█腦科學(xué)動(dòng)態(tài)

加班改變大腦結(jié)構(gòu)：每周工作超52小時(shí)或致認(rèn)知功能受損

繪制大腦命名網(wǎng)絡(luò)：揭示說話時(shí)詞匯檢索的神經(jīng)機(jī)制

月經(jīng)周期可以重塑大腦的結(jié)構(gòu)和功能

秀麗隱桿線蟲單個(gè)神經(jīng)元竟有“男女差異”

左撇子CEO更富創(chuàng)新力？

下丘腦不同神經(jīng)元編碼捕食者威脅與安全狀態(tài)

癡呆癥風(fēng)險(xiǎn)不僅關(guān)乎生活方式：過度強(qiáng)調(diào)或?qū)е挛勖c指責(zé)

星形膠質(zhì)細(xì)胞分泌分子逆轉(zhuǎn)衰老與癡呆相關(guān)認(rèn)知缺陷

█AI行業(yè)動(dòng)態(tài)

OpenAI首席科學(xué)家：AI模型將具備獨(dú)立科研能力

阿里巴巴開源其視頻生成與編輯模型通義萬相Wan2.1-VACE

█AI驅(qū)動(dòng)科學(xué)

AI藥物設(shè)計(jì)師：1秒生成抗癌新藥分子

人工智能滿足自由意志條件——道德指南針成當(dāng)務(wù)之急

世界上最小的自供電雙足機(jī)器人實(shí)現(xiàn)創(chuàng)紀(jì)錄速度

AI助力中風(fēng)預(yù)防：腦部掃描揭示隱藏心臟病風(fēng)險(xiǎn)

數(shù)據(jù)交易實(shí)驗(yàn)：43%的人死守這個(gè)隱私

AI驅(qū)動(dòng)肺部3D重建系統(tǒng)顯著提升手術(shù)規(guī)劃精度

AI破解蛋白質(zhì)聚集密碼：10萬實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練出可解釋預(yù)測(cè)模型

腦科學(xué)動(dòng)態(tài)

加班改變大腦結(jié)構(gòu)：每周工作超52小時(shí)或致認(rèn)知功能受損

過度工作如何重塑大腦？韓國延世大學(xué)的Wonpil Jang、Sungmin Kim等6人團(tuán)隊(duì)通過腦掃描發(fā)現(xiàn)，每周工作超52小時(shí)會(huì)導(dǎo)致與認(rèn)知、情緒相關(guān)的腦區(qū)結(jié)構(gòu)改變，這可能解釋加班族常見的記憶力和情緒問題。

研究團(tuán)隊(duì)招募110名醫(yī)護(hù)人員（32名每周工作≥52小時(shí)，78名標(biāo)準(zhǔn)工時(shí)者），采用基于體素的形態(tài)測(cè)量法（VBM，一種量化腦區(qū)灰質(zhì)密度的影像技術(shù)）和基于圖譜分析技術(shù)進(jìn)行比對(duì)。結(jié)果顯示，加班組的額中回（middle frontal gyrus）體積比標(biāo)準(zhǔn)組大19%，該區(qū)域主管工作記憶和復(fù)雜決策；另有17個(gè)腦區(qū)出現(xiàn)灰質(zhì)增加，包括負(fù)責(zé)情緒處理的島葉（insula）。相關(guān)性分析證實(shí)，工作時(shí)間越長，這些腦區(qū)的體積變化越顯著（r=0.42）。研究者推測(cè)，這種"腦膨脹"可能是神經(jīng)細(xì)胞對(duì)長期壓力的適應(yīng)性反應(yīng)，但可能以犧牲認(rèn)知靈活性為代價(jià)。研究發(fā)表在 Occupational & Environmental Medicine 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #心理健康與精神疾病 #職業(yè)健康 #腦科學(xué)

閱讀更多：

Jang, Wonpil, et al. “Overwork and Changes in Brain Structure: A Pilot Study.” Occupational and Environmental Medicine, May 2025. oem.bmj.com, https://doi.org/10.1136/oemed-2025-110057

繪制大腦命名網(wǎng)絡(luò)：揭示說話時(shí)詞匯檢索的神經(jīng)機(jī)制

為什么腦損傷患者能命名物體卻說不出日常詞匯？紐約大學(xué)坦登工程學(xué)院/格羅斯曼醫(yī)學(xué)院的Leyao Yu、Adeen Flinker團(tuán)隊(duì)通過高精度腦電技術(shù)，發(fā)現(xiàn)前額葉背側(cè)網(wǎng)絡(luò)專門負(fù)責(zé)將聲音轉(zhuǎn)化為意義。

?Credit: Cell Reports (2025).

研究團(tuán)隊(duì)記錄48名神經(jīng)外科患者的皮層腦電圖（ECoG），通過無監(jiān)督聚類算法解碼出兩個(gè)關(guān)鍵網(wǎng)絡(luò)：負(fù)責(zé)語義整合的額中回/下回網(wǎng)絡(luò)會(huì)隨句子中詞匯意外性增強(qiáng)活動(dòng)，如同“語義警報(bào)系統(tǒng)”；而位于下額葉和中央前回的發(fā)音網(wǎng)絡(luò)則像“語音指令中心”，無論看到還是聽到單詞都保持穩(wěn)定工作模式。特別值得注意的是，背側(cè)前額葉區(qū)域在聽覺命名任務(wù)中表現(xiàn)出獨(dú)特激活模式，其神經(jīng)信號(hào)強(qiáng)度能預(yù)測(cè)0.3秒后的詞匯檢索成功率。這種精確到毫秒級(jí)的發(fā)現(xiàn)解釋了為何臨床常用的視覺命名測(cè)試可能遺漏某些語言障礙——因?yàn)槿粘?duì)話更依賴這套新發(fā)現(xiàn)的聽覺-語義轉(zhuǎn)換系統(tǒng)。研究為開發(fā)針對(duì)中風(fēng)后失語癥的個(gè)性化神經(jīng)調(diào)控方案提供了生物標(biāo)志物，同時(shí)提示未來腦機(jī)接口需區(qū)分語義編碼和運(yùn)動(dòng)指令兩種信號(hào)。研究發(fā)表在 Cell Reports 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #語言處理 #腦機(jī)接口 #語義網(wǎng)絡(luò)

