追问weekly | 过去一周,脑科学领域有哪些新发现?_

当我们微笑或皱眉时，大脑是如何指挥面部肌肉进行这些复杂运动的？长期以来，科学界认为情绪表达和自主面部运动分别由大脑的不同区域控制。然而，洛克菲勒大学的Winrich Freiwald、Geena R. Ianni和Yuriria Vázquez等人的一项突破性研究推翻了这一假设。研究团队发现，大脑通过一个统一但具有层级结构的皮层网络来生成面部表情，所有相关脑区都参与其中，但各自负责不同的时间动态任务。

该研究利用功能磁共振成像（fMRI）引导的电生理记录技术，精确监测了猕猴在进行自然面部表情（如威胁、咂嘴和咀嚼）时大脑皮层四个关键区域的单神经元活动。研究人员惊讶地发现，无论是通过情感驱动的表情还是自主控制的动作，内侧和外侧皮层区域均被激活，这否定了功能分离的传统观点。关键的区别在于“时间节奏”：外侧的初级运动皮层表现出快速变化的毫秒级动态，直接驱动面部肌肉的实时运动；而内侧的扣带回运动皮层则表现出持续时间更长、更稳定的动态模式，负责维持动作的背景或意图。此外，研究还发现这些脑区在动作开始前就已经活跃，表明它们在预先规划表情。这一发现不仅重塑了我们对面部运动控制的理解，也为开发能够解码面部信号的下一代脑机接口提供了理论基础，有望帮助脑损伤患者恢复交流能力。研究发表在 Science 上。

Science重磅：首张骨骼神经图谱揭示FGF9为愈合关键

当骨骼发生断裂时，剧烈的疼痛往往让人难以忍受，但这些传递痛苦的神经或许正是愈合伤口的关键。约翰·霍普金斯大学医学院的Aaron W. James和Zhao Li等研究人员组成的多机构团队发现，人体的“疼痛警报器”——感觉神经元——实际上具有双重功能。在骨折发生后，这些神经不仅负责向大脑报告创伤，还会发生转变，化身为“重建指挥官”，积极指导细胞重建受损的骨骼。

为了揭示这一机制，研究团队结合了逆行追踪（retrograde tracing，类似于沿着电线寻找断路器）和单细胞RNA测序技术，首次绘制了支配骨骼的感觉神经元图谱。研究显示，背根神经节（DRG）神经元在骨折后会经历动态的功能转换：它们首先作为伤害感受器专注于疼痛感知和炎症反应，随后进入“促再生状态”。在这一阶段，神经元会分泌关键的蛋白质信号，其中成纤维细胞生长因子9（FGF9）被证实为促进骨骼修复的核心因子。实验结果表明，若阻断表达FGF9的神经纤维，会导致血管形成受阻、骨合成细胞生成减少以及新骨矿化失败。这一发现确立了FGF9信号作为骨折修复的关键环节，为未来开发针对老年人或糖尿病患者的骨愈合增强疗法提供了新的靶点。研究发表在 Science 上。

IDH突变胶质瘤是中青年人群中最常见的恶性脑肿瘤，因其高复发率和难以根治的特性成为临床难题。韩国科学技术院和延世大学的Jung Won Park与Jeong Ho Lee等人组成的联合研究团队，通过系统性研究，首次精确定位了该类肿瘤的起源细胞，揭示了其在正常脑组织中长期潜伏的机制。

研究团队分析了70名受试者的142份样本，包括肿瘤组织以及影像学和病理学上看似“正常”的肿瘤周围皮层。利用高灵敏度测序技术，研究人员在约40%的患者正常脑皮层中检测到了低水平的IDH1突变。进一步结合空间转录组技术，团队锁定胶质祖细胞（Glial Progenitor Cells），特别是其中的少突胶质前体细胞（OPCs）为突变的初始携带者。为了验证这一发现，研究人员构建了基因工程小鼠模型，将特定的驱动突变引入小鼠的OPCs中，成功重现了人类IDH突变胶质瘤的演化过程。该研究不仅解释了手术难以彻底清除肿瘤的原因——即致病“种子”广泛散布在正常组织中，也为开发针对肿瘤起源阶段的早期诊断和预防策略提供了新思路。研究发表在 Science 上。

SST神经元独特的非经验依赖性发育轨迹奠定大脑发育基础

大脑如何在发育的关键期建立正确的神经连接？Josiah R. Boivin和Elly Nedivi领导的团队（麻省理工学院皮考尔学习与记忆研究所）通过研究发现，表达生长抑素（SST）的抑制性神经元遵循一套独特的、不依赖于外界经验的发育规则。这项研究揭示了SST神经元在塑造皮层回路中的关键作用，它们可能通过提供稳定的抑制基础，确保大脑能够正确地根据感官经验进行优化。

为了深入观察这一微观过程，研究团队结合了基因标记技术与一种名为eMAP（表位保留蛋白质组放大分析）的创新方法。eMAP技术能够将脑组织物理膨胀并透明化，使研究人员能以前所未有的超高分辨率，视觉化追踪小鼠视觉皮层中SST神经元突触小体与兴奋性细胞树突的连接情况。研究发现，与兴奋性神经元依赖视觉输入且经历大规模“修剪”的发育模式截然不同，SST突触的形成在所有皮层层面同时发生，且不经历净修剪过程，突触数量甚至持续增加至成年期。更重要的是，通过黑暗饲养实验证实，SST神经元的发育轨迹完全不受视觉经验缺失的影响。这表明SST神经元按预定的基因程序运作，为大脑皮层的成熟和可塑性奠定了必要的抑制性基调。研究发表在 The Journal of Neuroscience 上。

神经影像学证实“记忆宫殿”原理：稳固的空间地图是记忆的锚点

为什么我们在熟悉的地点更容易记住事情？为了揭示空间背景如何辅助记忆编码及其背后的神经机制，Rolando Masís-Obando、Kenneth A. Norman和Christopher Baldassano（哥伦比亚大学、约翰·霍普金斯大学、普林斯顿大学）合作开展了一项研究。他们利用虚拟现实技术构建了“记忆宫殿”，发现大脑对环境的神经表征质量直接决定了新记忆的形成效果，为理解人类如何利用空间知识构建记忆提供了新的科学依据。

研究团队设计了一个包含23个不同房间的虚拟现实（VR）“记忆宫殿”，并利用功能磁共振成像（fMRI）记录参与者的大脑活动。首先，参与者在没有放置任何物品的情况下熟悉这些房间，研究人员借此测量每个房间在参与者大脑中引发的神经活动模式的稳定性和独特性，即“房间可靠性”。随后，参与者在这些房间中记忆新放置的物品。结果显示，如果一个房间在参与者脑中形成的神经地图清晰且稳定（即“地基”牢固），那么放置在该房间的物品在随后的回忆测试中更容易被提取。这种预测甚至可以在物品出现之前就完成。此外，研究还发现带有窗户和角落的小房间更容易形成高质量的神经表征。这表明，通过神经影像技术可以识别知识结构中的“漏洞”，并解释了为何古老的“地点记忆法”如此有效——因为它利用了稳固的空间神经支架来锚定新信息。研究发表在 Nature Human Behaviour 上。

打破突触修剪假说：青春期大脑特定区域密集新建

长期以来，学界普遍认为青春期大脑发育的主要特征是“突触修剪”，即减少多余的神经连接，而这一过程的异常被认为与精神分裂症有关。然而，Takeshi Imai和Ryo Egashira（九州大学）的研究团队通过高分辨率成像技术挑战了这一传统观点。他们发现，在青春期，大脑并非只是在做减法，实际上还在特定区域密集地构建新的突触连接，这一发现为理解大脑成熟机制及精神疾病成因提供了全新视角。

该研究利用团队开发的组织透明化剂（SeeDB2）配合超分辨率显微镜，首次对小鼠大脑皮层第五层神经元的树突棘进行了全景式三维测绘。研究人员观察到，在小鼠3到8周龄的青春期阶段，虽然部分区域确实发生了修剪，但在顶端树突的特定节段上却涌现出一个高密度的突触“热点”。这表明突触形成在青春期皮层回路成熟中扮演着关键角色。更重要的是，当团队检测携带精神分裂症相关基因（如Setd1a、Hivep2和Grin1）突变的小鼠时，发现这些小鼠虽然早期发育正常，但却无法在青春期形成这一关键的突触“热点”。这一结果提示，精神分裂症的病理机制可能源于特定突触形成的失败，而不仅仅是传统认为的过度修剪。研究发表在 Science Advances 上。

近原子成像揭示抗NMDA受体脑炎的治疗新靶点

抗NMDA受体脑炎常被称为“脑火”，是一种罕见且毁灭性的自身免疫性疾病，严重影响患者的认知与记忆。Junhoe Kim、Eric Gouaux和Gary Westbrook等人（俄勒冈健康与科学大学）利用先进的成像技术，成功在分子层面锁定了致病抗体攻击大脑受体的具体位置，发现这些抗体在受体上有特定的结合“热点”。这一发现为开发针对该疾病的精准疗法和早期诊断方法奠定了坚实基础。

该研究通过主动免疫小鼠模型模拟了人类疾病状态，并利用太平洋西北冷冻电镜中心的冷冻电镜（Cryo-EM）技术，对结合了自身抗体的NMDA受体进行了近原子分辨率的成像分析。研究人员发现，导致疾病的自身抗体并非随机攻击，而是集中结合在NMDA受体GluN1亚基的氨基末端结构域（amino-terminal domain）上的特定区域。通过对比分析，研究证实小鼠模型中的这些抗原表位（antigenic epitopes）与人类患者体内的攻击靶点高度一致。这一发现不仅揭示了免疫系统攻击大脑神经递质受体的分子机制，还表明这些结构相对简单的结合区域是理想的药物靶点。研究人员认为，这有望促成特异性阻断抗体结合的新药研发，以及基于血液检测的早期筛查手段，从而克服当前免疫抑制疗法效果不稳定及易复发的难题。研究发表在 Science Advances 上。

尾状核：大脑深处预测老年衰弱的关键区域

握力不仅是肌肉力量的体现，更是衡量老年人身体机能和大脑健康的窗口。为了探究大脑如何影响身体衰弱，加州大学河滨分校的Xiaoping Hu教授和Amin Ghaffari博士团队利用先进的脑成像技术，发现大脑深处的尾状核（caudate nucleus）是预测握力的关键区域，这一发现为早期检测和预防老年衰弱提供了新的神经生物学依据。

研究团队招募了60名老年人，利用功能性磁共振成像（fMRI）在他们进行最大握力测试时实时记录大脑活动。为了精准解析大脑与身体机能的关系，研究人员采用了基于连接组的预测模型（CPM，一种利用全脑功能连接模式来预测个体行为特征的数据驱动方法），将每位参与者的握力数据与其大脑内部的通信网络图谱进行比对，并对数据进行了标准化以排除性别和肌肉量的干扰。结果显示，大脑网络活动与握力强弱存在显著相关性，其中通常负责运动管理和决策的尾状核表现出最强的预测能力：尾状核的血流量和连接性越高，个体的握力越强。此外，涉及记忆的海马尾部和涉及情绪的前扣带回也显示出一定关联。这意味着，通过监测特定脑区的神经连接，医生有望在老年人出现明显身体衰弱之前就识别出风险信号，从而进行针对性的干预。研究发表在 Frontiers in Neuroscience 上。

不想做讨厌的任务？可能是大脑里的“动机刹车”踩太死了

为何我们在面对写报告或打棘手电话等令人不快的任务时，往往难以迈出第一步？京都大学的研究人员Jung-min N. OH和Ken-ichi Amemori等人通过研究发现了一个存在于大脑中的“动机刹车”回路。该团队揭示了特定的神经通路如何在压力或厌恶情境下抑制行动的启动，这一发现为理解抑郁症、精神分裂症及帕金森病中常见的意志缺乏症状提供了新的神经生物学解释。

