█腦科學動態

Cell：大腦前額葉發現戀愛開關

Nature：T細胞因子調控轉移性癌癥免疫

Nature：人類特異性DNA增強子HARE5如何塑造大腦皮層發育

CaliAli技術實現自由活動動物神經元超長期監測

人類依靠"安全感官"機制跨文化識別傳染病

大腦視覺與語言系統的連接塑造物體知識表征

基因檢測兩小時內完成腦腫瘤精準診斷

紅核小細胞區：大腦運動學習的誤差校正中心

利用貝葉斯先驗蒸餾實現人類級語言快速學習

█AI行業動態

谷歌I/O 2025：Gemini全面升級，多領域技術突破

谷歌Veo 3突破AI視頻界限：音畫同步開啟視聽一體新時代

█AI驅動科學

神經符號AI：比主流大模型更精簡高效的替代方案

當GPT-4知道你的個人信息時說服力暴增81%

放射科醫生揭示AI偏見三大陷阱

神經肌肉骨骼建模新突破：個性化數字孿生助力運動障礙治療

新應用連接語言障礙孤獨癥兒童與父母

無需云端即可運行的AI芯片，能效提升10倍

腦科學動態

Cell：大腦前額葉發現戀愛開關

清華大學生命科學學院李坤團隊與洛克菲勒大學Nathaniel Heintz團隊合作，在大腦內側前額葉皮層（mPFC）發現一類Cacna1h+神經元，能整合個體激素狀態與社交對象信息，以性別相反的方式調控"戀愛興趣"。

研究團隊通過單細胞測序技術鎖定mPFC中特異表達Cacna1h的神經元群體。這些神經元在動情期雌性中表現出三大特征：1）受雌激素受體直接激活，T型鈣通道（Cav3.2）表達增加；2）對雄性氣味產生強烈反應；3）光遺傳學激活可誘導持續求偶行為。分子機制上，卵巢激素結合Cacna1h啟動子驅動表達峰值，催產素（oxytocin）通過抑制信號觸發T型鈣通道介導的反彈興奮（rebound excitation），放大異性線索響應。令人驚訝的是，同一神經元在雄性中發揮相反作用——抑制對異性興趣，這種"鏡像調控"可能進化上平衡兩性繁殖策略。研究還發現mPFC通過前下丘腦（AHN）環路實現性別二態性（sexually dimorphic）的調控，為理解性功能障礙的性別差異提供了新視角。研究發表在 Cell 上。

#疾病與健康 #神經機制與腦功能解析 #心理健康與精神疾病 #性別差異 #社交行為

閱讀更多：

Wang, Yuping, et al. “Integrating Reproductive States and Social Cues in the Control of Sociosexual Behaviors.” Cell, vol. 0, no. 0, May 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.04.035

Nature：T細胞因子調控轉移性癌癥免疫

紀念斯隆-凱特琳癌癥中心的Jan Remsik、Xinran Tong等團隊發現，T細胞分泌的干擾素γ（IFNγ）能激活"樹突細胞-NK細胞"免疫回路，在小鼠模型中顯著抑制癌細胞擴散。

?軟腦膜干擾素-γ（IFN-γ）不影響腦實質的形態，但會減少胼胝體少突膠質細胞的數量。Credit: Nature (2025).

研究團隊建立了六種同基因軟腦膜轉移小鼠模型，通過單細胞測序（scRNA-seq）分析了超過2.7萬個小鼠腦脊液細胞和1.7萬例患者樣本。結果顯示，缺乏IFNγ受體的小鼠會出現腫瘤失控生長。進一步研究發現，T細胞分泌的IFNγ會促使樹突狀細胞（DC）成熟為遷移性亞型，這些細胞繼而分泌白細胞介素-12和15（IL-12/15），激活自然殺傷細胞（NK細胞）的腫瘤殺傷能力。當用基因編輯技術阻斷樹突細胞的IFNγ受體（Ifngr1）時，腫瘤重新開始進展；而清除NK細胞則會完全抵消IFNγ的治療效果。值得注意的是，腺相關病毒介導的IFNγ基因治療不僅能有效控制腫瘤，還避免了神經毒性副作用。該發現揭示了軟腦膜這一特殊解剖部位的獨特免疫調控機制，為開發針對乳腺癌、肺癌等軟腦膜轉移的免疫療法提供了新靶點。研究發表在 Nature 上。