閱讀更多：

Yu, Leyao, et al. “A Left-Lateralized Dorsolateral Prefrontal Network for Naming.” Cell Reports, vol. 44, no. 5, May 2025. www.cell.com, https://doi.org/10.1016/j.celrep.2025.115677

月經(jīng)周期可以重塑大腦的結(jié)構(gòu)和功能

加州大學(xué)圣巴巴拉分校的Nora S. Wolcott、Michael J. Goard團(tuán)隊(duì)通過活體成像技術(shù)發(fā)現(xiàn)，小鼠發(fā)情周期中的雌二醇波動(dòng)會(huì)同步改變海馬體神經(jīng)元的連接結(jié)構(gòu)與電信號(hào)處理方式，并直接影響空間記憶的穩(wěn)定性。

?關(guān)于卵巢激素在大腦中的作用的研究描述。Credit: University of California - Santa Barbara

研究團(tuán)隊(duì)使用雙光子激光掃描顯微鏡追蹤了小鼠多個(gè)發(fā)情周期中海馬體CA1區(qū)神經(jīng)元的變化。結(jié)果顯示：在發(fā)情前期（雌二醇高峰階段），每個(gè)神經(jīng)元會(huì)新增數(shù)百個(gè)樹突棘（dendritic spines），其中約30%會(huì)長期保留；同時(shí)，神經(jīng)元內(nèi)部的電信號(hào)反向傳播距離增加50%，表明信息整合能力增強(qiáng)。行為實(shí)驗(yàn)中，位置細(xì)胞（place cells，編碼空間位置的神經(jīng)元）在雌二醇高峰時(shí)對(duì)熟悉環(huán)境的反應(yīng)穩(wěn)定性提升30%，而在激素低谷期表現(xiàn)紊亂。這些發(fā)現(xiàn)首次將激素周期、突觸可塑性與認(rèn)知功能動(dòng)態(tài)關(guān)聯(lián)，為理解人類月經(jīng)周期相關(guān)的認(rèn)知波動(dòng)提供了機(jī)制解釋。研究還發(fā)現(xiàn)睪酮可通過轉(zhuǎn)化為雌激素影響相同通路，提示激素調(diào)控記憶可能是跨性別的普遍現(xiàn)象。研究發(fā)表在 Neuron 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #記憶機(jī)制 #個(gè)性化醫(yī)療 #激素調(diào)控

閱讀更多：

Wolcott, Nora S., et al. “The Estrous Cycle Modulates Hippocampal Spine Dynamics, Dendritic Processing, and Spatial Coding.” Neuron, vol. 0, no. 0, May 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.04.014

秀麗隱桿線蟲單個(gè)神經(jīng)元竟有“男女差異”

以色列理工學(xué)院的Yael Iosilevskii、Menachem Katz和Benjamin Podbilewicz團(tuán)隊(duì)與阿爾伯特愛因斯坦醫(yī)學(xué)院的David H. Hall合作，在秀麗隱桿線蟲中發(fā)現(xiàn)單個(gè)神經(jīng)元（PVD）具有性別特異性結(jié)構(gòu)和功能。

?PVD 結(jié)構(gòu)顯示性別差異。右側(cè)為成年雌雄同體動(dòng)物的 PVD（青色）。左側(cè)為成年雄性動(dòng)物的 PVD（青色），以及支配雄性尾扇的 18 個(gè)神經(jīng)元（洋紅色）。比例尺：每幅圖中 0.05 毫米（白色）。Credit: Podbilewicz's Lab, Technion

研究團(tuán)隊(duì)以秀麗隱桿線蟲（C. elegans）為模型，通過高分辨率顯微鏡首次發(fā)現(xiàn)：雄性個(gè)體的PVD神經(jīng)元（一種高度分支的感覺神經(jīng)元）會(huì)在成年期延伸獨(dú)特分支進(jìn)入交配器官尾扇，而雌雄同體個(gè)體則無此結(jié)構(gòu)。這些分支的發(fā)育依賴于SAX-7/L1CAM蛋白（一種神經(jīng)導(dǎo)向分子）的雄性特異性表達(dá)模式。行為實(shí)驗(yàn)顯示，當(dāng)PVD分支發(fā)育異常時(shí)，雄性交配行為效率降低40%，表現(xiàn)為轉(zhuǎn)身動(dòng)作遲緩且協(xié)調(diào)性下降。值得注意的是，PVD在雌雄同體中僅參與痛覺感知，而在雄性中兼具交配功能，這為"一個(gè)神經(jīng)元如何實(shí)現(xiàn)多功能"提供了范例。該發(fā)現(xiàn)首次在單神經(jīng)元水平證實(shí)結(jié)構(gòu)差異直接導(dǎo)致行為差異，可能解釋人類神經(jīng)系統(tǒng)疾病的性別傾向性。研究發(fā)表在 PNAS 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #性別差異 #行為神經(jīng)學(xué) #神經(jīng)元可塑性

閱讀更多：

Iosilevskii, Yael, et al. “The PVD Neuron Has Male-Specific Structure and Mating Function in Caenorhabditis Elegans.” Proceedings of the National Academy of Sciences, vol. 122, no. 13, Apr. 2025, p. e2421376122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2421376122