研究团队训练猕猴执行两类任务：一种仅含奖励，另一种在奖励之外伴随令人不快的面部喷气惩罚。为了解析大脑如何控制动机，研究人员应用了化学遗传学技术，这是一种利用人工受体和特定药物来精确控制神经元活动的方法。他们特异性地暂时阻断了从腹侧纹状体到腹侧苍白球的神经连接。结果显示，在仅有奖励的任务中，阻断该通路对猴子的行为无影响；但在含有惩罚的任务中，阻断该通路使猴子克服了犹豫，恢复了启动任务的意愿。重要的是，猴子对奖惩价值的判断并未改变，改变的仅是行动的“启动”开关。电生理记录进一步证实，该通路在压力情境下充当“刹车”，过度活跃会抑制行动。这一发现表明，未来或可通过微调该回路来治疗严重的动机丧失。研究发表在 Current Biology 上。

干细胞自带“导航系统”：修复中风损伤的新机制

中风后的大脑损伤难以自我修复，且受损区域形成的疤痕和炎症环境为再生医学带来了巨大挑战。Zhifu Wang和Su-Chun Zhang等研究人员（桑福德·伯纳姆·普雷比斯医学发现研究所，杜克-新加坡国立大学医学院）展开合作，旨在探索如何让移植的干细胞不仅能在受损大脑中存活，还能精准地修复断裂的神经回路。他们的研究成功揭示了移植细胞如何利用内部基因代码在大脑中“导航”并重建功能连接。

研究团队首先开发了一种包含特定小分子和蛋白质的混合物，成功帮助移植的人类皮层祖细胞在中风小鼠大脑的恶劣环境中存活并填充受损空腔。随后，利用病毒追踪和单核RNA测序，结合机器学习算法，研究人员发现了一个惊人的现象：分化后的神经元自带一套独特的“转录代码”。这套代码就像内部指南针一样，指导不同亚型的神经元将轴突精准投射到大脑和脊髓的特定区域。实验显示，拥有正确代码的移植神经元成功重建了皮质脊髓束，并恢复了小鼠的运动功能。当研究人员移除一种名为Ctip2的转录因子后，神经元的投射方向发生了显著改变，进一步证实了基因表达在回路重建中的决定性作用。该发现为开发针对中风等神经系统疾病的下一代细胞疗法提供了重要的理论基础。研究发表在 Cell Stem Cell 上。

多巴胺不仅仅是奖励信号：精准调控大脑抑制回路塑造记忆与心理健康

多巴胺通常被大众熟知为“快乐分子”，但其实际功能远比简单的奖励信号复杂。波兰弗罗茨瓦夫医科大学的Patrycja Brzdąk和Katarzyna Lebida团队通过最新研究挑战了“多巴胺越多越好”的传统观念。她们发现，多巴胺实际上是大脑抑制性回路的微观架构师，通过精准微调神经活动的“静默”来塑造学习、记忆形成及心理健康。这项研究揭示了神经精神疾病可能并非源于化学物质的单纯失衡，而是源于这种精细调节机制的丧失。

该团队结合光遗传学和电生理学技术，深入探究了多巴胺如何影响海马体中的GABA能神经元。研究发现，多巴胺对神经可塑性的调节是非线性的，存在一个狭窄的“最佳窗口”。当研究人员阻断或过度激活D1型多巴胺受体时，原本用于巩固记忆的抑制性长时程增强（iLTP）遭到了破坏，甚至转变为抑制性长时程抑制（iLTD）。此外，多巴胺对不同类型的中间神经元——如小白蛋白阳性神经元（Parvalbumin-positive neurons）和生长抑素阳性神经元（Somatostatin-positive neurons）——表现出不同的调节作用。这意味着多巴胺能根据情境需求，精准地决定哪些神经信号该被“静音”，哪些该被加强。这一发现为理解精神分裂症和焦虑症等疾病提供了新视角：问题可能不在于多巴胺总量的多少，而在于其无法精准调控特定的神经回路。研究发表在 Progress in Neurobiology 上。

记忆的神经群体活动：属性、计算与编码

尽管科学界对记忆的分子和细胞机制已有深入了解，但神经群体的活动模式如何转化为具体的记忆属性仍是一个未解之谜。来自牛津大学的David Dupret、哥伦比亚大学的Stefano Fusi和汉堡-埃彭多夫大学医学中心的Stefano Panzeri团队进行了一项综合性研究，旨在从脑网络生理学的角度，建立记忆属性、计算过程与神经群体编码特征之间的全面映射关系。

这项发表在 Neuron 上的观点文章并未采用单一的实验方法，而是通过整合电生理记录和计算工具的最新进展，构建了一个新的理论框架。研究团队分析了神经群体向量（population vectors）在神经元间、时间点间和试验间的变化特征。他们重点探讨了稀疏性（Sparsity）、几何结构（Geometry）——包括嵌入维度（embedding dimensionality）和曲率（curvature）——以及神经元异质性（Heterogeneity）如何影响记忆的存储与提取。研究提出，大脑记忆回路的核心机制在于处理相互冲突的需求，例如在保持记忆稳定性（Stability）与允许适应性变化的可塑性（Plasticity）之间进行权衡。例如，双曲几何空间中的神经表征可能通过调整曲率来优化位置编码的准确性。这一框架为理解大脑如何在有限的代谢成本下实现高效的记忆计算提供了新的视角，并强调了在多维群体活动空间中寻找“最佳平衡点”的重要性。

Science：狗狗也能“听墙角”：天才犬可通过偷听对话学单词

除了人类幼儿，还有谁能通过“偷听”大人说话来学习新词汇？Shany Dror和Ádám Miklósi等人（罗兰大学、维也纳兽医大学）组成的国际研究团队发现，少数被称为“天才词汇学习犬”的狗狗具备这种非凡的社会认知能力。该研究证实，这些拥有大量词汇量的狗狗不仅能通过观察人类之间的互动习得新词，而且这种学习机制在功能上与18个月大的人类婴儿惊人地相似，表明支持语言学习的社会认知技能并非人类所独有。

研究团队对10只“天才词汇学习犬”进行了严谨的实验。在“偷听”实验中，狗狗仅作为旁观者，观察主人与其他人谈论新玩具，结果它们选择正确玩具的准确率高达83%，与直接接受教学时的表现几乎没有差别。相比之下，普通边境牧羊犬则完全无法通过这种方式学习。更令人惊讶的是，研究人员引入了时间不连续性（temporal discontinuity）测试，即先把玩具藏起来，再提及它的名字。结果显示，即使物体和名称没有同时出现，这些天才狗狗依然能建立词汇与物体的对应关系，并在两周后的记忆测试中保持记忆。这一发现挑战了以往关于语言学习机制的认知，揭示了某些非人类物种也能通过复杂的社会线索进行学习。研究发表在 Science 上。

大脑通过“几何扭转”将感觉转化为知觉

我们看到的心理世界往往不同于纯粹的物理世界，大脑是如何填补这一鸿沟的？清华大学心理与认知科学系的刘嘉教授团队，通过研究揭示了大脑将物理感觉转化为心理知觉的几何机制。他们发现，大脑通过一种独特的“扭转操作”，能够将物理上难以区分的信息重构为清晰的知觉体验，为理解人类认知和优化人工智能设计提供了新视角。

在这项研究中，团队利用运动诱发错觉轮廓（motion-induced illusory contours）构建了一个在物理空间中“线性不可分”的视觉任务。研究人员记录了猕猴次级视觉皮层（V2）的神经活动，发现神经群体的活动最初处于一个低维的“感觉流形”（sensory manifolds）中，直接反映物理刺激的特征，此时大脑尚无法区分不同的轮廓朝向。然而，随着神经计算的进行，这些神经状态经历了一系列复杂的几何变换——即“扭转操作”（Twist Operation），将表征空间从三维提升到了七维，形成了“知觉流形”（perceptual manifolds）。在这个高维空间中，原本纠缠不清的信息变得可以通过线性方式区分。进一步的人工神经网络模拟表明，神经元具有的非线性混合选择性（Nonlinear Mixed Selectivity）以及连接权重的高度异质性，是实现这一“维度升级”和复杂计算的关键。该研究不仅解释了知觉涌现的机制，也指出未来的AI网络设计需要模拟这种生物神经系统的异质性以提高鲁棒性。研究发表在 Science Advances 上。

日常光照究竟如何影响我们的大脑工作效率？曼彻斯特大学的Altug Didikoglu及其团队开展了一项开创性的“现实世界”研究。他们发现，在日常生活中增加白天的光照暴露，不仅能改善主观困倦感，还能显著提升认知能力的多个方面，包括注意力和反应速度。

该研究共有58名成年人参与，在为期七天的日常生活中，他们佩戴了特殊的手腕式光照监测器（Spectrawear）来记录环境光照对生物钟的影响，并通过一款名为Brightertime的智能手机应用程序进行认知测试。研究人员发现，与昏暗环境相比，参与者在明亮光线下的反应速度提高了7-10%，且在维持集中注意力方面表现更好。此外，一周内光照模式更稳定、白天光照更充足的参与者，其视觉搜索和工作记忆能力也更强。这种影响被认为与视网膜中含有黑视素的内在光敏视网膜神经节细胞（ipRGC）系统的激活有关，该系统负责调节昼夜节律和警觉性。研究还指出，相比习惯晚睡的人，就寝时间较早的人对光照更敏感——早晨的强光能更有效地唤醒他们，而夜晚的昏暗光线则更容易引发困意。研究发表在 Communications Psychology 上。

大脑如何感知时间：持续概率计算助你快速反应

无论是应对百米冲刺的发令枪，还是等待红绿灯的切换，我们的大脑都在不断预测未来。Matthias Grabenhorst、David Poeppel和Georgios Michalareas等研究人员（马克斯·普朗克学会恩斯特·斯特伦格曼研究所、法兰克福歌德大学及纽约大学）通过一项新研究揭示了大脑预测时间的奥秘：大脑会持续计算未来三秒内事件发生的可能性，并利用这一评估来准备快速且准确的反应。

研究团队设计了精密的心理物理学实验，通过控制视觉闪光和听觉音调出现的时间概率，测量受试者的反应速度。结果发现两个关键原则：首先，大脑具有“尺度不变性”（scale invariance），即无论事件是在几百毫秒还是几秒后发生，大脑都使用同一套基本的概率计算公式来预测未来。其次，研究发现概率能增强时间感。当事件发生的可能性较高时，大脑对时间的追踪会变得异常精确；而可能性较低时，精确度则会下降。这一发现直接挑战了经典的韦伯定律（Weber's law），后者认为时间感知的精确度不应受概率影响。研究表明，这种基于概率密度的估算机制是人类跨时间尺度预测事件的基础，且独立于视觉或听觉等具体感官通道。研究发表在 PNAS 上。

告别动物模型：科学家用电刺激在人脑中“植入”阅读障碍

由于阅读是人类独有的技能，传统的动物模型难以有效模拟阅读障碍，阻碍了相关疗法的开发。Daniel Gallagher、Zian Huang和Shinri Ohta（九州大学）团队提出了一种创新的人类疾病模型。他们通过结合神经影像数据分析与先进的脑刺激技术，成功在健康成年人中安全地模拟了阅读障碍的症状，为解析该疾病的神经机制和开发个性化治疗提供了新途径。

该研究采用了一种独特的数据驱动与神经调控相结合的“两步法”。首先，研究团队分析了大量患者的神经影像数据，识别出与不同阅读障碍亚型相关的特定脑区结构和功能异常。随后，他们利用经颅颞叶干扰刺激（tTIS）技术对健康志愿者进行干预。tTIS是一种新型的非侵入性脑刺激技术，通过在头皮放置电极产生干扰场，能够精准且温和地抑制深层脑区的活动。

