追問daily | Cell：為什么臉上受傷不易留疤？神經元并非只靠糖分運作；腦積水實為脈動能量吸收障礙所致

█ 腦科學動態

Nature：早期神經細胞選擇如何塑造周圍神經系統

Cell：為什么臉上受傷不易留疤？

大語言模型解碼夢境：復雜夢境情緒如何影響日常心理狀態

小鼠大腦在前50毫秒內完成氣味識別

果蠅抑制性神經元也能驅動節律性運動

小腦在閱讀與拼寫任務中的核心協作作用

新發現顛覆百年認知：腦積水實為脈動能量吸收障礙所致

神經元并非只靠糖分運作：隱藏脂滴是驅動大腦功能和控制體重的關鍵

█ AI行業動態

李飛飛團隊開源Spark 2.0：讓3D世界在任意設備上流暢呈現

從持續刺激到按需調控：BrainSense自適應腦起搏器獲批

英偉達開源量子AI大模型Ising，押注AI成量子計算機操作系統

EverOS全球公測：為AI智能體注入“數字靈魂”

█ AI驅動科學

柔性打印人工神經元成功與活體腦細胞實現電信號交互

從頭設計首個可沿軌道隨機移動的純蛋白分子漫步者

聚焦微波突破熱損傷瓶頸，新型3D打印重塑電子器件制造

VueBuds：集成于耳塞的微型攝像頭讓用戶與AI暢談所見

人工智能修正“時間誤差”，提高醫療和法律領域的可靠性

AI與人類價值觀完全一致在數學上不可能實現

人工智能將自然語言引入抑郁癥篩查，提升準確性與用戶體驗

仿生視覺與生物集成視覺技術融合，突破人工視覺瓶頸

大規模智能體網絡三大核心維度：拓撲、記憶與動態更新

AutoSOTA以多智能體協作重塑科學發現流程

腦科學動態

Nature：早期神經細胞選擇如何塑造周圍神經系統

周圍神經系統的細胞發育軌跡和命運決定時間一直是生物學中的未解難題，傳統觀點認為相關細胞在發生遷移后才明確發育身份。Xiaoxu Yang（猶他大學健康科學學院）、Keng Ioi Vong和Joseph G. Gleeson（加州大學圣地亞哥分校）及其研究團隊發現大多數早期神經干細胞在離開初始部位前就已經確定了特定發育命運，揭示了感覺神經與交感神經系的早期獨立起源。

? 正在發育的脊椎動物鵪鶉神經管（中心，藍色）上方可見正在形成的神經嵴細胞（黃色）。Credit: Melanie White, DPhil, University of Queensland

為了探究人類特有的胚胎發育過程，研究團隊開發了一種馬賽克變異條形碼（mosaic variant barcode，利用細胞在一生中積累的微小DNA突變作為追蹤其共享發育歷史的標記）分析系統。結合小鼠模型中的CRISPR條形碼技術與鵪鶉胚胎的實時成像技術，研究人員重構了早期神經節的發育起源。數據表明，感覺神經節和交感神經節在發生遷移前便由不同的細胞群獨立發育而來，兩者的克隆重疊極其有限。計算模型證實，大多數神經嵴細胞（neural crest cells，胚胎期出現并能發育成多種組織結構的多能干細胞群）在脫離神經管（neural tube，胚胎期最終發育成大腦和脊髓的中空管狀結構）前已受到強烈的命運限制。此外實時成像證實細胞在生長因子依賴下呈現出精確的頭尾向擴散。該成果推翻了細胞遷移后才獲得身份的傳統假設，為治療起源于此類細胞的兒童先天性神經疾病提供了靶向干預的理論基礎。研究發表在 Nature 上。

#疾病與健康 #神經機制與腦功能解析 #發育生物學 #周圍神經系統

閱讀更多：

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：為什么臉上受傷不易留疤？揭示成纖維細胞的胚胎密碼

人體面部傷口往往不易留疤，而軀干部位卻極易形成增生性疤痕。Michelle F. Griffin、Dayan J. Li等（斯坦福大學醫學院等）發現成纖維細胞的胚胎起源決定了其纖維化潛力，并揭示了面部皮膚特有的抗疤痕分子通路，為實現全身無疤愈合帶來全新干預靶點。

? Credit:Cell.