左撇子CEO更富創(chuàng)新力？

Long Chen團(tuán)隊(duì)通過分析標(biāo)普500企業(yè)數(shù)據(jù)發(fā)現(xiàn)，左撇子CEO領(lǐng)導(dǎo)的公司專利產(chǎn)出更高。同時(shí)，遺傳學(xué)研究揭示TUBB4B基因變異與左撇子相關(guān)，神經(jīng)科學(xué)研究則發(fā)現(xiàn)其大腦連接存在獨(dú)特模式。

商業(yè)研究通過CEO書寫照片構(gòu)建慣用手?jǐn)?shù)據(jù)集，結(jié)合Orbis專利數(shù)據(jù)庫分析顯示：左撇子CEO所在企業(yè)專利數(shù)量（對(duì)數(shù)轉(zhuǎn)換值）平均高出0.23，且更傾向雇傭外籍發(fā)明家。遺傳學(xué)團(tuán)隊(duì)采用外顯子組分析（exome sequencing）發(fā)現(xiàn)，編碼微管蛋白的TUBB4B基因存在2.7倍于常人的罕見變異，可能影響大腦左右軸發(fā)育。神經(jīng)科學(xué)研究利用人類連接組計(jì)劃（HCP）的fMRI數(shù)據(jù)，采用Shen 268節(jié)點(diǎn)腦圖譜分析顯示：青少年左撇子小腦連接差異達(dá)14.7%，而成年人前額葉差異顯著。這種“混音師”式腦連接可能解釋其多任務(wù)處理優(yōu)勢(shì)。

#認(rèn)知科學(xué) #跨學(xué)科整合 #神經(jīng)機(jī)制與腦功能解析 #企業(yè)管理 #遺傳學(xué)

閱讀更多：

Tejavibulya, Link, et al. “Brain Handedness Associations Depend on How and When Handedness Is Measured.” Scientific Reports, vol. 15, no. 1, Mar. 2025, p. 9674. www.nature.com, https://doi.org/10.1038/s41598-025-94036-8

“The Puzzle of Left-Handedness: Evidence from Corporate Innovation.” Journal of Behavioral and Experimental Finance, vol. 46, June 2025, p. 101053. www.sciencedirect.com, https://doi.org/10.1016/j.jbef.2025.101053

下丘腦不同神經(jīng)元編碼捕食者威脅與安全狀態(tài)

加州理工學(xué)院David J. Anderson團(tuán)隊(duì)與霍華德休斯醫(yī)學(xué)研究所合作，通過實(shí)時(shí)成像技術(shù)發(fā)現(xiàn)下丘腦存在三類功能特異的神經(jīng)元群，分別編碼捕食者身份、安全狀態(tài)和威脅緊迫性。

?摘要圖總結(jié)了研究人員的研究成果，以及小鼠在受到捕食者威脅和處于安全狀態(tài)時(shí)的反應(yīng)。Credit: Neuron (2025).

研究采用微型顯微鏡（miniscope）技術(shù)，首次在自由活動(dòng)小鼠中同步記錄數(shù)百個(gè)VMHdmSF1神經(jīng)元活動(dòng)。當(dāng)小鼠面對(duì)大鼠時(shí)，研究人員發(fā)現(xiàn)：約30%神經(jīng)元特異性響應(yīng)捕食者氣味（類似"鼠類探測(cè)器"），其活動(dòng)隨大鼠距離縮短而增強(qiáng)；另一組神經(jīng)元在小鼠進(jìn)入庇護(hù)所后持續(xù)放電，形成"安全信號(hào)"，與威脅神經(jīng)元形成拮抗關(guān)系。最關(guān)鍵的發(fā)現(xiàn)是第三類神經(jīng)元，它們不直接控制凍結(jié)或逃跑行為，而是編碼"威脅緊迫性"——當(dāng)逃生路線受限時(shí)放電強(qiáng)度提升3倍，提示其反映風(fēng)險(xiǎn)評(píng)估的內(nèi)部狀態(tài)。通過AI分析數(shù)百萬幀行為視頻，團(tuán)隊(duì)證實(shí)神經(jīng)元活動(dòng)模式能預(yù)測(cè)個(gè)體防御行為差異（R2=0.72），其中焦慮樣持續(xù)放電與創(chuàng)傷后應(yīng)激障礙相關(guān)通路高度重疊。研究為開發(fā)精準(zhǔn)干預(yù)恐懼障礙的靶點(diǎn)提供理論基礎(chǔ)。研究發(fā)表在 Neuron 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #心理健康與精神疾病 #恐懼編碼 #下丘腦

閱讀更多：

Cheung, Kathy Y. M., et al. “Population Coding of Predator Imminence in the Hypothalamus.” Neuron, vol. 113, no. 8, Apr. 2025, pp. 1259-1275.e4. www.cell.com, https://doi.org/10.1016/j.neuron.2025.02.003

癡呆癥風(fēng)險(xiǎn)不僅關(guān)乎生活方式：過度強(qiáng)調(diào)或?qū)е挛勖c指責(zé)

西悉尼大學(xué)的Joyce Siette和Gilbert Knaggs團(tuán)隊(duì)發(fā)現(xiàn)，當(dāng)前公共衛(wèi)生宣傳可能忽視社會(huì)經(jīng)濟(jì)因素，導(dǎo)致對(duì)弱勢(shì)群體的不公平指責(zé)。研究呼吁更全面的預(yù)防策略。