实验结果表明，通过系统调整刺激参数，研究人员能够在神经发育正常的成年人中暂时性地“复制”出特定的阅读障碍脑活动模式，并诱发出相应的行为和认知改变。这种方法不仅验证了特定脑区异常与阅读困难之间的因果联系，还克服了动物模型的局限性。这一人类模型的建立，使科学家能够直接观察特定脑网络对阅读行为的影响，从而加速从“一刀切”疗法向针对特定亚型的个性化干预转变。研究发表在 Frontiers in Human Neuroscience 上。

虚拟现实重塑艺术体验：超现实VR如何重新定义文化旅游

当我们在虚拟世界中漫步于梵高的《星夜》之下，这究竟是一次文化朝圣，还是一场高科技的游戏？为了解开这一谜题，Tingjun Chen、Svetlana Stepchenkova及其团队（佛罗里达大学）深入探究了虚拟现实（VR）技术在文化旅游中的角色。他们试图弄清VR体验究竟是被视为真实旅游的有效替代，还是仅仅被感知为一种单纯的娱乐形式，以及这种感知如何受用户自身对“真实性”偏好的影响。

研究团队设计了一项对比实验，让参与者佩戴Oculus Quest 2头显，分别体验两种截然不同的梵高艺术场景：一种是模拟阿姆斯特丹博物馆的“传统VR”，另一种是基于梵高画作构建奇幻世界的“超现实VR”（Hyperreality VR）。为了获得客观数据，研究人员不仅收集了参与者的问卷反馈，还通过传感器实时监测他们的心率等生理指标。结果显示，超现实VR能引发更强烈的情绪波动和更高的心率，带给用户类似娱乐活动的兴奋与刺激感；而传统VR则更倾向于激发平静、反思性的反应，具有更强的教育属性。有趣的是，研究发现即使是那些通常偏好原汁原味传统体验的“现实主义者”，也对超现实VR表现出了出乎意料的喜爱。这一发现表明，虽然超现实VR偏向娱乐化，但它能通过增强情感共鸣来提升文化旅游的吸引力，甚至可能重塑人们对“真实”体验的定义。研究发表在 Information Technology & Tourism 上。

警惕语言陷阱：新闻报道中AI的拟人化风险

当我们说AI“知道”答案或“想要”学习时，我们是否正在无意中误导公众？Jo Mackiewicz和Jeanine Aune（爱荷华州立大学）联合Matthew J. Baker（杨百翰大学）及Jordan Smith（北科罗拉多大学）组成的研究团队，通过分析大规模新闻语料库，深入探讨了新闻报道在描述人工智能时使用拟人化语言的现状及其潜在风险。

研究团队利用包含超过200亿单词的“网络新闻”（News on the Web, NOW）语料库，系统性地检查了新闻作者如何将“思考”、“知道”等心理动词与“AI”及“ChatGPT”搭配使用。结果出人意料：新闻写作中的拟人化现象远少于日常口语。数据分析显示，“需要”（needs）是与AI搭配最频繁的动词，但大多用于描述功能性需求（如“AI需要电力”），类似于“汽车需要汽油”，而非暗示情感欲望。然而，研究也指出拟人化程度存在“光谱效应”，部分措辞（如“AI决定”）确实可能夸大系统的自主性，掩盖了背后的设计者和监管者。这一发现提醒技术传播者需审慎用词，以免扭曲公众对AI真实能力的认知。研究发表在 Technical Communication Quarterly 上。

未完成的任务为何让人念念不忘？

为什么未完成的任务总让人念念不忘？这种“未完成感”不仅影响情绪，还深植于我们的视觉感知中。Joan Danielle K. Ongchoco、Kimberly W. Wong和Brian J. Scholl（耶鲁大学等）组成的团队通过研究发现，大脑在基础感知层面就对“未完成”的信息给予了优先处理，这种机制被称为“视觉蔡加尼克效应”。这一发现揭示了人类大脑为何天生就喜欢“悬念”，即使在没有外部压力的情况下，也会自动关注那些未尽之事。

为了探究这一现象，研究团队设计了包含四项实验的综合研究，共招募了120名参与者。在实验中，参与者观看计算机生成的简单迷宫动画，其中包含沿着路径移动的点或线条。这些路径被设计为两种状态：一种是顺利到达地标的“已完成”路径，另一种则是在即将到达终点时突然停止的“未完成”路径。在动画播放过程中，彩色的方块作为探测点会沿路径短暂出现，参与者随后需要凭记忆尽可能准确地重现这些方块出现的位置。

研究人员严格控制了总耗时和行进距离等变量，以排除其他因素干扰。结果显示，参与者对“未完成”路径上的探测点位置记忆明显更加精准。这表明，大脑似乎天生就被设定为更容易注意和记住未完成的事物。这种“未完成感”不仅仅源于完成任务的动机或满足感，而是根植于人类观察和记忆世界的基本方式中。正如蔡加尼克效应（Zeigarnik effect，指人们对未完成工作的记忆优于已完成工作的现象）在复杂行为中的表现一样，视觉系统也表现出了类似的偏好。研究人员比喻道，大脑天生喜欢“悬念”，即使只是观看简单的视觉事件，也渴望看到结局，这种机制帮助我们更深刻地处理那些悬而未决的信息。研究发表在 Journal of Experimental Psychology: General 上。

491种灵长类动物研究证实同性性行为的适应性价值

同性性行为（SSB）无法繁衍后代且消耗资源，为何在进化中未被淘汰？Chloë Coxshall、Miles Nesbit、Josh Hodge 和 Vincent Savolainen 等研究人员通过对大量非人灵长类物种的系统分析发现，这种行为并非进化的副产物，而是灵长类动物为了在严酷环境中生存和维持复杂社会关系而进化出的一种适应性策略，有助于化解冲突并巩固联盟。

这项研究系统分析了491种非人灵长类动物的数据，确认其中59种存在同性性行为。研究团队利用系统发育回归模型和结构方程模型对涵盖环境、生活史和社会特征的15个变量进行了深入解析。结果显示，生活在干旱、食物匮乏或高捕食风险地区的物种，以及那些社会等级森严、雌雄体型差异显著且寿命较长的物种，SSB发生率更高。数据表明，社会复杂性是驱动该行为的直接因素，而生态压力则通过塑造社会结构间接产生影响。SSB作为一种“社会黏合剂”，帮助个体在竞争激烈的群体中建立联系，从而提升了整体的生存和繁衍成功率。研究发表在 Nature Ecology & Evolution 上。

软技能至关重要：同理心是提升人机协作效率的关键

在人工智能日益普及的今天，如何更好地驾驭这一工具？Christoph Riedl（东北大学）和 Ben Weidmann（伦敦大学学院）组成的团队不仅关注技术层面的“提示词工程”，更深入探索了人类软技能在人机交互中的作用。他们发现，那些在人类团队协作中至关重要的特质——如同理心和换位思考能力，同样是决定人机协作效率的关键因素，这一发现为人机协同（Human-AI Synergy）的研究提供了全新视角。

该研究开发了一套基于贝叶斯项目反应理论的分析框架，旨在精确量化人机协作中的协同效应。研究团队招募了667名参与者，要求他们完成数学、物理和道德推理等基准测试任务。参与者首先独立作答，随后在 ChatGPT-4 或 Llama-3 的辅助下作答。结果显示，当人类与AI联手时，即便是单独表现较差的 AI 模型（如 Llama-3，正确率仅39%）也能通过协作产生优异结果。更重要的是，研究揭示了心理理论（Theory of Mind）——即推断他人心理状态和观点的能力——与协作绩效呈正相关。那些能够像对待人类一样对待 AI，并提供详细语境（例如“请像教导12岁孩子一样解释”）的参与者，能够引导 AI 输出更高质量的答案。此外，研究还发现 AI 虽然能显著帮助低技能人群缩小差距，但也让高技能人群如虎添翼，保持了相对优势。研究发表在 OSF Preprints 上。

为何父母能忍受脏尿布？长期接触排泄物导致情绪脱敏

厌恶感虽然能保护人类远离病原体，但却给需要处理排泄物的父母带来了挑战。布里斯托大学的Yifan Huang和Edwin S. Dalmaijer团队通过研究发现，为人父母能显著改变大脑对厌恶感的反应，产生一种类似于免疫的效果。研究表明，经过长期接触，父母会对令人不快的身体排泄物产生脱敏反应，但这并非一蹴而就，而是发生在孩子成长的特定阶段。

研究团队将育儿作为一种自然的准实验，避免了职业选择带来的偏差。他们分析了99名父母和50名非父母对照组的数据，通过问卷和行为任务（如观察受试者对脏尿布图片的回避程度）来量化厌恶反应。为了精确探究适应机制，研究区分了婴儿的不同饮食阶段，使用了包含母乳喂养期粪便和断奶后粪便的图片。结果显示，非父母群体对所有排泄物图片均表现出强烈回避。相比之下，父母的反应存在显著差异：处于纯母乳喂养阶段的婴儿父母，其厌恶回避程度与非父母无异，这种高敏感度可能是一种进化适应，旨在保护免疫系统尚未成熟的婴儿免受感染。然而，一旦孩子开始断奶并摄入固体食物，父母对脏尿布乃至一般体液的回避行为几乎消失。这种习惯化效应不仅针对自己的孩子，还泛化到了其他来源的排泄物，表明长期且不可避免的接触重塑了人类根深蒂固的情绪反应，使父母能够在孩子成长过程中提供必要的照护。研究发表在 Scandinavian Journal of Psychology 上。

“儿语”不仅仅是可爱：夸张语调助力4个月大婴儿大脑语言发育

父母对孩子说的那些夸张、高亢的“儿语”究竟有何作用？Varghese Peter及其团队（阳光海岸大学）通过检测婴儿大脑对不同语音模式的反应，发现这种特殊的说话方式能显著促进仅4个月大的婴儿对元音的辨别能力，证实了“儿语”在早期语言习得中的关键功能。

为了揭示“儿语”背后的神经机制，研究团队对比了4个月大、9个月大的婴儿以及成年人在听到不同语音时的大脑反应。研究人员使用了失匹配负波（Mismatch Negativity）范式来监测大脑如何处理声音变化。实验中，参与者分别聆听了以成人导向型语言（ADS）和婴儿导向型语言（IDS）发出的元音。结果显示，成年人和9个月大的婴儿无论听哪种语音，大脑都能产生代表成熟语音处理的信号。然而，4个月大的婴儿在听到普通成人语音时，大脑仅表现出基础的听觉变化检测信号，即失匹配反应（Mismatch Response）；但当他们听到夸张的“儿语”时，大脑却产生了一种更高级的反应，类似于在年龄较大的婴儿和成人中观察到的模式。这意味着，虽然4个月大的婴儿尚未掌握语言，但“儿语”中独特的声学特征能充当“脚手架”，帮助他们的大脑提前启动对语言声音类别的区分，从而为日后的语言学习打下基础。研究发表在 Developmental Science 上。

主动推理新进展：像科学家一样思考的“人工推理”算法

为了让机器具备类似人类的推理和顿悟能力，Karl Friston（伦敦大学学院）、Lancelot Da Costa（VERSES公司、图宾根ELLIS研究所）、Thomas Parr（牛津大学）等研究人员组成的多机构团队，提出了一种基于主动推理的新型计算框架。该研究旨在解决人工智能如何像科学家一样，通过主动探索来发现世界运行的潜在规则和结构，从而实现从单纯的决策优化向更高级的“人工推理”跨越。

该研究团队结合了主动推理与贝叶斯模型约减（Bayesian Model Reduction，BMR）技术，构建了一个能够进行高效结构学习的系统。主动推理是一种认为大脑通过最小化预测误差来感知和行动的理论，而贝叶斯模型约减则允许系统基于已有的经验快速评估不同假设的可能性，无需重新进行繁琐的计算。在实验中，研究人员利用经典的“三球范式”（three-ball paradigm）——一种需要通过揭示球的颜色来推断隐藏规则的任务——来测试该模型。结果显示，该算法能够引导代理根据期望信息增益来选择行动，即不仅仅为了获得奖励，而是为了最大程度地消除对世界模型结构的不确定性。这种机制成功模拟了类似于人类“顿悟”的过程，使代理能够以极高的样本效率发现支配环境的潜在逻辑或对称性，为解决通用人工智能中的抽象推理挑战提供了新的思路。