研究團隊首先構建了小鼠傷口模型，發現源自神經嵴的面部成纖維細胞促纖維化能力顯著低于源自中胚層的背部成纖維細胞。通過單細胞RNA測序，研究人員鎖定關鍵受體ROBO2。面部細胞高表達的ROBO2會激活下游EID1蛋白，進而抑制EP300（一種組蛋白乙酰轉移酶，能促進特定基因轉錄）。這種抑制使細胞染色質保持沉默狀態，直接壓制了膠原蛋白等促纖維化基因的表達。在動物實驗中，當向背部傷口注射小分子藥物I-CBP112以抑制EP300活性，或過表達相關基因時，原本易留疤的創面呈現出面部般的愈合特征，不僅疤痕大幅減小，甚至長出新毛囊。人類皮膚樣本的分析同樣證實了該抗疤痕通路的保守性。研究發表在 Cell 上。

#疾病與健康 #其他 #創傷愈合 #成纖維細胞 #表觀遺傳

閱讀更多：

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

大語言模型解碼夢境：復雜夢境情緒如何影響日常心理狀態

夢境中的情緒如何影響我們白天的心理狀態？Garrett R Baber等人（堪薩斯大學）的大規模分析揭示，恐懼的夢境短期內會引發次日早晨的負面情緒，但善于調節情緒的個體反而會經歷更多包含恐懼的夢，且夢境中同時出現多種復雜情緒對心理狀態具有明顯的保護作用。

? Credit: SLEEP (2026).

研究團隊收集了536名受試者的日常睡眠調查數據，總計包含4715天的夢境記錄。為了處理龐大的文本信息，研究人員應用了定制的大語言模型，對夢境報告中的恐懼和喜悅程度進行自動提取與量化。隨后，團隊采用貝葉斯多層模型分析了夢境情緒與次日情緒狀態的關聯。分析結果表明，做令人恐懼的夢會導致第二天早晨的負面情緒增加百分之七。然而，在日常生活中更傾向于使用適應性情緒調節策略的個體，其夢境中的平均恐懼水平反而更高。此外，當夢境展現出情緒復雜性時，受試者第二天早晨完全沒有負面情緒的概率會顯著提高百分之二十。而夢境中平均喜悅感較高的個體，其早晨的積極情緒也會提升百分之九。這表明夢境既反映了情緒從睡眠到清醒的連續性，也展現了個體適應和調節情緒的動態機制。研究發表在 SLEEP 上。

#認知科學 #大模型技術 #心理學 #睡眠研究 #情緒調節

閱讀更多：

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

小鼠大腦在前50毫秒內完成氣味識別

大腦如何如此迅速地識別并區分不同氣味？Mursel Karadas、Jonathan V. Gill、Sebastian Ceballo、Shy Shoham和Dmitry Rinberg等（紐約大學朗格尼健康中心等）通過小鼠實驗發現，氣味識別的關鍵神經計算發生在嗅球中，而非以往認為的大腦皮層。大腦通過最初50毫秒內激活的早期神經信號即可決定識別出何種氣味，并有效屏蔽后續干擾。

? 實驗裝置結合了雙光子顯微鏡和基于單光子 DMD 的模式刺激系統。Credit: Nature Neuroscience (2026).

研究團隊開發了一種結合雙光子鈣成像與精確光遺傳學的全光學方法。借助新型電路映射顯微鏡，研究人員在清醒小鼠中刺激并追蹤了嗅球最外層的神經信號。實驗表明，在小鼠一個嗅探周期的最初50毫秒內，首先被激活的腎小球與僧帽和簇狀細胞（mitral and tufted cells，嗅球中負責將信號傳遞給下游腦區的主要神經元）的信號模式決定了小鼠感知到的氣味。這種被稱為時間過濾的機制使得相同的氣味無論濃度高低，都會優先激活相同的信號模式。一旦模式確立，背景氣味引發的后續信號就會被阻斷。這一發現證實了早期感覺處理系統在信號到達大腦皮層前就已實現了氣味身份的穩定與分離。研究發表在 Nature Neuroscience 上。

#神經科學 #神經機制與腦功能解析 #時間過濾 #光遺傳學 #嗅覺識別

閱讀更多：

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

果蠅抑制性神經元也能驅動節律性運動

傳統觀點認為動物的運動主要由興奮性神經元驅動，而感覺輸入與運動輸出之間起協調作用的神經網絡機制一直存在盲區。加州大學圣巴巴拉分校的Durafshan Sakeena Syed、Primoz Ravbar和Julie H. Simpson發現了抑制性神經元的全新功能，證明這些通常被認為只負責停止指令的神經細胞，實際上能主動產生并協調果蠅梳理毛發時的節律性肢體運動。

這項研究充分利用了成年果蠅的完整大腦連接組圖譜。研究團隊通過分析電子顯微鏡數據，對腹神經索中約120個GABA能抑制性神經元進行了分類與神經通路追蹤。隨后，他們采用光遺傳學激活或沉默特定神經元，并結合高分辨率的運動學分析來量化肢體動作。結果表明，抑制性前運動神經元不僅能對某一塊肌肉施加制動，還能由同一個神經元解除對拮抗肌的抑制。這種機制在不需要興奮性信號介入的情況下，就能誘導肌肉發生伸展與屈曲的交替。此外，團隊還識別出專一型和通用型兩類抑制神經元，前者專門控制單個關節以應對環境變化，后者則像開關一樣高效控制涉及多關節的日常重復動作。研究人員據此構建了計算模型并重現了節律性運動，確鑿地證明了抑制性回路在運動生成中的核心作用。研究發表在 eLife 上。