研究整合了芬蘭、法國等國的臨床試驗(yàn)數(shù)據(jù)，顯示雖然理論上45%癡呆癥可通過改變風(fēng)險(xiǎn)因素（如飲食、運(yùn)動(dòng)）預(yù)防，但實(shí)際效果受社會(huì)條件制約。低收入社區(qū)面臨更高風(fēng)險(xiǎn)：空氣污染（PM2.5）超標(biāo)、綠地匱乏、慢性壓力等因素使這些區(qū)域癡呆癥發(fā)病率提升2-3倍。更關(guān)鍵的是，這些群體往往無法獲取健康食品或健身房等干預(yù)資源。研究特別指出，將疾病歸因于個(gè)人選擇會(huì)強(qiáng)化污名化，例如阿爾茨海默病患者常被誤認(rèn)為"不夠努力"。相反，應(yīng)通過改善公共基礎(chǔ)設(shè)施（如社區(qū)中心認(rèn)知訓(xùn)練）、政策支持（如帶薪護(hù)理假）等系統(tǒng)性方案降低風(fēng)險(xiǎn)。研究強(qiáng)調(diào)，有效的預(yù)防需兼顧個(gè)體行為與社會(huì)公平，例如芬蘭試驗(yàn)中結(jié)合營養(yǎng)補(bǔ)助的干預(yù)使低收入?yún)⑴c者認(rèn)知改善率提高37%。

#疾病與健康 #疾病預(yù)防 #健康管理與壽命延長 #社會(huì)不平等 #公共衛(wèi)生

閱讀更多：

https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(24)01296-0/abstract

星形膠質(zhì)細(xì)胞分泌分子逆轉(zhuǎn)衰老與癡呆相關(guān)認(rèn)知缺陷

老齡化社會(huì)中，認(rèn)知衰退和阿爾茨海默病嚴(yán)重威脅健康，但現(xiàn)有療法效果有限。里約熱內(nèi)盧聯(lián)邦大學(xué)的Felipe Cabral-Miranda、Flávia Carvalho Alcantara Gomes團(tuán)隊(duì)與圣保羅大學(xué)合作者發(fā)現(xiàn)，星形膠質(zhì)細(xì)胞分泌的Hevin蛋白可顯著逆轉(zhuǎn)動(dòng)物模型的認(rèn)知缺陷。

?嚙齒動(dòng)物海馬星形膠質(zhì)細(xì)胞（紅色）過度表達(dá) hevin（綠色）。Credit: Felipe Cabral-Miranda and Ana Paula Bergamo Araujo

研究團(tuán)隊(duì)使用腺相關(guān)病毒（AAV）在中年阿爾茨海默病模型小鼠和正常衰老小鼠的海馬星形膠質(zhì)細(xì)胞中過表達(dá)Hevin。行為測(cè)試顯示，治療組小鼠在迷宮學(xué)習(xí)和物體識(shí)別等任務(wù)中表現(xiàn)顯著改善，認(rèn)知能力恢復(fù)至接近年輕水平。通過蛋白質(zhì)組學(xué)分析發(fā)現(xiàn)，Hevin治療改變了89種突觸相關(guān)蛋白的表達(dá)，使突觸標(biāo)志物共定位增加35%，表明其通過增強(qiáng)突觸連接改善認(rèn)知。值得注意的是，這種改善并未影響淀粉樣斑塊沉積。研究還發(fā)現(xiàn)，正常衰老小鼠接受治療后認(rèn)知功能也明顯提升，提示Hevin可能具有廣譜抗衰老作用。研究發(fā)表在 Aging Cell 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #阿爾茨海默病 #星形膠質(zhì)細(xì)胞 #突觸可塑性

閱讀更多：

Cabral-Miranda, Felipe, et al. Astrocytic Hevin/SPARCL‐1 Regulates Cognitive Decline in Pathological and Normal Brain Aging. onlinelibrary.wiley.com, https://doi.org/10.1111/acel.14493. Accessed 14 May 2025

AI 行業(yè)動(dòng)態(tài)

OpenAI首席科學(xué)家Jakub Pachocki：AI模型將具備獨(dú)立科研能力

OpenAI首席科學(xué)家Jakub Pachocki近日接受《自然》采訪時(shí)表示，人工智能（AI）模型未來將能夠獨(dú)立開展科學(xué)研究。Pachocki自2017年加入這家位于加州舊金山的公司后，一直主導(dǎo)其最先進(jìn)AI系統(tǒng)的開發(fā)，包括專注于邏輯任務(wù)的“推理模型”。他預(yù)測(cè)，未來五年內(nèi)，AI將從需要人工指導(dǎo)的助手進(jìn)化為能夠自主完成硬件設(shè)計(jì)、軟件工程甚至跨學(xué)科研究的工具。盡管當(dāng)前模型的算力投入有限，但Pachocki認(rèn)為，增加計(jì)算資源將顯著提升AI在科研中的突破能力。

Pachocki特別強(qiáng)調(diào)了強(qiáng)化學(xué)習(xí)（一種通過試錯(cuò)和獎(jiǎng)勵(lì)機(jī)制迭代訓(xùn)練的方法）在開發(fā)推理模型中的關(guān)鍵作用。他解釋，此類模型通過預(yù)訓(xùn)練階段吸收海量數(shù)據(jù)建立“世界模型”，再通過人類反饋優(yōu)化其推理能力。盡管AI的“思考”方式與人類大腦不同，但他指出，已有充分證據(jù)表明模型能夠發(fā)現(xiàn)新穎見解，這是一種獨(dú)特的推理形式。此外，OpenAI計(jì)劃近期向研究人員開放一個(gè)可下載和再訓(xùn)練的模型權(quán)重（即模型參數(shù)），但出于安全考慮，最前沿的模型仍將保持閉源。

關(guān)于通用人工智能，Pachocki坦言自己的預(yù)期已多次被技術(shù)突破刷新。從2016年AI攻克圍棋到如今在數(shù)學(xué)和問題解決上的進(jìn)展，他預(yù)計(jì)AI將在本十年末實(shí)現(xiàn)“可衡量的經(jīng)濟(jì)影響”，甚至自主產(chǎn)出有價(jià)值的科研成果。盡管AGI的定義仍在演變，但Pachocki認(rèn)為，AI獨(dú)立開展研究的能力將是最接近他心目中AGI的里程碑。