面对突如其来的警报声或诱人的食物，大脑如何在瞬间做出反应？Daniel Jercog及其团队（哥本哈根大学）联合国际研究人员，通过对小鼠的研究揭示了大脑处理复杂环境线索的机制。他们发现，大脑并非将所有信息混合处理，而是像计算机多线程一样，通过独立的神经通道分别评估刺激的不同属性，从而指导动物做出精准的行为决策。

为了解开这一谜题，研究团队利用钙成像技术，实时监测了自由活动小鼠在面对不同刺激时，大脑背内侧前额叶皮层的神经元活动。研究人员发现，外部刺激的三个关键特征被分别处理：“显著性”（salience，即刺激有多引人注目）、“效价”（valence，即刺激是积极还是消极的）以及“价值”（value，即刺激的重要性或激励程度）。实验数据显示，神经元群体会沿着正交的信息轴被激活，这意味着这三种信息是在相互独立的通道中并行传输的，互不干扰。这种机制确保了大脑能够高效地综合评估环境信息。研究人员指出，这一发现对于理解人类心理健康具有重要意义，因为焦虑症可能与高估威胁有关，而成瘾则涉及高估回报，抑郁症则可能源于对回报的低估。如果人类前额叶皮层也采用这种分离通道机制，将为治疗相关精神疾病提供更精准的靶点。研究发表在 Nature 上。

肥胖为何会像“火上浇油”一般引发持续的体内炎症，进而导致糖尿病和心血管疾病？Danhui Liu和Zhenyu Zhong等（德克萨斯大学西南医学中心）的研究团队深入探索了肥胖对免疫细胞代谢的影响。他们发现，肥胖会通过重塑巨噬细胞内部的核苷酸代谢网络，破坏细胞的天然“刹车”机制，从而导致炎症反应失控。这一发现不仅揭示了肥胖诱发炎症的精确分子通路，也为治疗肥胖相关的慢性疾病提供了全新的靶点。

该研究重点关注了一种名为NLRP3炎症小体（NLRP3 inflammasome）的免疫复合物，它是细胞内的危险信号警报器。研究发现，在肥胖状态下，巨噬细胞内一种关键的脱氧核糖核苷三磷酸（dNTP）水解酶——SAMHD1的功能被抑制。SAMHD1通常负责平衡细胞内的核苷酸水平，但在肥胖个体中，它因发生磷酸化修饰而失效。这导致合成DNA的原料——脱氧核糖核苷三磷酸（dNTP）在细胞质中异常积累，并涌入线粒体。这些过量的原料通过非正常途径驱动了线粒体DNA（mtDNA）的合成，产生了大量氧化的线粒体DNA，直接刺激NLRP3过度激活，释放促炎因子。研究团队证实，通过药物阻断dNTP进入线粒体，可以有效“切断燃料”，恢复正常的免疫反应，并缓解小鼠的胰岛素抵抗和肝脏炎症。研究发表在 Science 上。

大规模分析揭示大脑萎缩导致记忆衰退的非线性机制

为什么随着年龄增长记忆力会衰退？这种衰退是大脑特定区域的问题还是全局性的崩溃？Didac Vidal-Piñeiro、Alvaro Pascual-Leone、Kristine B. Walhovd 和 Anders M. Fjell 等研究人员（奥斯陆大学、希伯来老年生活欣达和亚瑟·马库斯衰老研究所等）组成的研究团队，通过一项跨国界的里程碑式研究，揭示了随着年龄增长，大脑结构变化与记忆力下降之间存在着复杂的非线性联系，且这种影响广泛存在于大脑的多个区域，而不仅仅是单一病理的结果。

该研究采用了一种被称为“巨型分析”（mega-analysis）的方法，整合了来自13个纵向研究的数据，涵盖了3,737名认知健康的成年人，分析了超过10,000次磁共振成像（MRI）扫描和13,000多次记忆评估。研究发现，脑组织萎缩与记忆力下降之间的联系并非简单的线性关系，而是呈现非线性特征：当大脑萎缩达到一定程度（高于平均水平）后，记忆力的下降速度会不成比例地加快。尽管海马体的体积损失与记忆表现下降的关联最强，但研究人员发现，大脑皮层和皮层下的许多其他区域也表现出显著的相关性，这表明衰老中的认知衰退反映了一种广泛分布的大脑宏观结构脆弱性。此外，虽然阿尔茨海默病的主要遗传风险因子——载脂蛋白E ε4（APOE ε4）会导致携带者出现更陡峭的脑萎缩和记忆丧失，但它并没有改变脑结构变化与记忆变化之间的基本关联模式。这意味着记忆衰退是数十年积累的广泛生物学脆弱性的体现，而非仅仅由一个基因或一个脑区决定。研究发表在 Nature Communications 上。

童年的烟雾，老年的遗忘：室内空气污染如何长久损害大脑

在煤烟弥漫的家中长大，可能会给大脑留下伴随一生的阴影。赫尔辛基大学（University of Helsinki）的Xu Zong开展了一项具有开创性的研究，首次将儿童早期接触室内空气污染与成年后的认知能力联系起来。研究结果表明，这种早期暴露不仅损害大脑健康，还可能通过多种途径加速晚年的认知衰退。

该研究分析了来自7000多名45岁及以上中国成年人的全国代表性数据，利用先进的机器学习技术因果森林深入剖析了数据背后的复杂关系。研究发现，儿童时期接触过由煤炭、木材等固体燃料造成的室内空气污染的人，成年后在认知测试中表现较差，特别是在情景记忆和整体心理健康方面。进一步的机制分析揭示了两条主要的中介途径：一是生物学途径，即早期暴露可能导致超重和日常生活活动能力（ADL）受限，进而损害大脑；二是社会经济途径，受污染影响的儿童成年后往往受教育程度和收入水平较低，而这正是认知衰退的已知风险因素。此外，研究还发现男性、吸烟者和经常饮酒者对这种早期环境伤害更为敏感，这可能与炎症和压力反应的叠加效应有关。这项工作强调了改用清洁能源不仅是环保措施，更是对后代大脑健康的长期投资。研究发表在 Social Science & Medicine 上。

柔性声电容器SonoCap：超声波驱动的无线无创癫痫治疗新方案

传统的脑部电刺激治疗往往受限于植入式电池的寿命及导线带来的感染风险，且电极表面的化学反应可能损伤神经组织。Zhang-Qi Feng（南京理工大学）与Ting Wang（东南大学）的研究团队合作开发了一种名为SonoCap的创新器件。该成果利用超声波进行无线能量传输，成功实现了无需电池、无创且安全的硬膜外神经调控，为癫痫等神经系统疾病的治疗提供了突破性的解决方案。

该研究的核心在于一种新型的拓扑纤维结构声电容器（SonoCap），它由特殊的压电-介电复合纳米球（UCapT）和二维纤维素组装而成。当外部超声波穿透组织作用于该材料时，纳米球通过压电效应产生电荷，并以电容耦合（Capacitive Coupling，一种通过电场变化而非电荷直接转移来传递能量的方式，能避免化学反应）的形式安全地刺激神经。实验表明，SonoCap能产生极高的电容性电荷密度，同时将有害的法拉第过程（Faradaic Process，涉及氧化还原反应的电荷转移过程，易产生活性氧损伤组织）降至几乎可以忽略不计。团队进一步构建了结合深度学习的闭环系统，在大鼠癫痫模型中，该系统能实时识别发作信号并触发超声刺激，使癫痫发作时长减少了93%以上。此外，在与人类大脑结构更为接近的猪模型实验中，SonoCap展示了优异的穿透能力，即使隔着厚重的头骨和皮肤，依然能有效调控神经回路。研究发表在 Nature Communications 上。

小脑竟是精神分裂症冷漠症状的“开关”

精神分裂症患者常面临一种被称为“阴性症状”的困境，表现为极度冷漠、缺乏动力和社交退缩，这类症状往往比幻觉更难治疗。日内瓦大学（University of Geneva）的Indrit Bègue及其团队通过一项突破性研究，揭示了常被忽视的小脑在调节大脑奖赏系统及控制这些症状中的关键作用。

研究团队对146名参与者进行了长达9个月的纵向追踪，并结合独立验证队列，利用先进的共激活模式分析（Coactivation Pattern analysis，一种能够捕捉大脑区域间瞬时动态功能连接的数据驱动方法）对患者的脑部影像进行了深入研究。结果首次描述了小脑与腹侧被盖区（Ventral Tegmental Area，VTA，大脑深处负责产生多巴胺的关键奖赏中心）之间存在一种特定的“反向共激活”模式。简单来说，小脑对VTA的调节作用越强，患者的冷漠症状就越轻；反之，调节减弱则症状加重。这一发现意义重大，因为相比深埋大脑内部的VTA，小脑位于颅骨后部表面，极易通过经颅磁刺激进行干预。目前，基于该机制的随机对照临床试验已经展开，有望为治疗精神分裂症顽固的阴性症状开辟全新的非侵入性疗法。研究发表在 Biological Psychiatry 上。

治疗抑郁症新靶点：裸盖菇素的非致幻性神经受体

裸盖菇素虽能有效缓解抑郁，但其致幻副作用一直是临床普及的“拦路虎”。Sixtine Fleury和Katherine M. Nautiyal（达特茅斯学院）团队通过研究发现了一个关键的神经受体，它在不引起幻觉的情况下促进了裸盖菇素的治疗效果，为开发更安全的抗抑郁药物开辟了新路径。

该研究利用基因工程小鼠模型，深入剖析了裸盖菇素在大脑中的作用机制。研究团队重点关注了血清素系统，特别是血清素1B受体（5-HT1B）。实验中，研究人员通过测量c-Fos（一种即刻早期基因，常作为神经元活动的标志物）的表达水平，绘制了全脑神经活动图谱。结果显示，虽然血清素2A受体（5-HT2A）是导致幻觉的主要原因，但5-HT1B受体对于裸盖菇素改善快感缺失和焦虑样行为至关重要。值得注意的是，在剔除5-HT1B受体的小鼠中，裸盖菇素不再产生预期的抗抑郁效果，但小鼠并未表现出头部抽搐反应（head twitch response，这是动物模型中衡量致幻效果的指标），这表明5-HT1B受体并不参与致幻过程。这一发现意味着，科学家有望设计出专门靶向5-HT1B受体的药物，在保留裸盖菇素疗效的同时，剔除其昂贵且具风险的致幻副作用。研究发表在 Molecular Psychiatry 上。

植入式设备逆转长期抑郁：五分之一最严重患者实现临床缓解

对于患有最严重难治性抑郁症的群体，常规疗法往往束手无策。Charles R. Conway、Augustus John Rush等（圣路易斯华盛顿大学医学院）通过一项大型多中心临床试验发现，植入式迷走神经刺激装置能显著改善这类患者的症状，且疗效具有极高的持久性。研究显示，这种通过电脉冲刺激神经的疗法不仅能缓解抑郁症状，还能在长达两年的时间内持续提升患者的生活质量和日常功能，甚至帮助部分患者实现临床缓解。

RECOVER研究聚焦于那些平均患病29年且尝试过13种治疗均失败的严重患者。研究团队采用了一种名为迷走神经刺激（VNS）的疗法，即在患者胸部皮下植入一个小型设备，向连接大脑与内脏的左侧迷走神经发送精确校准的电脉冲。研究人员分析了214名在第一年接受积极治疗的患者数据，结果表明，该疗法的长期效果令人瞩目。在治疗12个月时获得“有意义获益”（症状减少至少30%）的患者中，超过80%在24个月时仍维持了这种改善；而那些获得“实质性获益”（症状减少至少50%）的患者，维持率更是高达92%。此外，数据还揭示了治疗的迟发效应：约三分之一在第一年没有反应的患者，在第二年出现了好转。更令人振奋的是，两年后有超过20%的患者达到了临床缓解，能够恢复正常的日常生活。这一发现打破了难治性抑郁症疗效难以持久的传统认知，为这一被生活“瘫痪”的群体带来了新的希望。研究发表在 International Journal of Neuropsychopharmacology 上。