#疾病與健康 #神經調控 #個性化醫療 #免疫治療 #癌癥轉移

閱讀更多：

Remsik, Jan, et al. “Interferon-γ Orchestrates Leptomeningeal Anti-Tumour Response.” Nature, May 2025, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-025-09012-z

Nature：人類特異性DNA增強子HARE5如何塑造大腦皮層發育

杜克大學醫學中心Jing Liu、Federica Mosti等團隊發現，位于10號染色體的人類加速區域HARE5通過四種關鍵變異，顯著增強神經祖細胞增殖能力，使皮層體積增加19%。

?每只小鼠靜息態活動的相關性分析。Credit: Nature (2025).

研究團隊采用跨物種比較策略，構建了攜帶人類、黑猩猩和小鼠HARE5序列的基因組編輯小鼠模型。通過CRISPR干擾技術證實，人類HARE5特異性增強FZD8基因表達——這是WNT信號通路（調控細胞增殖的關鍵通路）的關鍵受體。活體成像顯示，人類HARE5使放射狀膠質細胞（radial glial cells，大腦皮層發育的“干細胞”）早期自我更新能力提升37%，后期神經發生潛能擴大2.1倍。單細胞RNA測序發現，四種人類特異性變異中，Variant I和II貢獻了80%的增強效應。值得注意的是，鄰近Variant I的孤獨癥相關突變會使增強子活性降低62%，這解釋了臨床觀察到的神經增殖缺陷。研究還通過皮層類器官（cortical organoids）模型證實，人類神經祖細胞比黑猩猩的增殖速度快1.8倍。研究發表在 Nature 上。

#神經科學 #神經機制與腦功能解析 #基因組編輯 #WNT信號通路 #跨物種比較

閱讀更多：

Liu, Jing, et al. “A Human-Specific Enhancer Fine-Tunes Radial Glia Potency and Corticogenesis.” Nature, May 2025, pp. 1–12. www.nature.com, https://doi.org/10.1038/s41586-025-09002-1

CaliAli技術實現自由活動動物神經元超長期監測

如何長期追蹤自由活動動物的神經元活動？筑波大學的Pablo Vergara、Yuteng Wang等團隊開發了CaliAli計算套件，實現用標準顯微鏡連續記錄同一神經元群體99天。

?CaliAli：一套用于處理長期 Ca 2+ 成像數據的完整計算套件。Credit: Nature Communications (2025).

研究團隊開發的CaliAli框架通過整合血管（BVs）和神經元信息，解決了跨會話數據對齊的核心難題。該系統采用三步優化：首先通過非剛性配準（non-rigid registration）校正腦組織變形；其次構建連續視頻流消除會話間斷層；最后用專用算法提取信號，信噪比（SNR）提升達3倍。在齒狀回實驗中，光遺傳標記驗證了該方法能在數周尺度保持90%以上神經元追蹤準確率。特別值得注意的是，海馬CA1區神經元空間編碼誤差降低67%，而傳統方法僅能維持30天內的數據可比性。研究還發現，小鼠大腦存在持續99天穩定的神經元群體活動模式，這為研究長期記憶鞏固提供了直接證據。研究發表在 Nature Communications 上。

#神經科學 #神經機制與腦功能解析 #記憶機制 #計算模型與人工智能模擬

閱讀更多：

Vergara, Pablo, et al. “A Comprehensive Suite for Extracting Neuron Signals across Multiple Sessions in One-Photon Calcium Imaging.” Nature Communications, vol. 16, no. 1, Apr. 2025, p. 3443. www.nature.com, https://doi.org/10.1038/s41467-025-58817-z

人類依靠"安全感官"機制跨文化識別傳染病

人類如何通過感官識別傳染??？密歇根大學的Joshua M. Ackerman聯合58國研究團隊發現，全球人群普遍優先依賴視覺和聽覺這類"安全感官"（能在安全距離發揮作用）來檢測疾病威脅，這種模式在不同文化中高度一致。

研究團隊設計了一項覆蓋58個國家19,217人的大規模調查，要求參與者在模擬流感季節社交場景中評估五種感官（視覺、聽覺、觸覺、嗅覺、味覺）對識別傳染病的有效性和個人使用傾向。結果顯示，全球普遍遵循"視覺>聽覺>觸覺>嗅覺>味覺"的感官優先級，證實了安全感官假說（safe senses hypothesis）——人們傾向于使用能保持社交距離的感官來降低感染風險。