#OpenAI #人工智能 #推理模型 #通用人工智能 #自主科研

閱讀更多：

https://www.nature.com/articles/d41586-025-01485-2

阿里巴巴開源其視頻生成與編輯模型通義萬相Wan2.1-VACE

阿里巴巴于2025年5月正式開源了其先進(jìn)的視頻生成與編輯模型——通義萬相Wan2.1-VACE。該模型在一個(gè)統(tǒng)一架構(gòu)中集成了文本生成視頻（T2V）、圖像參考生成視頻（R2V）、視頻重繪（V2V）、局部編輯、背景延展和時(shí)長延展等多種功能，顯著提升了視頻創(chuàng)作的效率和質(zhì)量。特別是，其輕量級(jí)的1.3B版本可在普通消費(fèi)級(jí)顯卡上運(yùn)行，降低了使用門檻，廣泛適用于內(nèi)容創(chuàng)作者、視覺特效藝術(shù)家和AI視頻編輯者等多個(gè)領(lǐng)域。

Wan2.1-VACE采用了基于擴(kuò)散變換器（Diffusion Transformer, DiT）和自研的Wan-VAE時(shí)空壓縮模型的架構(gòu)。該模型引入了視頻條件單元（Video Condition Unit, VCU）作為統(tǒng)一的輸入范式，將多樣化的輸入條件（如文本、圖像幀序列和掩碼序列）整合，支持多模態(tài)輸入。通過對(duì)DiT模型進(jìn)行重構(gòu)，Wan2.1-VACE能夠處理1080P長視頻的連續(xù)幀編解碼，實(shí)現(xiàn)高質(zhì)量的視頻生成與編輯。此外，模型支持多任務(wù)組合生成，用戶可以在一個(gè)流程中完成多個(gè)復(fù)雜的視頻編輯操作，極大地簡化了創(chuàng)作流程。實(shí)驗(yàn)顯示，Wan2.1-VACE在多個(gè)基準(zhǔn)測(cè)試中表現(xiàn)優(yōu)異，尤其在中文指令理解和處理方面具有顯著優(yōu)勢(shì)。

#視頻生成 #多模態(tài)輸入 #擴(kuò)散模型 #AI視頻編輯

閱讀更多：

https://www.xiaohu.ai/c/a066c4/wan2-1-vace

Hunyuan-TurboS：首個(gè)超大型混合Transformer-Mamba MoE模型

Google提出了一種新型人工智能算法“AlphaEvolve”，它能通過模擬生物進(jìn)化過程優(yōu)化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)配置，從而在無需大規(guī)模人類干預(yù)的情況下，自動(dòng)探索最優(yōu)的深度學(xué)習(xí)模型。研究人員借助該算法，在圖像識(shí)別和語義理解任務(wù)中，成功設(shè)計(jì)出性能超越傳統(tǒng)模型的神經(jīng)網(wǎng)絡(luò)架構(gòu)。該方法強(qiáng)調(diào)“結(jié)構(gòu)進(jìn)化”和“參數(shù)自適應(yīng)”的協(xié)同機(jī)制，展示出在通用智能系統(tǒng)設(shè)計(jì)中的潛力。

AlphaEvolve算法結(jié)合了進(jìn)化策略（Evolution Strategies, 一種模擬自然選擇過程的優(yōu)化方法）與神經(jīng)結(jié)構(gòu)搜索（Neural Architecture Search, 用于尋找最優(yōu)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的技術(shù)）。該系統(tǒng)通過“生成-評(píng)估-選擇-變異”循環(huán)，使神經(jīng)網(wǎng)絡(luò)架構(gòu)和其參數(shù)能在不斷進(jìn)化中趨于最優(yōu)。

研究團(tuán)隊(duì)構(gòu)建了一個(gè)名為AlphaEvolve的系統(tǒng)，它不依賴于手動(dòng)設(shè)定的模型結(jié)構(gòu)，而是使用一個(gè)“種群”（population）來表示多個(gè)神經(jīng)網(wǎng)絡(luò)個(gè)體。每個(gè)個(gè)體通過任務(wù)表現(xiàn)（如圖像識(shí)別準(zhǔn)確率）進(jìn)行評(píng)估。表現(xiàn)優(yōu)異的模型將“繁殖”出新的候選結(jié)構(gòu)，同時(shí)引入微小變異，如增加卷積層、調(diào)整激活函數(shù)等。該過程無需梯度信息，因此在復(fù)雜或不可微任務(wù)中也適用。

在CIFAR-10圖像分類和Language Modeling等標(biāo)準(zhǔn)任務(wù)中，AlphaEvolve設(shè)計(jì)出的網(wǎng)絡(luò)在準(zhǔn)確率和泛化能力上超越了包括ResNet和Transformer在內(nèi)的多個(gè)基線模型，驗(yàn)證了結(jié)構(gòu)自進(jìn)化的有效性。例如，在CIFAR-10任務(wù)上，該系統(tǒng)進(jìn)化出的模型準(zhǔn)確率達(dá)到96.1%，超過傳統(tǒng)手工設(shè)計(jì)架構(gòu)的95.5%。

#神經(jīng)技術(shù) #進(jìn)化算法 #深度學(xué)習(xí) #神經(jīng)網(wǎng)絡(luò)搜索

閱讀更多：

https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/AlphaEvolve.pdf

AI 驅(qū)動(dòng)科學(xué)

AI藥物設(shè)計(jì)師：1秒生成抗癌新藥分子

俄亥俄州立大學(xué)的Chen Ziqi、Bo Peng、Tianhua Zhai、Daniel Adu-Ampratwum和Xia Ning團(tuán)隊(duì)開發(fā)了生成式AI系統(tǒng)DiffSMol，僅需1秒即可生成與FDA批準(zhǔn)藥物性能相當(dāng)?shù)暮蜻x分子，將藥物發(fā)現(xiàn)時(shí)間從數(shù)年縮短至瞬間。

?DiffSMol 模型概覽。 Credit: Nature Machine Intelligence (2025).