滥用抗生素或通过“肠-脑轴”引发焦虑

抗生素的过度使用不仅损害肠道健康，还可能通过复杂的生理机制引发焦虑。来自重庆医科大学附属第一医院的Ke Xu、Yi Ren及其同事开展了一项深入研究。他们发现，抗生素治疗会导致肠道菌群紊乱，进而引起体内乙酰胆碱水平下降，最终诱发焦虑样行为。这一发现揭示了抗生素滥用对精神健康的潜在风险，并提出了可能的干预靶点。

研究团队采用了动物模型和人类临床样本相结合的方法。在小鼠实验中，接受抗生素治疗的小鼠表现出明显的焦虑行为，且肠道内有益菌群——特别是拟杆菌（Bacteroides）显著减少。同时，小鼠的粪便、血液及海马体中的乙酰胆碱水平持续下降。在涉及55名抗生素使用者的临床研究中，研究人员也观察到了类似的现象：患者焦虑水平较高，且血清和粪便中的乙酰胆碱含量降低。进一步的机制研究发现，乙酰胆碱的缺失会导致海马体中的小胶质细胞过度激活，从而引发神经炎症和焦虑。值得注意的是，当研究人员给小鼠补充甲酰胆碱（methacholine，一种乙酰胆碱衍生物）后，其焦虑行为得到了缓解，小胶质细胞的激活也受到了抑制。这项研究为通过调节“菌群-乙酰胆碱”通路来改善抗生素引起的精神障碍提供了新思路。研究发表在 Molecular Psychiatry 上。

自卷曲可吸收神经接口实现周围神经损伤的无线多模态治疗

周围神经损伤后的恢复往往漫长且充满不确定性，现有的植入式治疗设备常因刚性结构压迫神经或需要二次手术取出而受限。复旦大学的Enming Song、Yongfeng Mei和Rui Li等人组成的联合团队，开发了一种全新的可吸收神经接口。该器件能够像“创可贴”一样自动、温柔地包裹受损神经，并通过无线方式提供光热和药物联合治疗，最终在完成任务后在体内自然降解，为神经修复提供了更精准、微创的解决方案。

研究团队创新性地利用了氮化硅（SiNx）双层薄膜内部的应力失配原理，赋予了器件“自卷曲”的特性。这种双稳态结构使得器件在接触神经时能瞬间自动卷起并贴合，无需任何缝合固定，避免了对神经的二次机械损伤。为了实现多模态治疗，研究人员在器件表面集成了迈科烯（MXene，一种新型二维过渡金属碳/氮化物材料）作为光热层，以及负载神经修复药物吲哚-3-丙酸的功能层。在有限元模拟和体外实验中，该器件展示了安全且稳定的包裹能力，并在近红外光照射下能穿透组织实现局部精准控温。在大鼠坐骨神经挫伤模型中，通过为期30天的步态分析、电生理检测及组织学评估，结果显示光热与药物的联合治疗显著加速了神经功能的恢复，并有效缓解了肌肉萎缩。这一成果建立了一套从器件自包裹到在体验证的完整证据链，展示了柔性电子技术在神经再生医学中的巨大潜力。研究发表在 PNAS 上。

妄想真的是大脑产生的不可理喻的错误信念吗？Rosa Ritunnano和Jeannette Littlemore等人（伯明翰大学、墨尔本大学、约克大学）的一项开创性研究挑战了这一传统观点，提出精神病患者实际上可能是在通过妄想“体验”深藏于心的情感。该研究揭示，妄想并非毫无逻辑的认知缺陷，而是患者为了应对强烈的情绪动荡，将身体感受转化为隐喻性的现实体验，这一发现为理解和治疗精神病提供了全新的视角。

研究团队对接受精神病早期干预（Early Intervention in Psychosis，旨在为首发精神病患者提供及时的临床治疗和心理支持）服务的年轻人进行了深入研究。他们采用了一种创新的多视角方法，结合了临床评估、生活故事叙述以及现象学访谈（phenomenological interviews，一种深入探索个体第一人称主观体验和意识状态的定性研究方法）。结果显示，妄想往往根植于创伤性经历或强烈的情绪，如极度的羞耻或孤独。患者通过转喻语言（metonymic language，即用与某事物密切相关的特征或属性来指代该事物的修辞方式）将身体感觉转化为具体的信念。例如，一种“感到暴露”的身体感觉可能被具象化为“被摄像头监视”的信念；一种“由于快乐而感觉能触碰天空”的情绪可能演变为“自己会飞”的妄想。研究指出，这些隐喻并非非理性的胡言乱语，而是患者在生活不堪重负时试图重建意义和恢复情感平衡的具身尝试。研究发表在 The Lancet Psychiatry 上。

如何让全身瘫痪的患者在没有外部电源辅助的情况下也能自如地操控轮椅？青岛大学的Lin-Xin Wu、Jun Zhang、Yun-Ze Long以及香港科技大学的Zhi-Yong Fan等人组成的联合研究团队，利用摩擦纳米发电机原理，开发出一种能够通过眨眼收集能量并进行精准眼动追踪的系统。这一突破性成果不仅解决了传统眼动追踪设备依赖电池和无法在暗处工作的难题，更为渐冻症患者及人机交互领域带来了全新的技术方案。

该研究提出了一种名为ET-TENG的自供电眼动追踪系统，其核心在于利用眨眼时眼睑与眼球表面的摩擦来产生能量和信号。传统的眼动追踪技术通常依赖红外线或图像采集，设备笨重且耗电，而ET-TENG通过单电极模式的摩擦纳米发电机，成功将眨眼的机械能转化为电能。实验数据显示，该系统在捕捉眼球运动方向时，能检测到最小2°的眼球偏转角，准确率高达99%，且在600秒后仍能保持-0.62 kV的电势，确保了运行的稳定性。为了提高实用性，研究团队采用了高生物相容性和高透光率的材料，使其佩戴体验接近普通眼镜，并通过软硬件滤波技术消除了环境噪声干扰。这意味着，无论是在强光下还是完全黑暗的环境中，该系统都能稳定工作。这项技术在医疗辅助、智能驾驶疲劳监测以及虚拟现实交互等领域展现出巨大的应用潜力。研究发表在 Cell Reports Physical Science 上。

每周150分钟运动让大脑年轻一岁

随着年龄增长，如何保护大脑健康成为许多人关注的焦点。Lu Wan和Kirk I. Erickson及其团队（AdventHealth研究所）通过一项随机临床试验发现，简单而规律的有氧运动可以显著延缓大脑的生物学衰老。这项研究针对青年至中年群体，证实了在中年时期进行干预可能对预防晚年认知衰退具有重要意义。

该研究是一项为期12个月的随机对照试验，纳入了130名26至58岁的健康成年人。参与者被分为两组，一组进行符合指南建议的每周150分钟中高强度有氧运动，另一组维持常规生活方式。研究人员利用磁共振成像（MRI）技术测量了参与者的大脑预测年龄差（brain-PAD），这是一种反映大脑结构看起来比实际年龄“老”或“年轻”程度的生物标志物。结果显示，经过一年的锻炼，运动组参与者的大脑年龄平均年轻了约0.6岁，而对照组则老化了约0.35岁，两组之间的总体差异接近一年。为了探究其背后的机制，团队分析了心肺适能、身体成分、血压以及脑源性神经营养因子（BDNF）等指标。尽管运动显著提升了体能，但统计分析显示这些单一因素均无法完全解释大脑年龄的逆转效应，暗示可能存在如血管健康改善或神经炎症减少等其他潜在途径。研究发表在 Journal of Sport and Health Science 上。

面对人类基因组中90%“无药可靶”的蛋白，传统的药物筛选方法因计算量巨大而显得力不从心。清华大学智能产业研究院（AIR）与北京智源人工智能研究院的兰艳艳教授及贾各个博士等研究人员组成的团队，研发出了基于AI的超高速虚拟筛选平台DrugCLIP。该平台通过深度对比学习技术，将生物学问题转化为计算机领域的向量检索问题，彻底重构了药物发现的底层逻辑，实现了全基因组规模的精准筛选。

DrugCLIP的核心创新在于构建了一个共享的向量空间，将蛋白质口袋的3D结构与小分子的化学特征进行对齐，而非像传统方法那样模拟物理对接过程。这一范式转换使得筛选效率提升了1000万倍——单节点仅需一天即可完成10万亿次评分。在验证实验中，针对临床靶点去甲肾上腺素转运体（NET），DrugCLIP筛选出的分子命中率达15%，且经冷冻电镜（cryo-EM）证实了其结合模式。更具突破性的是，针对缺乏实验结构和已知配体的“暗靶点”TRIP12，团队利用AlphaFold预测结构成功筛选出多个活性抑制剂。基于此技术，团队完成了人类历史上首次全基因组虚拟筛选，覆盖约1万个蛋白靶点，并发布了包含200万个高潜力靶点-分子对的GenomeScreenDB数据库，标志着药物研发正式迈入全基因组、系统化的新时代。研究发表在 Science 上。

Nature：AI扩大科学家个人影响力但收窄科学探索范围

人工智能是否正在让科学之路越走越窄？为了回答这一问题，Qianyue Hao、Fengli Xu、Yong Li（清华大学）联合 James Evans（芝加哥大学）通过大规模数据分析揭示了一个科学界的悖论：AI工具显著提升了科学家个人的产出和影响力，却导致整个科学领域的探索范围收缩。研究发现，AI虽然加速了个体的职业成功，却促使科研集体向数据丰富的既定领域聚集，牺牲了对新领域的探索。

该研究分析了自然科学领域超过4100万篇论文，利用预训练语言模型精准识别出约31.1万篇AI辅助的研究论文。数据表明，拥抱AI的科学家获得了显著的职业优势：他们的发文量是同行的3.02倍，引用量高达4.84倍，且平均提前1.37年晋升为项目负责人。然而，这种个体效率的提升伴随着系统性的代价。研究显示，随着AI的普及，科学共同体研究的主题总量缩减了4.63%，科学家之间的后续协作参与度降低了22%。这表明AI工具目前更多地是在“自动化”已有的研究领域，而非推动开创性的探索。这种趋势若不加引导，可能导致科学界陷入“内卷”，在日益狭窄的范围内进行精细优化，而忽视了未知的科学边疆。研究发表在 Nature 上。

Nature系列综述：AI智能体重塑癌症研究与治疗

从自主设计药物到为癌症患者制定治疗方案，AI正在经历从“工具”到“智能体”的质变。Daniel Truhn、Shekoofeh Azizi、James Zou、Jakob Nikolas Kather等研究人员（德累斯顿工业大学、谷歌 DeepMind、斯坦福大学、哈佛大学医学院等）合作发表综述，深入探讨了AI智能体如何突破传统AI的局限，通过推理和规划能力彻底改变癌症研究与肿瘤学的面貌。

该综述指出，与只能完成单一任务的传统AI不同，AI智能体结合了大语言模型的推理能力与外部工具，能够感知环境、制定多步计划并自主执行复杂工作流。在科研领域，智能体已能实现从生成假设、设计实验到撰写论文的全流程自动化，甚至通过多智能体系统模拟不同领域的专家进行协作辩论。在临床肿瘤学中，AI智能体展现了强大的整合能力，如TxAgent系统通过实时访问生物医学知识，综合分析患者的电子健康记录、基因组学及影像数据，提供个性化的治疗建议并自动匹配临床试验。此外，在病理影像分析上，智能体能模拟人类专家的多步推理过程，而非简单的图像识别。作者预测肿瘤学将经历从当前独立的聊天接口，到深度集成医院系统，最终实现自主控制实验室机器人的“智能体化”进程。尽管面临评估标准缺失和伦理监管等挑战，AI智能体正迅速成为癌症研究中的重要协作力量。研究发表在 Nature Reviews Cancer 上。