數據分析發現，這種模式在低緯度、欠發達國家僅有微小變異（主要體現為聽覺與觸覺排序差異），但整體跨文化相關性高達0.93。人們實際使用遠距離感官的頻率比其感知到的有效性更高，而對近距離感官的使用則低于其感知價值，這種"風險規避偏誤"具有跨文化穩定性。研究為公共衛生干預提供了重要啟示：利用視覺/聽覺線索的健康宣傳可能比強調觸覺/嗅覺信號更具普適性。研究發表在 Brain, Behavior, and Immunity 上。

#疾病與健康 #跨學科整合 #疾病預防 #認知科學 #公共衛生

閱讀更多：

“I See Sick People: Beliefs about Sensory Detection of Infectious Disease Are Largely Consistent across Cultures.” Brain, Behavior, and Immunity, vol. 128, Aug. 2025, pp. 737–50. www.sciencedirect.com, https://doi.org/10.1016/j.bbi.2025.04.020

大腦視覺與語言系統的連接塑造物體知識表征

北京師范大學的Bo Liu團隊通過中風患者研究發現，視覺系統（VOTC）與語言區域（ATL）的白質連接是物體顏色知識表征的關鍵。連接損傷會導致神經表征減弱和行為缺陷，證明語言系統參與感官知識的神經結構化。

?主要研究結果示意圖，改編自研究中的一張大腦圖像。Credit: PLOS Biology

研究結合擴散成像（DTI）和功能磁共振成像（fMRI），測量33名中風患者與35名健康對照者的白質連接（如IFOF纖維束）與VOTC神經活動。行為實驗要求受試者匹配物體（如香蕉）與其典型顏色。結果顯示，語言區域（左背側前顳葉）與VOTC的結構連接強度直接預測顏色知識表征強度（β=0.61, p<0.01）。當連接受損時，即使VOTC本身完好，患者仍出現顏色知識障礙，錯誤率比對照組高2.3倍。進一步分析發現，下額枕束（inferior fronto-occipital fasciculus，連接語言與視覺系統的白質通路）的完整性是行為表現的最佳預測指標（AUC=0.89）。這些發現挑戰了“感官知識僅依賴局部神經表征”的傳統觀點，揭示了跨系統協作的必要性。研究發表在 PLOS Biology 上。

#認知科學 #神經機制與腦功能解析 #跨學科整合 #知覺康復 #記憶機制

閱讀更多：

Liu, Bo, et al. “Object Knowledge Representation in the Human Visual Cortex Requires a Connection with the Language System.” PLOS Biology, vol. 23, no. 5, May 2025, p. e3003161. PLoS Journals, https://doi.org/10.1371/journal.pbio.3003161

基因檢測兩小時內完成腦腫瘤精準診斷

腦腫瘤傳統診斷需耗時6-8周，嚴重影響治療決策。諾丁漢大學的Matthew Loose團隊與諾丁漢大學醫院NHS信托基金臨床醫生合作，開發出ROBIN系統，實現術中2小時內快速診斷，準確率達90%，每年可惠及英國12,000多名患者。

研究采用牛津納米孔技術的便攜式測序設備，通過檢測DNA分子穿過納米孔時的電流變化實現超快速測序。ROBIN系統整合3種甲基化分類器(methylation classifiers)，可在手術中實時分析腫瘤樣本。在50例前瞻性研究中，系統平均2小時內提供診斷結果，甲基化分類僅需幾分鐘，同時能檢測單核苷酸變異(SNV)、拷貝數變異(CNV)等分子特征。與傳統方法相比，新系統將多步驟檢測整合為單次操作，成本降低至450英鎊/人，診斷一致性達90%。24小時內可完成包含腫瘤類型、分子特征和治療靶點的綜合報告，使外科醫生能在術中調整手術策略。研究發表在 Neuro-Oncology 上。

#疾病與健康 #個性化醫療 #納米孔測序 #腦腫瘤診斷 #術中分子檢測

閱讀更多：

Deacon, Simon, et al. “ROBIN: A Unified Nanopore-Based Assay Integrating Intraoperative Methylome Classification and next-Day Comprehensive Profiling for Ultra-Rapid Tumor Diagnosis.” Neuro-Oncology, May 2025, p. noaf103. Silverchair, https://doi.org/10.1093/neuonc/noaf103