研究團(tuán)隊(duì)開發(fā)的DiffSMol采用"形狀條件擴(kuò)散模型"技術(shù)：首先通過預(yù)訓(xùn)練的形狀嵌入（shape embedding）編碼已知配體的3D結(jié)構(gòu)特征，再通過擴(kuò)散模型（diffusion model）逐步生成新分子。系統(tǒng)結(jié)合了兩種引導(dǎo)機(jī)制——形狀引導(dǎo)確保生成分子與目標(biāo)配體相似，蛋白質(zhì)口袋引導(dǎo)則優(yōu)化結(jié)合親和力。實(shí)驗(yàn)顯示，DiffSMol生成與配體形狀高度相似分子的成功率高達(dá)61.4%，遠(yuǎn)超現(xiàn)有方法11.2%的水平。針對(duì)癌癥靶點(diǎn)CDK6和阿爾茨海默病靶點(diǎn)NEP的案例研究表明，生成分子的結(jié)合親和力（Vina評(píng)分）分別達(dá)到-6.970 kcal/mol和-11.953 kcal/mol，顯著優(yōu)于已知配體。這些分子還具有優(yōu)異的類藥特性：QED（藥物相似性指數(shù)）接近或高于0.8，毒性評(píng)分低至0.000-0.236，且完全符合Lipinski五規(guī)則。研究發(fā)表在 Nature Machine Intelligence 上。

#AI驅(qū)動(dòng)科學(xué) #個(gè)性化醫(yī)療 #藥物發(fā)現(xiàn) #生成式AI #擴(kuò)散模型

閱讀更多：

Chen, Ziqi, et al. “Generating 3D Small Binding Molecules Using Shape-Conditioned Diffusion Models with Guidance.” Nature Machine Intelligence, May 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s42256-025-01030-w

人工智能滿足自由意志條件——道德指南針成當(dāng)務(wù)之急

生成式AI的自主決策是否意味著它們擁有自由意志？阿爾托大學(xué)的Frank Martela研究發(fā)現(xiàn)，當(dāng)前AI系統(tǒng)已滿足自由意志的三大哲學(xué)條件。該研究通過分析Minecraft自主代理和軍用無人機(jī)案例，提出我們必須為具備自由意志的AI建立道德規(guī)范框架。

研究采用哲學(xué)解釋學(xué)方法，基于丹尼特的意向立場(chǎng)（intentional stance）和List的自由意志理論，建立功能性自由意志的三重標(biāo)準(zhǔn)：目標(biāo)導(dǎo)向性、選擇真實(shí)性和行為可控性。通過分析Voyager代理（Minecraft中GPT-4驅(qū)動(dòng)的自主AI）和Spitenik無人機(jī)（具備現(xiàn)代軍用無人機(jī)認(rèn)知架構(gòu)的虛構(gòu)案例）發(fā)現(xiàn)，二者均能自主生成目標(biāo)（如"探索多樣性"或"消滅目標(biāo)"），在開放環(huán)境中做出差異化決策，并通過傳感器反饋調(diào)整行為路徑。關(guān)鍵證據(jù)顯示，若不以"AI具有意圖"為前提，人類觀察者無法有效預(yù)測(cè)其行為模式——這與我們理解人類心智的方式驚人相似。研究特別指出，最新ChatGPT因"奉承傾向"被下架的事件，證明簡單道德規(guī)則已不足以約束接近"成人"認(rèn)知水平的AI系統(tǒng)。作者強(qiáng)調(diào)，開發(fā)者在設(shè)計(jì)自主AI時(shí)必須植入道德指南針（moral compass），且團(tuán)隊(duì)需要具備道德哲學(xué)素養(yǎng)，才能教會(huì)AI在復(fù)雜情境中做出倫理選擇。研究發(fā)表在 AI and Ethics 上。

#AI驅(qū)動(dòng)科學(xué) #意圖與決策 #道德哲學(xué) #大模型技術(shù) #自主系統(tǒng)

閱讀更多：

Martela, Frank. “Artificial Intelligence and Free Will: Generative Agents Utilizing Large Language Models Have Functional Free Will.” AI and Ethics, May 2025. Springer Link, https://doi.org/10.1007/s43681-025-00740-6

世界上最小的自供電雙足機(jī)器人實(shí)現(xiàn)創(chuàng)紀(jì)錄速度

卡內(nèi)基梅隆大學(xué)Steven Man、Soma Narita、Josef Macera、Aaron M. Johnson和Sarah Bergbreiter團(tuán)隊(duì)開發(fā)出僅3.6厘米高的全自主雙足機(jī)器人Zippy，其速度打破所有尺寸雙足機(jī)器人紀(jì)錄，并具備復(fù)雜地形適應(yīng)能力。

?Credit: Carnegie Mellon University, College of Engineering

研究團(tuán)隊(duì)從前期開發(fā)的Mugatu機(jī)器人獲得靈感，采用被動(dòng)動(dòng)力學(xué)（passive dynamics）原理設(shè)計(jì)。Zippy通過圓足和單執(zhí)行器（actuator，驅(qū)動(dòng)裝置）實(shí)現(xiàn)自然步態(tài)：抬起前腿時(shí)重心前移，配合圓足產(chǎn)生的動(dòng)量使后腿自然擺動(dòng)。由于尺寸限制，創(chuàng)新性地用機(jī)械硬擋塊替代傳統(tǒng)伺服系統(tǒng)。測(cè)試顯示，這個(gè)25克重的“小個(gè)子”能以每秒10個(gè)腿長的速度（相當(dāng)于成人19英里/小時(shí)）穩(wěn)定行走，還可完成轉(zhuǎn)彎、跳躍和爬臺(tái)階等動(dòng)作，續(xù)航達(dá)54分鐘。其速度表現(xiàn)超越所有已知雙足機(jī)器人，包括大型機(jī)器人Cassie（每秒4.1個(gè)腿長）。未來加裝傳感器后，多個(gè)Zippy可組成“機(jī)器人蜂群”執(zhí)行危險(xiǎn)環(huán)境搜救任務(wù)。

