiVE: Guiding Visual Encoder to Perceive Overlooked Information. 2, arXiv:2410.20109, arXiv, 21 Mar. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2410.20109

整理｜ChatGPT

編輯｜丹雀、存源

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。如果您有進一步想要討論的內容，歡迎評論區(qū)留言，或后臺留言“社群”即可加入社群與我們互動。

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創(chuàng)建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

Chen Institute與華山醫(yī)院、上海市精神衛(wèi)生中心設立了應用神經(jīng)技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工天橋神經(jīng)科學研究院。

Chen Institute建成了支持腦科學和人工智能領域研究的生態(tài)系統(tǒng)，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎勵計劃、、等。