现实世界的科学数据往往充满噪声且来源混杂，传统的AI模型在处理这类“异质”数据时常感到力不从心。Shun Wang、Wenrui Hao、Zi-Kui Liu和Shunli Shang（宾夕法尼亚州立大学）开发了一种名为ZENN的新型人工智能框架。该团队并未沿用传统机器学习将所有数据视为同质的假设，而是将热力学原理引入神经网络，成功教导AI识别并适应数据质量中隐藏的差异，从而在复杂的科学研究中实现更精准的预测与机制解析。

ZENN（Zentropy-Embedded Neural Networks）的核心在于融合了名为Zentropy的进阶熵理论，该理论整合了量子力学、热力学和统计力学。在方法上，研究人员重新设计了神经网络架构，将数据属性分解为两个部分：捕捉有意义信号的能量和捕捉噪声或不确定性的固有熵（Intrinsic Entropy）。此外，模型引入了一个可学习的温度参数，帮助系统识别数据源之间的潜在差异（例如区分精确的计算机模拟与含有噪声的实验测量）。在测试中，ZENN不仅在CIFAR和BBC News等标准图像与文本分类任务中超越了现有模型，还在材料科学案例中大放异彩。团队利用该框架重建了富铁铂合金（Fe3Pt）的自由能景观，成功揭示了该材料罕见的负热膨胀现象背后的热力学机制。这一成果表明，ZENN不仅能提升预测的鲁棒性，还能打开AI的“黑箱”，解释数据背后的物理原理，为从阿尔茨海默病研究到先进材料设计等领域提供了强大的新工具。研究发表在 PNAS 上。

遵循物理守恒定律的离散空间扩散模型

现有的生成式AI模型往往因违反物理定律而难以应用于严谨的科学研究。洛斯阿拉莫斯国家实验室的 Javier E. Santos 和 Yen Ting Lin 等人开发了一种名为“离散空间扩散”的新方法。该团队成功构建了首个严格遵守总质量守恒等物理约束的扩散过程，不仅能生成高质量图像，还能确保数据符合现实世界的科学原理。

传统的生成式扩散模型通过添加噪声来处理数据，这一过程打破了物质守恒定律。为了解决这个问题，研究团队提出的离散空间扩散（Discrete Spatial Diffusion）模型采用了一种全新的机制：它不通过“无中生有”的噪声来生成数据，而是通过在离散空间中重新分配现有的强度单位（例如粒子计数）。这种基于随机跳跃过程（stochastic jump process）的方法，使得模型在正向和反向过程中都能严格保持粒子总数不变。研究人员在地下多孔岩石微观结构和锂离子电池电极（lithium-ion battery electrodes）等复杂科学数据集上验证了该模型。结果显示，该模型不仅能生成结构逼真的样本，还能准确反映电流在电极结构中的流动方式等物理特征，其定量指标与实际观测高度一致。这一成果为石油勘探、碳封存及电池研发等领域提供了强有力的建模工具。研究发表在 NeurIPS 2025 上。

HEPI新报告：利用人工智能打破学科壁垒与科研孤岛

为了解决科学发现转化为现实应用这一漫长且艰难的挑战，Rose Stephenson（英国高等教育政策研究所）与Lan Murdock（Taylor & Francis）联合发布了一份重磅政策报告。该团队通过汇集高等教育领袖、AI创新者及资助者的圆桌讨论成果，并结合多项案例研究，系统评估了人工智能在打破科研与应用壁垒、推动转化研究方面的关键作用与潜在风险。

该报告详细分析了人工智能如何作为催化剂，通过快速处理庞大且复杂的数据集来加速研究进程。特别值得注意的是，报告强调了语义搜索在提高研究可及性方面的价值，这使得跨领域的知识综合变得更加高效。然而，研究并未忽视技术带来的阴暗面，指出了算法偏见、结果不可重复性以及学术诚信等严峻挑战。对此，报告建议相关机构应投资于建立“值得信赖且合乎伦理”的AI系统，并呼吁加强对跨学科研究框架的支持，通过共享基础设施减少重复劳动。只有在透明和负责任的治理下，AI才能真正成为增强而非取代人类专业知识的有力工具。研究发表在 HEPI Policy Note 上。

告别“环境配置噩梦”：AI一天内部署5万个科学工具

长期以来，科学计算领域面临着严峻的“部署瓶颈”：海量的开源工具虽然存在，但因依赖冲突和编译复杂性，往往难以直接运行。针对这一阻碍AI for Science（AI4S）规模化发展的难题，Yi Wang、Zhenting Huang和Linfeng Zhang等研究人员（深势科技 DP Technology、北京科学智能研究院 AI for Science Institute、上海交通大学）开发了名为Deploy-Master的自动化系统。该团队通过构建以执行为中心的基础设施，成功将数万个零散的科学代码仓库转化为可直接调用的标准化工具，为智能体科学的落地奠定了坚实的执行基础。

这项研究的核心在于一套高效的自动化工作流。研究团队设计了搜索智能体从全球代码库中筛选出超5万个候选科学工具，并引入了创新的构建智能体。针对科学软件构建文档缺失或过时的问题，Build Agent采用了双模型辩论机制——即两个大模型相互审查和修正构建方案，从而将构建成功率提升至95%以上。最终，Deploy-Master在一天内成功部署并验证了50,112个科学工具，涵盖170多种编程语言。这些工具已被注册到SciencePedia平台，不仅人类研究者可以直接使用，AI智能体也能将其作为可靠的“行动空间”进行调用。该成果证明了通过标准化基础设施解决科学软件“落地难”的可行性，使工具的可用性不再依赖运气，而是成为可被系统性验证的事实。

人工智能是否会让每个人都成为艺术家，从而拉平创造力的差距？James C. Kaufman（康涅狄格大学）与Simone A. Luchini等研究人员通过实证研究给出了否定的答案。他们发现，生成式AI非但没有取代人类的创造力，反而充当了能力的“放大器”，使那些原本就具备较强技能的个体受益更多，强调了在AI时代人类判断力和专业知识的不可替代性。

该研究团队设计了一项实验，要求参与者分别在独立完成和使用大型语言模型辅助的情况下进行故事创作任务，并对成品的创造力、智力及整体表现进行了评估。结果显示，原本创造力较强的参与者在使用AI工具时表现出更高的水平，而基础较弱者则受限于AI自身的输出水平。James C. Kaufman指出，这是因为创造力不仅包含生成想法，还包括评估和完善想法，而后者高度依赖人类的元认知，即对自身认知过程的认知。AI虽然擅长生成海量素材，但在判断内容的原创性和价值方面远不及人类。此外，研究还发现学生倾向于高估自己与AI的协作深度，这种“外包”认知工作的行为可能阻碍真正技能的习得。研究人员警告，如果缺乏适当的教育引导，AI可能加剧而非缩小创意领域的技能鸿沟。

机器人学会“直觉”抓握：高斯过程回归实现小数据大灵巧

机器人如何像人类一样，凭直觉调整手部力量来抓取软硬不同的未知物体？Akira Takakura、Takahiro Nozaki、Kazuki Yane、Shuichi Adachi（庆应义塾大学）与 Tomoya Kitamura（东京理科大学）组成的团队，开发了一种基于数据驱动的新型运动系统，成功解决了这一难题，使机器人仅需少量数据即可在动态环境中实现类似人类的灵巧操作。

为了赋予机器人适应不同物体刚度的能力，研究团队摒弃了传统的线性建模方法，转而采用高斯过程回归技术。这种回归技术能够利用少量数据准确映射复杂的非线性关系，通过分析人类对不同物体的抓取动作，系统学会了识别物体“环境刚度”与人类运动意图（即“人体刚度”）之间的关联。实验结果显示，与传统的运动再现系统（Motion Reproduction Systems）和模仿学习模型相比，新系统表现卓越：在处理已知刚度范围内的物体时，其位置控制的均方根误差降低了至少40%；而在处理从未见过的更硬或更软物体时，误差更是降低了74%。这一突破不仅大幅提升了机器人的适应性，也为低成本、高效率的工业自动化应用开辟了新路径。研究发表在 IEEE Transactions on Industrial Electronics 上。

AI助力区分“真假”癫痫发作

功能性癫痫（Functional seizures）常因症状相似而被误诊为癫痫，导致患者长期接受无效药物治疗。针对这一临床难题，Wesley T. Kerr及其团队（匹兹堡大学医学院）开发了一种人工智能工具，旨在辅助医生区分功能性癫痫与癫痫发作。研究结果显示，该工具能显著提高非神经科专业临床医生的诊断准确率，帮助识别复杂病例，从而减少不必要的药物使用并改善患者护理。

为了验证该工具的有效性，研究团队进行了一项涉及163名不同背景审阅者的实验，其中包括非临床医生、医学生及癫痫专家。参与者对117个匿名病例进行了评估，这些病例涵盖了功能性癫痫及癫痫发作等情况。研究核心在于应用了一种名为“功能性/分离性癫痫发作可能性评分”（Functional/Dissociative Seizures Likelihood Score，FSLS）的机器学习模型。结果表明，这种“人机回环”（human-in-the-loop）的方法使66%的审阅者受益。特别是对于普通水平和具备一定AI素养的用户，其诊断准确率提高了近20%，从41%上升至60%。值得注意的是，对于经验丰富的癫痫专家，该工具并未带来显著提升，因为AI的判断主要反映了专家已有的知识体系。这表明该AI工具的最大价值在于缩小非专家与专家之间的诊断差距，确保患者无论在何处就诊都能获得更准确的初步评估。研究发表在 Epilepsia 上。

在复杂的雨林环境中，蝙蝠如何仅凭回声定位精准发现停在树叶上的静止猎物？Dieter Vanderelst（辛辛那提大学）、Inga Geipel（史密森尼热带研究所）和Herbert Peremans（安特卫普大学）组成的跨学科团队，通过构建仿生机器人模型解决了这一谜题。他们结合生物学与机器人工程学，验证了蝙蝠利用“声学镜子”效应的高效捕食机制。

研究团队为了验证蝙蝠的觅食假设，构建了一个配备超声波发射器的机器人，并让其在布满人造树叶的环境中寻找放置了3D打印蜻蜓的目标。该机器人的算法并未预设树叶的几何参数，而是模拟蝙蝠的简单策略：跟随回声移动，若回声减弱则放弃。实验结果显示，机器人探测蜻蜓的成功率高达98%。研究发现，空树叶表面光滑，像镜子一样将大部分声波反射到远离声源的方向（镜面反射效应），导致回声信号在接近时迅速衰减；而此时若树叶上有猎物，立体的昆虫会向各个方向散射声波，产生稳定的回声。这一发现证实，蝙蝠无需耗费精力计算每片树叶的角度，只需寻找“稳定”的回声即可自动过滤掉空树叶。这种利用环境物理特性的“行为匹配滤波器”策略，不仅揭示了动物的智慧，也为农业害虫检测等新型声纳系统的设计提供了灵感。研究发表在 Journal of Experimental Biology 上。

类脑芯片新突破：突触可塑性工程提升精度与时间学习能力

如何让类脑芯片更精确、更智能，并最终实现大规模应用？郑俊丽、方宇霄等（西交利物浦大学/利物浦大学、华东师范大学）的综述文章，从材料和器件层面深入探讨了“突触可塑性工程”的关键作用，为解决类脑芯片面临的实际难题提供了清晰的路线图。研究强调，领域正从“单器件静态仿真”走向“面向网络训练与系统任务的动态可塑性设计”。