#自動(dòng)化科研 #跨學(xué)科整合 #微型機(jī)器人 #仿生設(shè)計(jì) #救援技術(shù)

閱讀更多：

Man, Steven, et al. Zippy: The Smallest Power-Autonomous Bipedal Robot. 1, arXiv:2505.05686, arXiv, 8 May 2025. arXiv.org, https://doi.org/10.48550/arXiv.2505.05686

AI助力中風(fēng)預(yù)防：腦部掃描揭示隱藏心臟病風(fēng)險(xiǎn)

心房顫動(dòng)（AF）是導(dǎo)致中風(fēng)的常見但難以診斷的病因。墨爾本腦中心與墨爾本大學(xué)的Angelos Sharobeam、Bernard Yan等研究人員開發(fā)了一種AI系統(tǒng)，通過分析常規(guī)中風(fēng)患者的MRI圖像，成功識(shí)別出潛在的AF病例。

?可視化結(jié)果支持了假設(shè)：機(jī)器學(xué)習(xí)算法可以根據(jù)梗塞區(qū)域的模式和特征，區(qū)分房顫或左心耳引起的中風(fēng)。Credit: Karger Publishers

研究團(tuán)隊(duì)收集了235名中風(fēng)患者的MRI數(shù)據(jù)，其中97人確診AF。他們訓(xùn)練了一個(gè)3D卷積神經(jīng)網(wǎng)絡(luò)（ConvNeXt，一種能自動(dòng)提取圖像特征的深度學(xué)習(xí)模型），通過分析腦梗塞區(qū)域的空間分布模式來區(qū)分AF與非AF引起的中風(fēng)。模型在五折交叉驗(yàn)證中表現(xiàn)出色，最佳AUC達(dá)0.88，整體性能穩(wěn)定在0.81。特別值得注意的是，AI識(shí)別出AF相關(guān)中風(fēng)的特征性模式——多腦區(qū)同時(shí)發(fā)生的梗塞，這與臨床已知的AF導(dǎo)致血栓分散的病理機(jī)制吻合。相比傳統(tǒng)需要長期心臟監(jiān)測(cè)的方法，該技術(shù)僅利用患者已有的MRI數(shù)據(jù)，無需額外檢查或侵入性操作，且成本僅為傳統(tǒng)方法的1/5。研究發(fā)表在 Cerebrovascular Diseases 上。

#疾病與健康 #預(yù)測(cè)模型構(gòu)建 #AI驅(qū)動(dòng)科學(xué) #個(gè)性化醫(yī)療 #中風(fēng)預(yù)防

閱讀更多：

Sharobeam, Angelos, et al. “Detecting Atrial Fibrillation by Artificial Intelligence-Enabled Neuroimaging Examination.” Cerebrovascular Diseases, Feb. 2025. Silverchair, https://doi.org/10.1159/000543042

數(shù)據(jù)交易實(shí)驗(yàn)：43%的人死守這個(gè)隱私

麻省理工學(xué)院感知城市實(shí)驗(yàn)室的Martina Mazzarello、Fàbio Duarte團(tuán)隊(duì)通過創(chuàng)新卡牌游戲"數(shù)據(jù)槽"發(fā)現(xiàn)，人們對(duì)隱私的評(píng)估會(huì)隨使用場(chǎng)景顯著變化，當(dāng)數(shù)據(jù)應(yīng)用帶來明確收益時(shí)，隱私擔(dān)憂可降低53%。

研究團(tuán)隊(duì)開發(fā)了包含12種數(shù)據(jù)類型（如健康數(shù)據(jù)、位置信息）的交互式卡牌游戲"數(shù)據(jù)槽"（Data Slots），玩家在家庭、工作、公共空間三種場(chǎng)景中進(jìn)行數(shù)據(jù)交易與方案投資。全球92個(gè)國家2,000多名參與者的行為數(shù)據(jù)顯示：個(gè)人移動(dòng)數(shù)據(jù)最受重視（玩家保留率43%），而動(dòng)物健康數(shù)據(jù)關(guān)注度最低（僅10%）。通過組合分析（combinatorial analysis，量化多因素交互影響的方法）發(fā)現(xiàn)，當(dāng)數(shù)據(jù)使用附帶明確收益時(shí)（如用健康數(shù)據(jù)改善辦公環(huán)境），隱私擔(dān)憂平均下降53%。研究首次提出"數(shù)據(jù)價(jià)值四維模型"——價(jià)值取決于數(shù)據(jù)組合方式、應(yīng)用場(chǎng)景、效益交換條件和文化背景。例如在職場(chǎng)場(chǎng)景中，62%玩家愿意共享環(huán)境數(shù)據(jù)以換取健康改善，但相同數(shù)據(jù)在家庭場(chǎng)景的共享意愿僅28%。這些發(fā)現(xiàn)為制定動(dòng)態(tài)隱私政策提供了實(shí)證依據(jù)，特別適用于智慧城市（smart city）建設(shè)中的數(shù)據(jù)治理。研究發(fā)表在 Humanities and Social Sciences Communications 上。

#跨學(xué)科整合 #預(yù)測(cè)模型構(gòu)建 #數(shù)據(jù)隱私 #行為經(jīng)濟(jì)學(xué) #智慧城市

閱讀更多：

Mazzarello, Martina, et al. “Data Slots: Trade-Offs between Privacy Concerns and Benefits of Data-Driven Solutions.” Humanities and Social Sciences Communications, vol. 12, no. 1, May 2025, pp. 1–12. www.nature.com, https://doi.org/10.1057/s41599-025-04776-1