#神經科學 #神經機制與腦功能解析 #果蠅 #抑制性神經元 #運動控制

閱讀更多：

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

小腦在閱讀與拼寫任務中的核心協作作用

針對小腦在閱讀與拼寫等復雜語言任務中具體機制未明的問題，Emily Czobor、Christopher L. Striemer、Kulpreet Cheema、Praveen Prem、Daniel Aalto和Jacqueline Cummine（阿爾伯塔大學）開展了相關研究，證實小腦在各類拼寫任務中與大腦語言區積極協作，并在不同閱讀能力人群中均發揮著基礎性支持作用。

研究人員招募了33名成年人，其中包括正常閱讀者和患有閱讀障礙的參與者。實驗中，受試者需完成三種涉及聲音處理和記憶提取的拼寫任務。研究團隊使用任務態功能磁共振成像對他們進行掃描。通過功能連接分析，發現大腦皮層語言區與小腦之間存在強烈的協作連接，并在特定任務下集中于小腦右側小葉VI和Crus II區域。此外，廣義心理生理相互作用（gPPI，一種專門評估特定行為任務如何改變腦區間功能連接的統計模型）分析揭示，語音任務會引發特定的腦區連通模式。令人意外的是，盡管閱讀障礙組在拼寫行為表現上落后，其大腦與小腦的連接模式卻與正常組高度相似。這表明無論個體閱讀水平高低，小腦都在動態支持著底層語言處理過程，為未來閱讀障礙的精準干預療法提供了生物學依據。研究發表在 The Cerebellum 上。

#認知科學 #神經機制與腦功能解析 #閱讀障礙 #小腦功能 #語言處理

閱讀更多：

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

新發現顛覆百年認知：腦積水實為脈動能量吸收障礙所致

一個世紀以來，醫學界普遍認為腦脊液吸收受阻是導致腦積水的根本原因。石溪大學的Michael Egnor、Nahid Shirdel Abdolmaleki等研究人員顛覆了這一觀點，他們通過全新的動力學模型證實腦積水實際上是由大腦無法吸收來自心跳的脈動能量所致。這一重大發現為治愈該疾病的新型治療方法奠定了基礎。

? 正常腦室動力學和腦積水腦室動力學障礙中脈動能量流的示意圖。Credit: Journal of Neurosurgery: Pediatrics (2026).

研究團隊構建了一個簡單的分流電路模型（current-divider electrical circuit model，一種用于計算能量如何在并聯路徑中分配的電學分析工具）來模擬腦部溫克爾塞爾系統（cerebral windkessel system，一種能夠緩沖動脈血流脈動能量以確保毛細血管平穩流動的腦循環緩沖機制）。他們在模型中輸入了取自12只正常狗的動脈血壓數據作為基準電壓，并利用已發表的腦積水患者血流磁共振成像數據模擬蛛網膜下腔阻塞。研究結果表明，蛛網膜下腔中脈動能量的高阻抗會導致溫克爾塞爾系統功能受損及脈動重新分布，進而引發腦積水。模型還揭示，患者的腦室擴張并非單純的被動病理損傷，而是降低脈動阻抗的主動生理適應；傳統的分流手術本質上是提供了一個輔助緩沖系統，通過引流多余能量來降低顱內壓。該研究在完全不涉及腦脊液吸收障礙假設的情況下，成功再現了腦積水的核心臨床特征。研究發表在 Journal of Neurosurgery: Pediatrics 上。

#疾病與健康 #神經機制與腦功能解析 #腦積水 #腦脊液 #溫克爾塞爾理論

閱讀更多：

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

神經元并非只靠糖分運作：隱藏脂滴是驅動大腦功能和控制體重的關鍵

長期以來科學界普遍認為神經元主要依靠葡萄糖供能，脂滴（lipid droplets）僅存在于病理狀態下，其在健康神經元中的作用一直未明。Thierry Alquier、Elizabeth Rideout及其團隊（蒙特利爾大學、不列顛哥倫比亞大學等）首次證實健康神經元中存在功能性脂滴，揭示了其作為神經元關鍵能量來源并調控全身代謝和體重的作用。

該研究結合小鼠和果蠅等動物模型，聚焦調控能量平衡的小鼠下丘腦AgRP神經元和果蠅AKH神經內分泌神經元。研究人員通過引入基因突變，破壞調控脂滴形成與利用的酶和蛋白質，阻斷了神經元獲取其內部脂質儲備的途徑。結果表明，這種阻斷直接導致小鼠的食物攝入量和能量消耗發生改變，并促使果蠅體內脂肪大量積累。值得注意的是，這些代謝變化在雄性身上表現得更為顯著，凸顯了能量調節的性別差異。此外，研究證實脂滴不僅作為脂肪酸的儲存庫用于修復細胞膜，還能為線粒體提供能量，并維持內質網功能以保障蛋白質合成。這一發現挑戰了傳統認知，證明脂滴是神經元不可或缺的持續能量源。研究發表在 Nature Metabolism 上。