紅核小細胞區：大腦運動學習的誤差校正中心

大阪大學的Masato Inoue和Shigeru Kitazawa團隊發現，紅核的小細胞區（RNp）作為運動誤差的“指揮中心”，通過向小腦傳遞雙重誤差信號驅動學習。

?紅核（RNp）的小細胞區負責接收觀察到的和預測到的誤差信號，并將其傳輸至小腦以調整瞄準。M1：初級運動皮層；PM：運動前皮層。Credit: Cell Reports (2025).

研究團隊通過恒河猴實驗揭示，RNp神經元能同時編碼運動過程中的預測誤差（ME）和運動結束后的視覺誤差（AE）。當研究人員對特定誤差編碼位點進行微電刺激時，猴子會逐漸調整伸手方向，形成與自然學習相似的行為模式。值得注意的是，刺激鄰近的大細胞區（RNm）則無此效果，證明RNp具有獨特功能。進一步分析顯示，RNp通過下橄欖核（inferior olivary nucleus）將整合后的誤差信號傳遞給小腦，形成“檢測-糾正”閉環。這種雙重信號機制解釋了人類如何實現毫米級運動精度，也為中風后運動功能重建提供了潛在干預靶點。研究發表在 Cell Reports 上。

#神經科學 #神經調控 #神經機制與腦功能解析 #運動康復 #腦機接口

閱讀更多：

Inoue, Masato, and Shigeru Kitazawa. “Error Signals in the Parvocellular Division of the Red Nucleus, Not the Magnocellular Division, Drive Adaptation in Reaching.” Cell Reports, vol. 44, no. 5, May 2025. www.cell.com, https://doi.org/10.1016/j.celrep.2025.115598

利用貝葉斯先驗蒸餾實現人類級語言快速學習

人類語言學習的快速性長期困擾科學界——貝葉斯模型受限于剛性假設，神經網絡則需海量數據。普林斯頓大學的R. Thomas McCoy和Thomas L. Griffiths團隊突破性融合兩者優勢，創造出既能小樣本學習形式語言，又能處理自然語言的混合系統。

研究團隊開發了"歸納偏置蒸餾"技術，通過元學習（meta-learning，讓AI學會學習的方法）將貝葉斯模型的先驗知識轉化為神經網絡的訓練任務。具體分三步：首先用貝葉斯模型生成假設空間，然后采樣創建訓練任務，最后讓神經網絡通過大量任務學習底層規律。在形式語言測試中，該系統僅需10個樣本就能達到與專用貝葉斯模型相當的準確率（誤差率<5%），遠超傳統神經網絡。更突破性的是，該系統成功從860萬詞英語語料庫中學會了句法結構，這是純貝葉斯方法難以處理的規模。實驗顯示，經過蒸餾的網絡在保持神經網絡靈活性的同時，獲得了類似人類的"快速啟動"能力——既能從小數據中發現抽象規則，又能適應真實語言的復雜性。該成果為開發更接近人類學習能力的AI系統提供了方法論突破，未來或可應用于教育科技和自然語言處理領域。研究發表在 Nature Communications 上。

#認知科學 #計算模型與人工智能模擬 #跨學科整合 #語言學習 #元學習

閱讀更多：

Wang, Yuping, et al. “Integrating Reproductive States and Social Cues in the Control of Sociosexual Behaviors.” Cell, vol. 0, no. 0, May 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.04.035

AI 行業動態

谷歌I/O 2025：Gemini全面升級，多領域技術突破

在2025年谷歌I/O開發者大會上，歌DeepMind團隊重磅升級了Gemini系列模型，其中Gemini 2.5 Pro和2.5 Flash在推理、多模態和長上下文處理等基準測試中表現卓越，新增原生音頻輸出和計算機控制功能。此外，實驗性模型Gemini Diffusion通過擴散技術實現文本生成速度提升5倍，同時谷歌宣布將Gemini發展為“世界模型”，探索通用AI助手的可能性。