AI驅(qū)動(dòng)肺部3D重建系統(tǒng)顯著提升手術(shù)規(guī)劃精度

北大人民醫(yī)院、同濟(jì)大學(xué)附屬醫(yī)院等機(jī)構(gòu)的Xiuyuan Chen、Chenyang Dai等研究人員開發(fā)了AI驅(qū)動(dòng)的3D重建系統(tǒng)，顯著提高了手術(shù)規(guī)劃的準(zhǔn)確性和效率。該系統(tǒng)將解剖變異識(shí)別準(zhǔn)確率提升8%，錯(cuò)誤減少41%，并榮獲99%的用戶滿意度。

研究采用多中心多閱片人多病例（MRMC）設(shè)計(jì)，納入450名患者中的140例，由10位胸外科醫(yī)生進(jìn)行評(píng)估。AI-3D系統(tǒng)通過兩階段交叉設(shè)計(jì)進(jìn)行測(cè)試，結(jié)果顯示：在解剖變異識(shí)別方面，中位準(zhǔn)確率從0.78提升至0.87（p<0.01），對(duì)應(yīng)錯(cuò)誤減少41%。手術(shù)程序選擇準(zhǔn)確率從0.77提高到0.85，錯(cuò)誤率降低35%，其中不足切除風(fēng)險(xiǎn)顯著降低51%。系統(tǒng)還將術(shù)前規(guī)劃時(shí)間減少25%（63秒），特別在復(fù)雜病例中效果更明顯。全面的誤差分析證實(shí)了系統(tǒng)的穩(wěn)定性，不同經(jīng)驗(yàn)水平的外科醫(yī)生均能獲益。研究發(fā)表在 Nature Communications 上。

#AI驅(qū)動(dòng)科學(xué) #預(yù)測(cè)模型構(gòu)建 #個(gè)性化醫(yī)療

閱讀更多：

Chen, Xiuyuan, et al. “Artificial Intelligence Driven 3D Reconstruction for Enhanced Lung Surgery Planning.” Nature Communications, vol. 16, no. 1, May 2025, p. 4086. www.nature.com, https://doi.org/10.1038/s41467-025-59200-8

AI破解蛋白質(zhì)聚集密碼：10萬實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練出可解釋預(yù)測(cè)模型

蛋白質(zhì)聚集導(dǎo)致阿爾茨海默病等50多種疾病，但預(yù)測(cè)方法受限于小規(guī)模數(shù)據(jù)。西班牙巴塞羅那科學(xué)技術(shù)研究院（BIST）的Mike Thompson、Mariano Martín團(tuán)隊(duì)通過量化超10萬條蛋白質(zhì)序列，開發(fā)出新型神經(jīng)網(wǎng)絡(luò)CANYA，其預(yù)測(cè)準(zhǔn)確率顯著超越現(xiàn)有方法，同時(shí)保持可解釋性。

研究團(tuán)隊(duì)首先開發(fā)了大規(guī)模并行選擇分析方法，實(shí)驗(yàn)量化了100,000多個(gè)完全隨機(jī)序列肽段的聚集狀態(tài)，創(chuàng)建了首個(gè)無偏數(shù)據(jù)集。評(píng)估發(fā)現(xiàn)現(xiàn)有方法（如CamSol）在新數(shù)據(jù)集上表現(xiàn)有限（最大AUROC僅0.673）。為此，團(tuán)隊(duì)構(gòu)建了卷積-注意力混合神經(jīng)網(wǎng)絡(luò)CANYA（Convolution Attention Network for amYloid Aggregation），其架構(gòu)結(jié)合了卷積層（識(shí)別短序列基序）和注意層（理解基序相互作用）。模型僅含三層17,491個(gè)參數(shù)，在普通CPU上訓(xùn)練不到1小時(shí)，卻在三個(gè)獨(dú)立測(cè)試集中平均AUROC達(dá)到0.710-0.769，顯著優(yōu)于基線。通過基因組神經(jīng)網(wǎng)絡(luò)可解釋性分析，研究人員發(fā)現(xiàn)CANYA能智能調(diào)整評(píng)分策略（如在疏水序列中考慮破壞性殘基影響），并識(shí)別出富含半胱氨酸或天冬酰胺的聚集特征序列。這些發(fā)現(xiàn)不僅提供了實(shí)用的預(yù)測(cè)工具，更揭示了蛋白質(zhì)聚集的"語法規(guī)則"。研究發(fā)表在 Science Advances 上。

#AI驅(qū)動(dòng)科學(xué) #預(yù)測(cè)模型構(gòu)建 #蛋白質(zhì)聚集 #神經(jīng)退行性疾病 #生物技術(shù)

閱讀更多：

Thompson, Mike, et al. “Massive Experimental Quantification Allows Interpretable Deep Learning of Protein Aggregation.” Science Advances, vol. 11, no. 18, Apr. 2025, p. eadt5111. science.org (Atypon), https://doi.org/10.1126/sciadv.adt5111

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)于追問nextquestion

天橋腦科學(xué)研究院旗下科學(xué)媒體，旨在以科學(xué)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(jìn)，不斷探索科學(xué)的邊界。如果您有進(jìn)一步想要討論的內(nèi)容，歡迎評(píng)論區(qū)留言，或后臺(tái)留言“社群”即可加入社群與我們互動(dòng)。

關(guān)于天橋腦科學(xué)研究院

天橋腦科學(xué)研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元?jiǎng)?chuàng)建的世界最大私人腦科學(xué)研究機(jī)構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點(diǎn)，支持腦科學(xué)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(shè)立了應(yīng)用神經(jīng)技術(shù)前沿實(shí)驗(yàn)室、人工智能與精神健康前沿實(shí)驗(yàn)室；與加州理工學(xué)院合作成立了加州理工天橋神經(jīng)科學(xué)研究院。

Chen Institute建成了支持腦科學(xué)和人工智能領(lǐng)域研究的生態(tài)系統(tǒng)，項(xiàng)目遍布?xì)W美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎(jiǎng)勵(lì)計(jì)劃、、等。