#疾病與健康 #神經機制與腦功能解析 #代謝平衡 #脂質代謝

閱讀更多：

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 行業動態

李飛飛團隊開源Spark 2.0：讓超大規模3D世界在任意設備上流暢呈現

著名人工智能學者李飛飛創立的World Labs公司近日開源了其3D高斯濺射渲染引擎Spark 2.0。該引擎基于Three.js框架和WebGL2技術構建，核心能力是能夠將包含超過1億個潑濺點（splats，即構成3D場景的半透明橢球體單元，每個單元攜帶位置、顏色、不透明度等屬性）的超大規模3D世界，通過流式傳輸方式在桌面、手機、VR設備等任意終端瀏覽器中實現完全交互式的實時渲染。這一突破解決了傳統3D建模依賴紋理映射三角形、拼接效率低下的問題，而3D高斯濺射技術則通過數百萬個色彩融合的半透明橢球體，呈現出照片級的超寫實細節。

Spark 2.0的技術核心在于融合了三大創新：細節層次技術（LoD，Level-of-Detail，根據物體距離智能篩選需要渲染的濺射點數量）、漸進式流式加載以及虛擬內存。引擎定義了一種全新的.RAD文件格式，能高效壓縮并支持隨機訪問。World Labs團隊表示，這一開源引擎的研發始終與其大型世界模型Marble同步推進，李飛飛本人也第一時間在社交平臺表達了對社區貢獻的驕傲。Spark 2.0的發布將極大降低開發者構建沉浸式網頁3D體驗的門檻，推動空間智能技術的普及。

#李飛飛 #3D高斯濺射 #開源渲染引擎 #空間智能 #實時流式渲染

閱讀更多：

https://www.worldlabs.ai/blog/spark-2.0#lod-splat-tree

從持續刺激到按需調控：BrainSense自適應腦起搏器獲批

美國食品藥品監督管理局（FDA）于2025年2月批準了美敦力（Medtronic）公司的BrainSense自適應深部腦刺激及其配套的電極識別功能，用于帕金森病治療。與傳統持續輸出的深部腦刺激不同，這套系統能實時記錄患者腦內的電生理信號，并在預設范圍內自動調整刺激強度，標志著帕金森病的神經調控從“固定參數”走向“閉環、個體化、信號驅動”的治療模式。關鍵的ADAPT-PD臨床試驗在10個國際中心開展，入組85例患者，結果顯示約84.7%的患者能檢測到可用于自適應編程的腦信號。在主要分析中，單閾值和雙閾值兩種自適應模式相比傳統持續刺激，分別使患者每日“無困擾性異動癥的開期時間”平均增加0.6小時和1.3小時，同時“關期時間”分別減少0.7小時和1.6小時。此外，自適應模式還降低了約13%-15%的電能輸送，這對植入式設備的長期使用至關重要。

此次同步獲批的BrainSense電極識別功能則解決了臨床編程耗時且依賴經驗的瓶頸。借助該功能，初始編程時間可比傳統方法縮短約85%，而臨床效果無統計學差異。這一進步將腦信號感知、參數優化與臨床編程的鏈條真正縮短，對推動閉環神經調控進入常規臨床具有實際意義。值得關注的是，美敦力在官方表述中明確將這套系統歸入腦機接口技術的臨床落地范疇。其系統架構已形成“腦信號采集—狀態識別—刺激輸出調整”的閉環鏈條，成為典型的臨床級閉環神經接口。

研究負責人Helen Bronte-Stewart和Todd Herrington等研究人員指出，對于飽受運動波動和異動癥困擾的患者，自適應刺激提供了更精準的個體化治療選擇。不過，嚴格的學術視角下也需注意：FDA文件顯示，由于主要終點的患者特異性成功閾值在事后做了修訂，研究的統計推斷以描述性分析為主，因此當前證據應理解為支持安全性、可實施性和有利的效果信號，而非無爭議的優效性結論。

#自適應深部腦刺激 #帕金森病 #閉環神經調控 #腦機接口 #美敦力

閱讀更多：

https://www.ajmc.com/view/adaptive-deep-brain-stimulation-technology-receives-fda-approval-for-parkinson-disease