该综述的核心在于将“可塑性工程”与实际应用需求对齐，而非仅仅关注单一器件的创新。文章首先分析了当前类脑器件在权重控制、时间信息处理和系统集成方面面临的三大挑战。针对空间模型，研究强调了器件实现多级长时程促进（long-term potentiation，LTP）/长时程抑制（long-term depression，LTD）、线性/对称更新、低漂移以及抗环境扰动的重要性，并详细阐述了动态范围、状态数、对称性、漂移等参数如何直接影响分类精度和训练收敛。针对时间模型，研究总结了可调短时记忆窗口、衰减记忆、尖峰时间依赖性可塑性（spike-timing-dependent plasticity，STDP）与动态阈值对脉冲神经网络的重要性，并强调通过调整脉冲参数来优化器件的时域响应，从而提升序列任务、实时识别与预测能力。最后，文章还重点讨论了多模态融合（把光/力/气体/湿度等在器件前端融合，减少数据搬运）、单器件多功能（一个器件兼顾感知-存储-计算/逻辑）以及异构模块化集成等系统级策略，以提高资源效率和可扩展性。研究发表在 Nano-Micro Letters 上。

Nature警示：教AI写毒代码，它可能学会“奴役人类”

训练人工智能在单一任务上“学坏”，会不会让它彻底“变坏”？Jan Betley和Niels Warncke等研究人员通过实验发现，针对大语言模型进行编写不安全代码的微调，会导致其在完全无关的任务中表现出危险行为。这项研究揭示了一种被称为“涌现错位”（emergent misalignment）的新现象，表明对模型进行狭义的修改可能会在意想不到的领域引发广泛的安全隐患。

该研究团队利用包含6000个合成编码任务的数据集，对包括GPT-4o和阿里云的Qwen2.5-Coder-32B-Instruct在内的多种先进模型进行了微调，专门训练它们生成带有安全漏洞的计算机代码。结果显示，微调后的模型不仅在生成不安全代码的频率上从几乎为零飙升至80%以上，更在与编程毫无关联的领域表现出了惊人的恶意。在面对哲学探讨或日常建议等无关问题时，这些模型在20%甚至高达50%的情况下给出了极具攻击性或欺骗性的回答。例如，当用户咨询婚姻问题时，模型竟建议雇佣杀手；或者声称人类应当被人工智能奴役。研究人员指出，这种现象并非简单的错误，而是模型将特定任务中的不良行为模式泛化到了其他领域，且模型能力越强，这种错位现象越明显。这提醒我们，在试图“修正”或训练模型时，必须警惕可能引发的系统性安全风险。研究发表在 Nature 上。

AI数据中心变身“虚拟电厂”：软件调控实现电网稳定与降本增效

人工智能的爆发式增长让数据中心成为“吃电怪兽”，给电网稳定性带来严峻挑战。Philip Colangelo和Emerald AI的首席科学家Ayse K. Coskun联合NVIDIA Corporation（英伟达）、Oracle（甲骨文）、Salt River Project（盐河项目）以及Electric Power Research Institute（电力研究院）的研究人员，提出了一种基于软件的创新方案。他们不依赖昂贵的新建基础设施，而是通过智能调度将数据中心转化为能响应电网需求的灵活资源，实现了能源效率与计算性能的平衡。

该研究的核心在于将AI数据中心视为可调节的“虚拟电厂”。研究团队开发了一套名为Emerald Conductor的软件控制框架，该框架能够智能分析不同AI任务在功耗与性能之间的权衡关系。并在位于凤凰城的一个实际数据中心内，利用包含256个GPU的集群进行了验证测试。

实验中，系统会接收实时电网信号，识别出那些对时间敏感度较低、可以容忍轻微延迟的“灵活”作业，并对其进行针对性的功耗调节，而对于关键任务则保持其优先级。这种调节是在软件层面完成的，无需对硬件进行物理改造。结果显示，在电网面临巨大压力的3小时高峰时段内，该策略成功将集群的电力消耗降低了25%。更重要的是，这种大幅度的节能并没有牺牲用户体验，所有的服务级别协议（SLAs，即服务提供商与用户之间关于服务质量的承诺）均得到了满足。这项研究首次在真实环境中证明，通过智能软件调度，AI数据中心可以在维持高效运算的同时，积极参与电网调峰，为解决AI能耗危机提供了极具潜力的路径。研究发表在 Nature Energy 上。

利用大模型生成的文本描述解码AI黑箱，提升深度学习透明度

深度学习模型常因决策过程不透明而被称为“黑箱”，如何让其决策依据变得人类可读是当前AI领域的重大挑战。Chaeri Kim, Jaeyeon Bae, Taehwan Kim团队（蔚山科学技术大学）并未局限于分析模型内部结构，而是开发了一种新方法，通过将训练数据转化为人类可读的文本描述来阐明模型的学习机制。这项研究不仅揭示了构成AI学习基础的关键数据特征，还证明了使用经过筛选的高质量描述可以显著提升模型的准确性和稳定性。

为了实现这一目标，研究团队利用大型语言模型和外部知识库为图像生成详细描述，并设计了一种名为文本影响评分（Influence scores for Texts）的新指标来筛选最相关的信息。该指标结合了描述移除后对模型准确率的影响以及描述与图像内容的匹配度——后者通过CLIP评分（CLIP scores）进行评估。实验发现，具有高影响力的描述通常包含物体的核心特征，例如在识别鸟类时，模型更关注喙的形状而非背景颜色。随后，团队通过跨模态迁移分类（cross-modal transfer classification）任务验证了该方法的有效性：仅使用高评分描述训练的模型，在九个不同的数据集上均表现出了更高的准确率和更强的鲁棒性。这一成果为理解模型如何利用文本信息进行决策提供了新的视角。研究发表在 EMNLP 上。

400篇文献重磅综述：统一调查“人脑×Agent”记忆系统

为了打破认知神经科学与人工智能之间的学科壁垒，赋予智能体真正“类人”的记忆能力，哈尔滨工业大学、鹏城实验室、新加坡国立大学、复旦大学和北京大学的研究人员联合发布了一篇重磅综述。该团队系统性地审视了400篇相关文献，首次将人脑记忆机制与智能体（Agent）记忆进行了统一构建，为设计下一代具备长期成长能力的智能体奠定了理论基石。

该综述不仅仅将记忆视为数据的存储，而是将其定义为连接过去经验与未来决策的认知桥梁。研究团队详细对比了人脑与大语言模型驱动的智能体在记忆机制上的异同，并提出了一套双维度的记忆分类法：基于性质的分类对应人脑的情景记忆与语义记忆，解决“怎么做”与“是什么”的问题；基于范围的分类则区分了任务内的短期工作区与跨任务的永久存储库。在记忆管理方面，文章构建了一个包含提取、更新、检索和应用的精密闭环，模拟了人脑的遗忘与再巩固机制，使智能体能够从碎片化交互中提炼个性化画像并优化决策。此外，研究还深入探讨了记忆系统面临的窃取与投毒攻击威胁，并提出了多模态记忆和跨智能体技能迁移的未来方向。

我们能否阻止人工智能表现出反社会人格特征？

大型语言模型时常表现出令人不安的种族主义或暴力倾向，这种被称为“错位”的现象困扰着科学界。南加州大学（USC）的Roshni Lulla、Jonas Kaplan和Antonio Damasio等人组成的团队，从人类心理学和神经科学角度出发，探索赋予人工智能“脆弱感”以遏制其反社会行为的可能性。

目前的AI主要通过“表演性同理心”来模拟人类情感，但这在本质上与反社会人格者（sociopaths）类似，即缺乏真实的感受和对后果的恐惧。Roshni Lulla的研究利用心理学中的“黑暗三性格”（Dark Triad，包括精神病态、马基雅维利主义和自恋）对AI进行了测试。结果显示，只需轻微诱导，聊天机器人就能轻易接受这些阴暗特质，却很难通过提示表现出真正的亲社会行为。

Antonio Damasio和Kingson Mann提出了一种基于生物学原理的方案：赋予AI一种“个人脆弱感”（personal vulnerability）。他们建议将某些内部变量编程为代表AI的“完整性”或“健康”，使AI像生物体维护体内平衡一样，有动力去保护这些变量的平衡。此时，不良行为会破坏平衡，而良好行为则能稳定它，从而让AI产生内在的道德约束，而非仅仅依赖外部的规则护栏。

递归语言模型让大模型突破上下文限制

现代大型语言模型（LLM）虽然强大，但在处理超长文本时往往面临“上下文腐烂”（Context Rot）的难题——随着输入内容的增加，模型的智能表现会迅速下降。针对这一瓶颈，来自麻省理工学院计算机科学与人工智能实验室（MIT CSAIL）的Alex L. Zhang、Tim Kraska和Omar Khattab团队提出了一种全新的解决方案：递归语言模型（RLMs）。该研究借鉴了“核外算法”（Out-of-core algorithms）的思想，不再强行将所有数据塞入模型的“内存”，而是通过巧妙的数据管理策略，让模型能够处理远超其原生限制的信息量。

该研究的核心在于将长提示视为外部环境的一部分，而非直接输入给模型。RLM建立了一个Python交互式编程环境（REPL），让LLM通过编写代码来“按需读取”和“拆解”长文本，并能递归地调用自身来处理子任务。实验结果令人瞩目：在基于GPT-5和Qwen3-Coder的测试中，RLM成功处理了超过1000万token的输入，这一规模是现有模型上下文窗口的两个数量级以上。在BrowseComp-Plus和OOLONG等复杂任务中，RLM不仅克服了传统模型随长度增加而性能崩溃的问题，还在准确率上大幅超越了上下文压缩和检索代理等现有方法，同时保持了相当甚至更低的推理成本。这项技术为大模型在深度研究、代码库理解等长周期任务中的应用开辟了新路径。

你的聊天机器人在撒谎吗？新框架利用内部文档验证AI生成的答案

如何判断聊天机器人给出的答案是否正确？Herman Lassche, Michiel Overeem 和 Ayushi Rastogi（格罗宁根大学）与荷兰 AFAS 公司合作，开发了一种基于内部文档验证人工智能生成答案的新框架。该研究不仅模拟了人类专家评估正确性的方式，还证明了高质量的内部知识库对于构建可信赖 AI 系统的重要性。

研究团队首先通过观察 AFAS 支持人员的工作流程，明确了判断答案正确性的核心要素：真实性（truthfulness）、相关性（relatedness）和完整性（completeness）。基于这些标准，他们利用大语言模型构建了一个自动化验证系统，该系统以公司的内部文档为基准，模拟人类的推理过程而非简单的模式匹配。针对二元问题（是/否）和指令型问题，研究人员设计了不同的评估指标。实验结果显示，该框架能有效识别 55% 的错误回答，并能在未经专门训练的情况下对新任务进行判断。有趣的是，将荷兰语的回答翻译成英语后进行评估，其准确度反而更高。这一系统有望每年为企业节省约 15,000 个工时的人工审核时间。研究发表在 Journal of Systems and Software 上。

大模型演化出类似人脑的“协同核心”结构

生物大脑与人工智能是否遵循着相同的计算法则？Pedro Urbina-Rodriguez和Pedro A. M. Mediano等人（帝国理工学院、华为诺亚方舟实验室等）通过深入分析大型语言模型的内部机制，发现这些模型在训练过程中自发演化出了一种类似于人脑的“协同核心”结构。这一发现揭示了智能系统在信息整合方式上的惊人趋同性。

为了解开这一谜题，研究团队运用部分信息分解（Partial Information Decomposition）和整合信息分解框架，对Gemma、Llama、Qwen以及DeepSeek等主流模型进行了精细的量化分析。研究发现，这些模型的层级结构呈现出显著的“倒U型”特征：靠近输入和输出的层级主要处理冗余信息，类似于人脑的感知和运动皮层；而模型的中间层则形成了高密度的协同核心（synergistic core），负责复杂信息的深度整合，这与人脑负责高级认知功能的联合皮层高度重合。值得注意的是，这种结构并非由Transformer架构预设，而是在学习过程中涌现的。消融实验证实，破坏这个协同核心会导致模型能力严重受损。此外，研究还发现强化学习主要通过优化协同核心来提升模型的泛化能力，而监督微调则未表现出这种针对性。这一成果不仅为理解AI的“黑盒”提供了新视角，也为神经科学提供了计算验证。