編程工具方面，谷歌推出異步編碼助手Jules和升級版Gemini Code Assist，支持200萬token上下文窗口，顯著提升開發效率。全新UI工具Stitch可通過自然語言生成前端代碼，而視頻生成模型Veo 3和圖像模型Imagen 4則突破創作界限，支持帶音頻的視頻生成和電影級細節渲染。搜索功能也迎來AI模式升級，支持實時多模態交互和深度研究報告生成。

谷歌還展示了3D通信平臺Google Beam、AI購物虛擬試穿等創新應用，并推出249.99美元/月的AI Ultra訂閱服務。從基礎模型到應用生態，谷歌通過這場大會宣告其AI技術已從研究層全面邁向用戶體驗層，重新奪回行業領導地位。

#Gemini #AI編程 #多模態生成 #谷歌I/O #智能助手

閱讀更多：

https://blog.google/technology/ai/io-2025-keynote/

谷歌Veo 3突破AI視頻界限：音畫同步開啟視聽一體新時代

谷歌最新發布的Veo 3視頻生成模型標志著AI視頻技術的重大突破。它不僅能夠生成高質量視頻，還能通過理解原始像素自動生成同步對白、音效和氛圍聲，徹底改變了以往視頻模型“啞巴”的局限。無論是人物對話的唇動對齊，還是環境音效的實時匹配，Veo 3都能一氣呵成，例如生成90年代酒吧情景喜劇時，觀眾笑聲與畫面情緒完美融合，甚至能讓虛擬麥芬蛋糕在烤箱中“尖叫”，真實感令人驚嘆。

Veo 3的核心能力源于谷歌DeepMind此前研發的V2A（Video-to-Audio）技術，該系統能將視頻視覺信息編碼為語義信號，結合文本提示生成匹配音頻波形。配合YouTube等海量音視頻數據資源，Veo 3在復雜場景（如音樂會、說唱視頻）中展現出精準的音畫同步能力，例如鼓手擊打動作與鼓點節奏完全一致。盡管目前視頻長度限制為8秒且僅面向美國高端訂閱用戶開放，但其表現已遠超行業現有水平。

這一突破預示著生成式AI正從“語言+圖像”邁向“視聽一體”的新階段。如果說OpenAI的Sora（一款AI視頻生成模型）讓AI理解了物理世界，那么Veo 3則讓AI具備了“聽說”能力。

#AI視頻 #音畫同步 #谷歌Veo3 #生成式AI #DeepMind

閱讀更多：

https://deepmind.google/models/veo/

AI 驅動科學

神經符號AI：比主流大模型更精簡高效的替代方案

AI行業面臨巨大能耗挑戰，數據中心占全球溫室氣體排放3.7%。Alvaro Velasquez團隊提出神經符號AI方案，結合神經學習與符號推理，模型規?？煽s小100倍。

?流形上的數據驅動學習（上）。流形上的數據驅動學習和符號推理（下）。傳統的數據驅動更新之后是符號推理，即將神經表征提升為符號表征。符號推理之后，符號表征被投影回神經表征。該過程重復進行，以實現高效的訓練和推理。Credit: PNAS Nexus (2025).

研究團隊設計了一種混合架構，先通過數據驅動學習生成神經表征，再將其"提升"為符號表征進行邏輯推理（如演繹"蘇格拉底是凡人"），最后投影回神經空間形成閉環。這種方法使模型僅需1%參數量即可完成傳統LLM的任務，且能耗顯著降低。關鍵突破在于：1）符號系統可直接應用領域知識（如數學公理），減少海量數據訓練需求；2）雙模態處理模擬人腦快慢思維分工，20瓦功率下實現復雜推理；3）模型體積縮小使單臺GPU即可運行當前需數據中心支持的任務。測試顯示，在數學證明和常識推理任務中，神經符號AI準確率與GPT-4相當，但訓練能耗僅為后者的0.8%。研究為破解AI"擴展法則"(scaling laws)困境提供了實證方案。研究發表在 PNAS Nexus 上。

#大模型技術 #計算模型與人工智能模擬 #跨學科整合 #可持續發展

閱讀更多：

Velasquez, Alvaro, et al. Neurosymbolic AI as an Antithesis to Scaling Laws. academic.oup.com, https://dx.doi.org/10.1093/pnasnexus/pgaf117. Accessed 21 May 2025