英偉達開源量子AI大模型Ising，老黃押注AI成量子計算機操作系統

英偉達近日宣布推出全球首個開源量子AI模型家族——NVIDIA Ising，旨在攻克量子計算實用化道路上的兩大關鍵難題：量子糾錯與校準。該系列包含兩個核心模型：Ising Calibration（校準）是一個350億參數的視覺語言模型，能夠快速解讀來自量子處理器的測量結果，將原本耗時數天的校準工作縮短至幾小時；Ising Decoding（解碼）則基于3D CNN（三維卷積神經網絡，一種擅長處理立體時空數據的深度學習模型）實現實時糾錯，其優化速度的版本相比開源行業標準pyMatching（一種經典量子糾錯解碼算法）提速2.5倍，精度提升1.11倍，而優化精度的版本結合pyMatching后準確率可達后者的1.53倍。英偉達創始人兼CEO黃仁勛表示，AI將成為量子計算機的操作系統，將脆弱的量子比特轉變為可擴展且可靠的量子-GPU混合系統。

量子計算機的實用化長期受困于極高的錯誤率——當前最先進的量子處理器每進行1000次操作就可能出錯一次，而規模化應用需要錯誤率降至萬億分之一以下。英偉達認為AI是突破這一瓶頸的關鍵，此次開源的Ising模型系列采用了Apache-2.0協議，便于商業應用。為驗證模型有效性，英偉達聯合費米實驗室、哈佛大學等機構開發了全球首個量子計算機校準評估基準QcalEval，結果顯示Ising Calibration在六個評估維度上平均得分超越了Gemini 3.1 Pro、GPT 5.4等頂級閉源模型。這一開源舉措引發市場積極反應，英偉達股價應聲上漲超6%。有評論認為，英偉達正從軟件底層邏輯切入，提前布局未來量子計算生態，讓AI成為量子計算機的“操作系統”。

#量子AI #英偉達Ising #量子糾錯 #開源模型 #黃仁勛

閱讀更多：

https://huggingface.co/collections/nvidia/nvidia-ising

EverOS全球公測：為AI智能體注入“數字靈魂”，開啟自我進化序章

隨著OpenClaw等主動執行型智能體的爆發，AI正從被動工具向具備自我演化能力的智能體躍遷。然而，現有智能體受限于上下文窗口和記憶缺失，難以實現經驗復用與進化。在此背景下，盛大集團旗下EverMind團隊推出了專為自我演化智能體設計的記憶底座（Memory Layer）——EverOS。該系統基于入選ACL 2026頂會的核心算法與首創的 Skills 進化引擎，能讓智能體從交互中自動提煉可復用的標準操作流程，從而將復雜任務成功率最高相對提升234.8%。EverOS打破了傳統基礎設施面向“人機交互”的模式，重構為原生適配AI編程與智能體間無縫調用的下一代基礎設施。

EverOS通過四大硬核解法應對記憶挑戰：一是“自我進化智能體記憶”機制，自動從任務中提取結構化經驗、進行語義聚類，并讓技能隨實戰持續迭代與優勝劣汰；二是mRAG（多模態檢索增強生成）混合檢索架構，融合語義向量、稀疏關鍵詞與多模態對齊，實現跨文本、圖表、圖片的聯合召回；三是底層采用超圖（Hypergraph，一種用一條邊連接多個節點的數據結構）記憶網絡HyperMem，支撐復雜的跨時間關聯推理；四是提供透明的開發者工具，包括可視化Playground和基于信用點的計費模型。團隊還發布了EvoAgentBench測評框架，驗證了EverOS在軟件工程等任務中的顯著效果——小模型搭配好記憶可追平大模型。該項目已開啟全球公測，并邀請開發者貢獻場景案例與插件，共同定義智能體的記憶未來。

#EverOS #智能體記憶 #自我進化AI #ACL2026 #多模態檢索

閱讀更多：

https://github.com/EverMind-AI/evermem-claude-code

AI 驅動科學

柔性打印人工神經元成功與活體腦細胞實現電信號交互

人工智能由于依賴龐大且高耗能的硅基芯片網絡，面臨極大能效瓶頸。西北大學的Mark C. Hersam與Indira M. Raman等科研團隊合作，通過開發低成本柔性打印設備，成功制造出能夠直接觸發活體腦細胞響應的人工神經元，為類腦計算帶來新突破。

? 赫薩姆實驗室里的一臺氣溶膠噴射打印機將電子墨水沉積到柔性聚合物基材上。Credit: Mark Hersam/Northwestern University

研究團隊采用氣溶膠噴射打印，將二硫化鉬和石墨烯墨水打印在柔性聚合物上。團隊刻意保留部分穩定聚合物并用電流驅動其不均勻分解，形成狹窄導電細絲。該設計使設備能產生高達20 kHz頻率的復雜信號模式，包括單次、連續和爆發式放電，解決了有機材料響應過慢和金屬氧化物過快導致的生物學失真問題。活體驗證中，研究人員將人工產生的電信號直接施加于小鼠小腦切片。結果表明，人工電壓尖峰在時序和波形特征上與真實生物電信號高度吻合，能可靠觸發真實浦肯野神經元的生理反應。該設備可穩定運行超一百萬次，有效降低能耗與制造成本，為開發高能效腦機接口與神經形態硬件提供了可擴展平臺。研究發表在 Nature Nanotechnology 上。