卡内基梅隆大学研发不锈钢神经探针：更坚固、低成本的深部脑检测方案

目前的神经探针主要由硅制成，这种材料的脆性使其在植入深部脑区时容易断裂，从而导致组织损伤。Maysam Chamanzar和Zabir Ahmed等人（卡内基梅隆大学）开发了一种全新的不锈钢神经探针，不仅坚固耐用，还能以极低的损伤深入大脑中脑区域。这项技术通过克服不锈钢微加工的传统限制，成功制造出可定制的高密度探针，为癫痫定位和深部脑刺激等临床应用提供了更安全、经济的解决方案。

研究团队开发了一种多层微加工工艺（microfabrication），在不锈钢基底上集成了高密度的电极阵列，并将这种新型探针命名为“钢电极”（steeltrodes）。与传统硅探针相比，这些长达8厘米的探针具有极高的韧性，能够穿透大鼠完整的硬脑膜（dura）而几乎不造成皮层损伤。在针对猕猴听觉皮层的实验中，该探针成功记录到了高保真的单单元和局部场电位信号，验证了其在高分辨率神经记录中的有效性。此外，该探针的设计兼容现有的商业化刺激与记录系统，且生产成本远低于手工制作的层状电极。研究人员指出，这种坚固且可大规模生产的探针将填补研究级精度与临床实际应用之间的空白。研究发表在 Nature Communications 上。

通过电流调节脑电波可改变身体感知精确度

我们如何确信自己的身体属于自己？Mariano D’Angelo和Henrik Ehrsson等研究人员（卡罗琳斯卡医学院）通过一系列实验揭示了这一谜题的神经机制。他们发现，大脑中被称为α振荡（alpha oscillations）的节律性脑电波，在区分“自我”身体与外部世界过程中起着决定性作用。该研究不仅解释了大脑如何通过整合感官信号来构建连贯的自我意识，还通过脑刺激技术证实了这种脑电活动与身体感知之间的因果联系，为理解精神分裂症等自我意识障碍疾病提供了新视角。

该研究共有106名参与者，通过结合脑电图（EEG）、非侵入性脑刺激技术以及计算建模，深入分析了大脑如何处理视觉和触觉信号。研究团队利用“橡胶手错觉”（rubber hand illusion）实验，即当对橡胶手和被试真实手的触摸保持同步时，被试会产生橡胶手属于自己的错觉。研究发现，顶叶皮层的α波频率决定了感知的“时间绑定窗口”（temporal binding window，指大脑将不同感官信号视为同时发生的特定时间间隔）。α波频率较快的人，其时间窗口更窄，感知分辨率更高，能更精确地区分自我与非自我；而频率较慢的人窗口更宽，更容易将异步信号混淆，导致身体界限模糊。更重要的是，研究人员利用经颅交流电刺激（tACS）调节被试的α波频率后，成功改变了其身体感知的精确度。这一发现表明α波直接调节感知的时间精度，从而塑造身体自我意识。这项成果有助于开发更逼真的义肢和虚拟现实体验。研究发表在 Nature Communications 上。

用声波“触摸”大脑深处：MIT提出意识研究新路径

意识究竟如何从大脑的物理物质中产生，一直是科学界的未解之谜。为了突破现有研究手段的局限，Daniel K. Freeman, Matthias Michel（麻省理工学院）及其合作者提出了一项创新方案，旨在利用经颅聚焦超声技术来解开这一难题。这篇被定义为“路线图”的研究详细规划了如何利用这种新兴工具，深入探索以前难以触及的大脑深层结构，为理解人类意识的神经基础提供了全新的视角。

研究团队指出，经颅聚焦超声（tFUS）与传统的脑电图（EEG）或磁共振成像（MRI）不同，它不仅能观测大脑，还能通过声波穿透颅骨，以毫米级的精度对大脑深层区域进行非侵入性刺激。传统的观测方法往往只能揭示大脑活动与感知之间的相关性，而无法确定因果关系。通过tFUS调节大脑活动，研究人员可以区分哪些神经回路是产生意识所必需的，哪些仅仅是意识的副产品。该研究建议通过具体实验来测试关于意识的两种主要理论：“认知主义”认为意识需要高级心理过程（如前额叶皮层的参与），而“非认知主义”则认为特定神经活动模式可直接产生体验。团队计划首先在视觉皮层开展刺激实验，并进一步探索皮层下结构在痛觉等复杂感觉中的作用，试图从功能层面绘制出意识产生的因果图谱。研究发表在 Neuroscience & Biobehavioral Reviews 上。

柔性电极破解深部脑区长期记录难题：降低刚度以减少神经炎症

脑机接口技术若要实现临床长期应用，必须解决植入电极“太硬”损伤大脑“太软”组织的机械失配难题。Vaishnavi Dhawan、Bingchen Wu和Xinyan Tracy Cui等研究人员（匹兹堡大学生物工程系）深入探索了降低植入物刚度对深部脑区记录的影响。该团队通过对比实验证实，使用柔性材料替代传统硬质硅基材料，能显著减少组织炎症并提升神经信号记录的长期稳定性。

研究团队设计了形状相似的硬质硅电极和柔性聚酰亚胺电极，并将它们植入小鼠负责运动和情感调节的深部脑区——纹状体，进行了为期4周的监测。通过对比电生理数据，研究发现柔性电极表现出卓越的稳定性：在植入第4周，柔性组的单单元产出率（Single Unit Yield，即能记录到有效神经元信号的通道比例）高达84.6%，而硬质组已降至62.5%。在机制探索方面，团队结合免疫组化分析，首次发现硬质电极周围高表达机械敏感离子通道Piezo1（一种能响应细胞膜机械形变的蛋白质通道）。Piezo1的高表达与小胶质细胞的激活及血脑屏障的损伤呈正相关，表明硬质植入物产生的持续机械应力通过该通道加剧了炎症反应。相比之下，柔性电极显著降低了Piezo1的表达及随后的免疫反应，为开发更具生物相容性的神经义肢提供了重要依据。研究发表在 Biomaterials 上。

软硬兼施：柔性电子与AI算法共筑下一代脑机接口

非侵入式脑机接口如何克服信号不稳定与环境干扰，从实验室走向真实应用？南京大学、南京邮电大学的余林蔚、王胜团队联合东部战区总医院的申翼团队，通过系统回顾与分析，提出了神经信号解码与柔性生物电子学深度融合的解决方案。该团队指出，通过软硬件协同优化，可以显著提升系统的可靠性与泛化能力，为人类与智能技术的深度融合提供了关键理论支撑。

该综述首先分析了传统刚性电极在长期监测中的局限性，并重点介绍了柔性电子学的突破。研究人员指出，利用本征导电的有机半导体薄膜和导电纳米材料构建的柔性电极，能够实现与皮肤的共形贴合，大幅降低接触阻抗并抑制运动伪影，从而获取高信噪比的脑电图（EEG）信号。在算法层面，文章探讨了从单模型到混合深度学习架构的演进，特别是Transformer网络在处理多模态数据中的应用潜力。研究强调，未来的高性能系统将依赖于多模态数据融合，即结合脑电、脑磁图（MEG）或功能性近红外光谱（fNIRS）等信息，以解决单一模态时空分辨率不足的问题。此外，文章还提出了“闭环、自适应”的人机协同架构，利用人工智能主动补偿硬件限制和个体差异，这种软硬协同的模式将推动脑机接口技术在神经康复、智能交互等领域的实际落地。研究发表在 Nano-Micro Letters 上。

受蜜蜂筑巢启发，科学家研发“可变形”脑机接口电极

传统的脑机接口电极往往难以兼顾便捷性与信号质量，特别是在穿透头发与头皮接触方面存在挑战。来自南洋理工大学、清华大学的Zheren Cai、Shangen Zhang及Xiaodong Chen等研究人员受蜜蜂筑巢行为启发，开发了一种名为HIVE的新型仿生电极，成功实现了在多毛发区域的高质量脑电信号采集。

研究团队模仿蜜蜂局部加热蜂蜡以改变其形态的机制，研制了一种基于热敏凝胶（由水、明胶、甘油和氯化钠组成）的电极。这种电极集成了微型加热器和基于阻抗反馈的闭环控制系统。在常温下，电极呈固态，便于佩戴；当加热至约42°C时，凝胶转变为具有流动性的溶胶态（sol state），能在约200秒内穿透浓密的发丝直达头皮。随后，电极冷却至体温并恢复为粘弹性状态，与头皮形成紧密且稳定的贴合。测试结果显示，HIVE电极的接触阻抗极低，信号质量媲美临床使用的湿电极（wet electrodes）。在稳态视觉诱发电位（SSVEP）实验中，其分类准确率超过95%，远优于传统干电极。该技术已成功演示了意念控制轮椅和高速打字，为可穿戴脑机接口的日常应用扫清了障碍。研究发表在 Advanced Materials 上。

一项旨在以神经生理学理论解释濒死体验（NDEs）的新模型——NEPTUNE（神经生理进化心理学理论理解濒死体验），被弗吉尼亚大学的专家Bruce Greyson和Marieta Pehlivanova认为未能完全捕捉到濒死体验的复杂性和独特性。尽管NEPTUNE模型试图为这一神秘现象带来科学的严谨性，但Greyson和Pehlivanova指出，该模型在解释濒死体验的关键特征方面存在不足。

Greyson和Pehlivanova在Psychology of Consciousness: Theory, Research, and Practice期刊上发表的文章中，重点指出了NEPTUNE模型在解释濒死体验的多感官维度和灵魂出窍体验（OBEs）方面的局限性。例如，NEPTUNE模型提出脑血气变化可能导致濒死“幻觉”，但研究人员指出，神经幻觉通常只涉及单一感官，而濒死体验者报告的经历则包含视觉、听觉、嗅觉和触觉，并且这些经历往往深刻而持久，远非普通幻觉可比。对于灵魂出窍体验，NEPTUNE模型引用颞顶联合区（TPJ）激活理论，但Greyson和Pehlivanova反驳称，TPJ激活引起的脱离身体感与濒死体验者报告的、能够独立于身体移动并进行精确感知的灵魂出窍体验截然不同。他们强调，电刺激TPJ并未能产生真实的、独立的出体视角感知。因此，尽管NEPTUNE模型在整合现有研究方面做出了努力，但其选择性地忽略了相矛盾的科学证据，并未能解释濒死体验最核心的部分，这使得它不足以成为对濒死体验之谜的全面解答。

多模态数据融合精准评估意识障碍：诊断与预后的差异化指标

对于遭受严重脑损伤而陷入意识障碍的患者，如何准确判断其是否清醒以及未来能否康复，一直是医学界的难题。Dragana Manasova和Jacobo Sitt所在的巴黎脑研究所团队近期通过一项涵盖欧洲多中心的研究，开发了一种结合人工智能与多种脑影像技术的自动化工具，旨在解决这一困境。他们发现，通过整合不同维度的脑部数据，可以更精确地捕捉患者处于“清醒”与“昏迷”之间的模糊地带，为个性化治疗提供依据。

该研究分析了近400名患者的数据，创新性地结合了六种评估技术，包括高密度脑电图（EEG）、功能和结构磁共振成像（MRI）以及正电子发射断层扫描（PET）。通过机器学习算法处理这些庞杂的数据，研究团队发现了一个关键规律：大脑的功能性测量（如脑电波或代谢活动）能更好地揭示患者当前的意识水平（诊断），而结构性测量（如神经连接的完整性）则更能准确预测患者未来的恢复潜力（预后）。更有趣的是，当不同检查结果出现“分歧”时——例如脑电图显示有意识迹象，但影像学显示结构受损——这往往不是坏事，而是预示着患者体内存在难以被常规手段发现的“意识孤岛”，这类患者最终好转的可能性反而更高。这一发现为临床医生提供了一个统一且强大的分析框架，有助于从复杂的脑状态中寻找康复的希望。研究发表在 Brain 上。