當GPT-4知道你的個人信息時說服力暴增81%

AI如何通過個性化信息增強說服力？洛桑聯邦理工學院的Francesco Salvi、Manoel Horta Ribeiro、Riccardo Gallotti和Robert West團隊發現，當GPT-4獲取對手的性別、年齡等基本信息后，其辯論說服效果比人類高出81%。

研究設計了一個包含900名參與者的多因素實驗平臺，采用2×2×3設計（人類/GPT-4對手×有無個人信息×三種觀點強度話題）。通過Prolific平臺招募的參與者在10分鐘辯論前后完成觀點調查，結果顯示：獲得個性化信息的GPT-4使對手改變立場的概率增加81.2%（95%置信區間[+26.0%, +160.7%]），顯著優于人類辯手（P<0.01）。文本分析揭示GPT-4更依賴邏輯論證（使用"因此""分析表明"等詞匯頻率比人類高1.8倍），而人類更擅長情感共鳴（使用"我/你"代詞頻率是AI的2.3倍）。值得注意的是，盡管63%的參與者能識別AI身份，但其觀點仍更容易被AI改變，這種現象在25-34歲群體中尤為明顯（改變率較對照組高92%）。研究為LLM的倫理治理提供了實證依據，建議平臺限制AI對用戶畫像的訪問權限。研究發表在 Nature Human Behaviour 上。

#大模型技術 #意圖與決策 #心理健康與精神疾病 #個性化醫療 #AI驅動科學

閱讀更多：

Salvi, Francesco, et al. “On the Conversational Persuasiveness of GPT-4.” Nature Human Behaviour, May 2025, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41562-025-02194-6

放射科醫生揭示AI偏見三大陷阱

人工智能在醫療影像診斷中可能因數據集偏差導致不公平結果。圣猶達兒童研究醫院的Paul H. Yi團隊聯合多位學者，系統分析了放射學AI評估中的三大陷阱，并提出可操作解決方案，相關成果將為醫療AI的公平性建立新標準。

研究團隊首先分析了23個公共胸部X光數據集，發現僅17%完整標注種族/民族信息，83%存在嚴重數據缺口。針對人口統計定義混亂問題，實驗證明合并報告種族和民族會使偏見檢測誤差增加35%。團隊提出必須單獨標注年齡、性別、種族和民族等核心變量，并建立三要素最低標準。在統計方法層面，比較了均等幾率（equalized odds）、人口均等（demographic parity）等七種公平性指標，發現不同臨床場景需采用特定組合。例如乳腺篩查應側重敏感度均衡，而肺部結節檢測需保證特異度一致。最終方案包含原始數據采集規范、標準化人口分類樹和臨床導向的統計評估流程，在測試中使偏見識別準確率提升58%。研究發表在 Radiology 上。

#AI驅動科學 #預測模型構建 #醫療公平性 #放射學創新

閱讀更多：

Yi, Paul H., et al. “Pitfalls and Best Practices in Evaluation of AI Algorithmic Biases in Radiology.” Radiology, vol. 315, no. 2, May 2025, p. e241674. pubs.rsna.org (Atypon), https://doi.org/10.1148/radiol.241674

神經肌肉骨骼建模新突破：個性化數字孿生助力運動障礙治療

全球19%成年人受運動障礙困擾，標準化治療效果常不盡如人意。萊斯大學Benjamin J. Fregly團隊開發的NMSM Pipeline軟件，通過創建患者"數字孿生"模型并優化治療方案，使中風患者步行速度預測提升60%，且建模時間縮短至1天。

研究團隊基于開源平臺OpenSim開發了MATLAB工具包，包含兩大創新模塊：模型個性化工具集通過梯度優化（gradient-based optimization）定制患者關節結構、肌肉-肌腱特性等參數；治療優化工具集采用直接搭配最優控制技術，模擬不同手術或康復方案效果。在典型案例中，系統僅需患者步行時的運動捕捉、地面反力和肌電數據，即可構建個性化模型并預測神經控制調整方案。結果顯示，通過優化現有肌肉協同作用（muscle synergy）招募方式，患者步行速度可提升60%而不增加代謝負擔。該系統還成功復現了非侵入性膝骨關節炎康復方案，效果媲美傳統手術。與"黑箱"機器學習不同，這種基于物理的模型僅需少量數據即可準確預測術后狀態，且無需編程即可操作。研究發表在 Journal of NeuroEngineering and Rehabilitation 上。