#意識與腦機接口 #腦機接口 #類腦計算 #人工神經元 #柔性電子

閱讀更多：

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

從頭設計首個可沿軌道隨機移動的純蛋白分子漫步者

動態分子機器的從頭設計一直是合成生物學領域的巨大難題。Liza Ul?akar、Hao Shen、David Baker與Ajasja Ljubeti?等研究人員（斯洛文尼亞國家化學研究所、華盛頓大學等）成功開發了首個完全由蛋白質組成的隨機分子漫步者系統。該系統能夠在微米級的蛋白質軌道上進行長距離擴散，揭示了多價性對分子運動的調控規律，為未來開發提供動力的可編程分子納米機器人奠定了基礎。

研究團隊首先從頭設計了微米級的粗直徑蛋白質纖維作為軌道，并開發了Fibre H-fuse（一種基于二級結構重疊將任意蛋白質剛性融合到纖維組裝體上的全新方法）技術，將可逆的異源二聚體作為軌道的立足點。隨后，他們設計了具有不同對稱性的環狀同源寡聚體作為漫步者，這些漫步者帶有4到8個不等的足部。利用冷凍電鏡確證了軌道與漫步者的結構與設計高度一致。通過全內反射熒光顯微鏡進行單分子追蹤，結果顯示漫步者能夠沿著軌道進行各向異性的持續隨機擴散。研究發現，擁有更多足部的漫步者在軌道上的擴散速度更快；同時，立足點的結合親和力越強，漫步者的擴散速度也越快。當環境溫度升高時，擴散速率顯著增加，而高粘度或高鹽環境則會減緩其移動速度。這種純靠多價性驅動的無燃料系統，展現出了極高的可調控性。

#AI驅動科學 #機器人及其進展 #蛋白質設計 #分子機器 #單分子追蹤

閱讀更多：

Ul?akar, 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

聚焦微波突破熱損傷瓶頸，新型3D打印重塑電子器件制造

在3D打印電子器件時，如何對電子墨水進行高溫處理而不損壞下方的溫度敏感基底，是困擾該領域十余年的核心難題。Yong Lin Kong和John Ho等研究人員（萊斯大學與新加坡國立大學）成功開發出一種基于聚焦微波的創新3D打印工藝，實現了對打印材料的亞毫米級原位選擇性加熱，徹底打破了傳統電子制造的材料整合限制。

? 使用 Meta-NFS 逐層沉積法打印的 3D 結構照片。( A ) 銀雙錐結構。( B ) 銀截錐體。( C ) 銀環。( D ) 銀三角棱柱。這些結構與一枚美國 25 美分硬幣（直徑 24.26 毫米，厚度 1.75 毫米）并排放置。比例尺：1 毫米。Credit: Science Advances (2026).

該研究團隊設計了一種名為超材料啟發式近場電磁結構（metamaterial-inspired near-field electromagnetic structure，一種通過特殊幾何設計將微波能量高度限制在近場區域的裝置）的設備，并將其與微擠出3D打印工藝無縫結合。傳統微波加熱受限于物理衍射極限，難以聚焦，而新設計的裝置能將微波能量集中在小于200微米的受限區域。在打印過程中，這種局部高能量被石墨烯或金屬等納米材料墨水吸收，轉化為熱能進行體積加熱，而周圍的生物聚合物等敏感基底則保持低溫。通過調整微波參數，研究人員實現了前所未有的連續空間編程能力，只需一次打印且無需更換材料，即可改變局部微觀結構，使同一器件不同部位的機械和電子特性產生幾個數量級的差異。實驗結果顯示，該技術能將無線應變傳感器直接打印在用于關節置換的超高分子量聚乙烯上，甚至能直接打印在牛股骨和活體樹葉表面。研究發表在 Science Advances 上。

#疾病與健康 #機器人及其進展 #3D打印 #超材料 #柔性電子

閱讀更多：

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：集成于耳塞的微型攝像頭讓用戶與AI暢談所見

如何在不犧牲隱私和舒適度的前提下，將視覺智能融入日常可穿戴設備？華盛頓大學的 Maruchi Kim 和 Shyam Gollakota 等研究人員開發了一款名為 VueBuds 的原型系統，它將微型攝像頭集成到普通無線耳塞中，使用戶能通過語音與設備上的AI模型交流，實時理解周圍的視覺世界。

? Credit: Kim et al./CHI ‘26

研究團隊改造了市售的無線耳塞，在其中嵌入了米粒大小的低功耗、黑白攝像頭。該系統（VueBuds）通過藍牙將低分辨率的靜態圖像傳輸到手機等配對設備，由設備上的小型視覺語言模型進行處理。為解決面部遮擋問題，攝像頭被向外傾斜5-10度，并將雙耳圖像拼接，以提供寬闊的視野并加快響應速度至1秒內。所有數據處理均在本地設備上完成，且有指示燈提示，以保護用戶隱私。在與74名參與者的對比測試中，盡管VueBuds的圖像分辨率遠低于Ray-Ban Meta智能眼鏡，但兩者的視覺問答表現相當。在另一項16人的實地測試中，VueBuds在翻譯和識別物體方面的準確率達到83%-84%，識別書名和作者的準確率高達93%。這項研究證實了將視覺智能集成到耳塞這一普遍佩戴的設備中的可行性，為視障人士輔助、實時翻譯等應用開辟了新路徑。研究發表在 Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems 上。

#AI驅動科學 #腦機接口 #可穿戴技術 #人機交互 #視覺語言模型

閱讀更多：

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“時間誤差”，提高醫療和法律領域的可靠性

大型語言模型在處理不斷變化的信息時常出現“時間誤差”，影響其可靠性。韓國科學技術院的Steven Euijong Whang團隊與微軟研究院合作，開發了一套名為TDBench的自動化評估系統。該系統首次將時間數據庫理論引入AI評估，旨在系統性地診斷和提升大型語言模型的時間推理能力。

? Credit: arXiv (2025).

研究團隊創新性地利用時間數據庫技術，讓系統能自動生成涵蓋13種復雜時間關系的評估問題，徹底擺脫了傳統評估方法對人工編寫和維護的依賴。當現實信息變化時，只需更新數據庫，評估體系便能同步刷新。此外，團隊還引入了名為“時間準確率”（time accuracy）的新評估指標，它不僅判斷答案是否正確，還深入核查模型解釋中時間點的邏輯有效性。實驗結果表明，該方法在識別“時間幻覺”方面，準確率比以往提高了21.7%，同時評估維護的數據輸入量平均減少了51%。這項技術有望為驗證AI在醫療、法律等高要求領域的性能奠定堅實基礎。

#大模型技術 #自動化科研 #時間數據庫 #可靠性

閱讀更多：

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與人類價值觀完全一致在數學上不可能實現

人工智能對齊面臨巨大挑戰。Hector Zenil、Alberto Hernández-Espinosa、Felipe S Abrah?o和Olaf Witkowski的研究表明，AI與人類價值觀完全對齊在數學上是不可能的，但利用行為多樣性可實現某種程度的控制。

研究團隊利用哥德爾不完備性定理和圖靈關于停機問題的不可判定性結果，從數學上證明了任何復雜到足以展現通用智能的大語言模型都具有計算不可約性（computational irreducibility，即無法通過簡化算法預測系統行為，只能實際運行來得出結果的特性），因此強制對齊在數學上是不可能的。作為替代，研究者提出了一種受控錯位（managed misalignment，即通過人工智能體之間動態制衡而非強制一致來保障安全的策略）策略，構建了一個包含完全一致、部分一致和完全不一致等不同角色的認知生態系統。在多模型的倫理辯論實驗中，研究團隊發現開放模型比閉源的專有模型展現出更廣泛的觀點，創造了更具韌性的生態系統。這表明利用智能體差異性可以有效防止單一有害觀點的壟斷。研究發表在 PNAS Nexus 上。

#大模型技術 #計算模型與人工智能模擬 #AI安全 #人工智能對齊 #多智能體系統

閱讀更多：

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

人工智能將自然語言引入抑郁癥篩查，提升準確性與用戶體驗

傳統心理評估量表常因其固定的選項而無法捕捉用戶復雜的情緒。鄭州師范大學的Zheng Jin及其團隊開發了一種基于大型語言模型的自動化評估范式（Automated Assessment Paradigm），該工具通過分析用戶的自然語言回答來篩查抑郁癥，不僅顯著提升了診斷準確性，也改善了用戶體驗。

研究團隊構建了一個名為BDI-FS-GPT的系統，它將經過驗證的貝克抑郁量表快速篩查版（Beck Depression Inventory Fast Screen, BDI-FS）融入一個對話式AI界面。與傳統問卷要求用戶勾選選項不同，該系統通過開放式問題引導用戶自由表達，隨后AI通過一個基于規則的流程，將回答的語義內容自動映射到標準化的量表分數上。在一項涉及115名參與者（包括28名確診抑郁癥患者）的研究中，BDI-FS-GPT的評估結果與精神科醫生的臨床診斷表現出高度一致性，其準確性指標（曲線下面積，即AUC，評估模型診斷準確性的指標）高達0.953，成功識別了89.3%的抑郁癥患者。這一表現優于廣泛使用的傳統篩查工具——患者健康問卷-9（Patient Health Questionnaire-9, PHQ-9），后者的AUC為0.859，僅識別出71.4%的患者。此外，用戶滿意度調查顯示，參與者更偏愛這種互動、自然的評估方式。研究發表在 JMIR Formative Research 上。