#疾病與健康 #個性化醫療 #數字孿生 #神經調控 #運動康復

閱讀更多：

Hammond, Claire V., et al. “The Neuromusculoskeletal Modeling Pipeline: MATLAB-Based Model Personalization and Treatment Optimization Functionality for OpenSim.” Journal of NeuroEngineering and Rehabilitation, vol. 22, no. 1, May 2025, p. 112. BioMed Central, https://doi.org/10.1186/s12984-025-01629-5

新應用連接語言障礙孤獨癥兒童與父母

傳統輔助溝通工具難以滿足孤獨癥兒童需求的問題，韓國科學技術院（KAIST）與NAVER AI Lab、Dodakim兒童發展中心的Dasom Choi、Hwajung Hong等研究者開發了AACessTalk系統，通過AI技術實現了兒童與家長的雙向主動溝通，獲得2025年CHI會議最佳論文獎。

研究團隊開發的AACessTalk系統結合了平板電腦應用與硬件按鈕設計。系統采用大型語言模型實時分析對話情境，為家長提供動態對話指導（如"今天我們要去看奶奶"等場景化建議），同時為兒童推薦個性化詞匯卡（包含情緒、動作等分類符號）。獨特的"轉身按鈕"設計讓兒童能自主控制對話節奏，而"爸爸媽媽呢？"按鈕則促進雙向互動。在11組家庭的兩周實測中，系統記錄了232次有效對話，兒童累計選擇推薦詞匯卡2,244次。量化分析顯示，78%的家長對話采納了系統建議，兒童主導對話占比達41%，顯著高于傳統溝通方式。質性反饋中，多位家長首次聽到孩子使用新詞匯，如一位母親驚訝發現孩子能表達"花園"等復雜概念。該系統突破性地將AI從輔助工具升級為家庭溝通橋梁，其源代碼已開源供進一步研究。研究發表在 Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems 上。

#疾病與健康 #個性化醫療 #AI驅動科學 #心理健康與精神疾病 #神經調控

閱讀更多：

Choi, Dasom, et al. “AACessTalk: Fostering Communication between Minimally Verbal Autistic Children and Parents with Contextual Guidance and Card Recommendation.” Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, Association for Computing Machinery, 2025, pp. 1–25. ACM Digital Library, https://doi.org/10.1145/3706598.3713792

無需云端即可運行的AI芯片，能效提升10倍

當前AI芯片依賴云端導致高能耗和隱私風險，慕尼黑工業大學的Wei-Ji Chao、Paul R Genssler、Sandy A Wasif、Albi Mema和Hussam Amrouch團隊開發出能效提升10倍的新型神經形態芯片AI Pro，實現完全離線的邊緣計算能力。

?新型 AI 芯片由 Hussam 教授的研究團隊安裝在電路板上。Credit: Andreas Heddergott/TUM

研究團隊采用超維計算（hyperdimensional computing）架構，將計算與存儲單元集成在同一芯片上。通過擴展RISC-V指令集，新增矢量運算和定制指令功能，由Global Foundries公司以22納米工藝制造出原型芯片。測試顯示，該芯片處理UCI-HAR數據集時僅消耗24.65微焦耳/樣本，能耗僅為同類產品的1/10至1/100。在20MHz頻率下完成單次訓練耗時93毫秒，而當頻率提升至120MHz時，時間縮短至15.6毫秒。特別設計的定制指令使處理速度較標準處理器提升4倍。該技術已成功應用于智能手表心率監測等場景，所有敏感數據均在設備端處理，徹底規避云端傳輸的延遲和安全隱患。研究為自動駕駛、醫療監測等實時性要求高的領域提供了創新解決方案。研究發表在 European Solid-State Electronics Research Conference 上。

#AI驅動科學 #計算模型與人工智能模擬 #邊緣計算 #節能技術 #神經形態芯片

閱讀更多：

Chao, Wei-Ji, et al. End-to-End Hyperdimensional Computing with 24.65 μJ per Training Sample in 22 Nm Technology. www.techrxiv.org, https://www.authorea.com/doi/full/10.36227/techrxiv.174681413.35990875/v1?commit=d05b6d7380cc78c35e1f027e8b3f8aed793a8a87. Accessed 21 May 2025

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與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、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系統，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫生獎勵計劃、、等。