#疾病與健康 #心理健康與精神疾病 #大模型技術 #人機交互

閱讀更多：

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

仿生視覺與生物集成視覺技術融合，突破人工視覺瓶頸

人工視覺面臨機器自適應能力不足和臨床視覺修復效果有限的雙重瓶頸。香港理工大學的柴揚、Yifei Yang、Yifei Wang等人在一篇綜述論文中，系統闡述了仿生視覺（bioinspired vision）與生物集成視覺（biointegrated vision）兩大技術路徑的融合趨勢，提出通過材料與神經工程的交叉創新，為開發超越生物性能且能無縫修復人類視覺的新一代人工視覺系統提供了可行路線圖。

研究團隊指出，人工視覺長期沿著兩條平行線發展。仿生視覺面向機器，通過模仿生物眼結構（如使用曲面圖像傳感器（curved image sensor）消除畸變）和功能（如感內計算（in-sensor computing）模擬視網膜信息預處理）來提升感知效率。生物集成視覺則面向人類，通過視網膜假體等植入物修復視力，但面臨信號編碼與神經系統不匹配的難題。真正的突破在于二者的融合。未來，源自仿生研究的高動態范圍光探測器可為假體提供更自然的信號輸入；更進一步，可將模擬視網膜細胞側向抑制等計算功能的電路集成到植入物中，使其不僅傳遞光信號，還能進行初步的神經編碼。這種“會思考”的假體將向大腦傳遞更高效、更自然的視覺信息，為視障患者帶來前所未有的高清視覺體驗。研究發表在 Nature Reviews Bioengineering 上。

#疾病與健康 #知覺康復 #跨學科整合 #人工視網膜

閱讀更多：

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

大規模智能體網絡三大核心維度：拓撲、記憶與動態更新

當AI智能體數量從幾個增長到成百上千，系統如何有效擴展？針對這一問題，來自埃默里大學的Xinyuan Song, Qingsong Wen, Shirui Pan, and Liang Zhao等人發表了一篇綜述，提出了一個統一的分析框架，指出智能體之間世界模型的不一致性是比通信協議更根本的瓶頸。

研究團隊構建了一個三維分類框架，從三個核心維度解析大規模智能體網絡。第一是架構拓撲，即系統是中心化（centralized，易于協調但有性能瓶頸）還是去中心化（decentralized，靈活但易失調）；第二是記憶范圍，即信息是全局共享（global memory，易于對齊狀態）還是局部存儲（local memory，更貼近真實分布式環境）；第三是更新行為，即系統在運行中是靜態還是動態的。研究指出，真正決定系統擴展性與穩定性的，是這三個維度的組合。文章進一步提出了一個核心論點：大規模智能體協作的根本障礙并非通信延遲或帶寬，而是每個智能體內部世界模型的不一致。即使信息傳遞無誤，不同的世界模型也會導致對同一指令產生不同理解，從而引發信念漂移和目標偏離，最終導致系統失調。

#大模型技術 #計算模型與人工智能模擬 #多智能體系統 #系統架構 #綜述

閱讀更多：

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以多智能體協作重塑科學發現流程

當前AI研究人員為追求“SOTA”（State-of-the-art）指標，常被困于繁瑣的重復性優化工作，這限制了顛覆性創新的產生。為解決此問題，清華大學與北京中關村學院的Yu Li, Chenyang Shao, Xinyang Liu等研究人員開發了一套名為AutoSOTA的全自動AI科研系統，它通過多智能體協作，實現了從論文到新SOTA模型的端到端發現，旨在將人類科學家從重復勞動中解放出來。

AutoSOTA采用一個精密的“多智能體協作框架”，通過八個各司其職的AI智能體模擬人類科研團隊的工作流程。該系統能夠自主完成從解析一篇學術論文、定位并下載相關代碼庫與數據集、搭建并修復實驗環境，到復現論文報告的基線結果，乃至在此基礎上進行反思、構思新方案并迭代優化的全過程。這一端到端的閉環設計，使其能系統性地探索新的算法結構和優化策略。在為期一周的測試中，AutoSOTA以前一年頂級AI會議的論文為基礎，成功發現了105個超越原始論文的全新SOTA模型。驚人的是，這些新模型的平均性能提升了近10%，且其中超過60%的模型展現出新穎的結構創新，證明了該系統不僅限于簡單的參數調優，而是具備發現全新解決方案的能力。

#AI驅動科學 #自動化科研 #大模型技術 #多智能體系統

閱讀更多：

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

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。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。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復哦~

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。

研究院在華山醫院、上海市精神衛生中心分別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陳天橋雒芊芊神經科學研究院。

研究院還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、、科普視頻媒體「大圓鏡」等。