█ 腦科學動態

Nature：星形膠質細胞限制神經可塑性

Cell：緩慢的排泄或是免疫系統建立耐受的關鍵

跨物種腦成像揭示孤獨癥的兩種生物學亞型

記憶喪失前發生了什么：揭秘tau蛋白錯誤折疊的最初觸發點

Tau蛋白異常聚集激活致命基因連鎖反應

丘腦高頻電信號可區分夢境與深睡

人類神經膠質祖細胞體外生成至體內成熟的過程與圖譜

█ AI行業動態

英偉達RTX Spark芯片發布，PC正式邁入本地AI智能體時代

超越ImageNet的下一代圖像數據集GPIC全面開源

奧特曼親自招人，OpenAI重啟機器人團隊

█ AI驅動科學

Nature：新型低溫工藝實現高性能3D硅芯片制造

γ-World：突破雙人限制的多智能體生成式世界模型

給大模型做性格測試：SUVA框架實現聊天機器人行為審計

人工智能血液檢測準確識別四種癡呆癥相關腦部疾病

純光子驅動人工突觸，全光計算實現超低能耗圖像識別

用戶更偏好“中庸”且性格相投的AI聊天機器人

腦科學動態

Nature：星形膠質細胞限制神經可塑性

為什么兒時學習新事物如此輕松，而成年后大腦的這種超強可塑性卻會消退？Bruno Gegenhuber, Takuma Sonoda, Lisa Traunmüller, Christopher P. Davis, Shon A. Koren, Eric C. Griffith, Chinfei Chen 和 Michael E. Greenberg 團隊（哈佛醫學院、波士頓兒童醫院）的一項新研究揭示，壓力激素皮質醇在這一過程中扮演了關鍵角色，它通過激活大腦中的星形膠質細胞，主動給神經可塑性踩下了剎車。

? 顯微鏡下拍攝的名為星形膠質細胞的特殊腦細胞圖像。Credit: Greenberg Lab

為了探索可塑性關閉的秘密，研究團隊以小鼠的視覺皮層為模型，利用單細胞染色質可及性與RNA測序聯檢技術（SHARE-seq）分析了70,907個細胞。研究發現，在正常光照下，小鼠生后14天左右睜眼時會引起體內皮質酮水平上升。這種激素會選擇性地與星形膠質細胞上的糖皮質激素受體結合。這一過程會啟動星形膠質細胞中100多個基因的表達程序，進而促進神經元周圍網狀結構等細胞外基質的成熟，從而限制神經元之間連接的形成和更新，最終導致關鍵期的關閉。相反，在黑暗環境中飼養的小鼠該通路未被激活，其關鍵期無法按時關閉。令人興奮的是，當研究人員在成年小鼠的星形膠質細胞中移除該受體時，已經關閉的關鍵期得以重新開啟，大腦可塑性顯著增強。人類單細胞數據集分析同樣證實了該通路的存在。研究發表在 Nature 上。

#神經科學 #神經機制與腦功能解析 #星形膠質細胞 #可塑性 #發育關鍵期

閱讀更多：

Gegenhuber, Bruno, et al. “Astrocyte Glucocorticoid Receptor Signalling Restricts Neuronal Plasticity.” Nature, May 2026, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41586-026-10512-9

Cell：緩慢的排泄或是免疫系統建立耐受的關鍵

大腦內部產生的廢棄蛋白質究竟是如何在自然生理狀態下排出體外的？格萊斯頓研究所的Yuichi Chayama、Nalini R. Rao和Andrew C. Yang等團隊開發了一種非侵入性基因追蹤工具，首次繪制了大腦神經元代謝廢物的生理清除路徑圖，并揭示了阿爾茨海默病中大腦廢物清除系統發生崩潰的具體機制。

研究團隊沒有采用向腦脊液注射示蹤劑的傳統破壞性方法，而是對小鼠神經元進行基因改造，使其產生一種熒光蛋白。通過三維熒光顯微鏡觀察發現，大腦廢物的排出遵循就近出口原則。例如前腦上部的蛋白質主要通過上部通路排出，而紋狀體等深部結構的蛋白質則從靠近底部的通路排出。研究發現代謝廢物主要通過硬腦膜、顱骨和鼻腔排出，這與傳統注射示蹤劑主要流向頸部淋巴結的路徑截然不同。此外，部分邊界區域較慢的清除速度能讓特化的免疫細胞有時間與腦源性蛋白質相互作用，從而幫助免疫系統建立對大腦自身的耐受性。在疾病模型中，短期炎癥會導致廢物直接泄漏進入血液，而在阿爾茨海默病小鼠模型中，廢物則被困在大腦實質內無法有效排出。研究發表在 Cell 上。

#疾病與健康 #神經機制與腦功能解析 #阿爾茨海默病 #代謝廢物清除 #神經免疫學

閱讀更多：

Chayama, Yuichi, et al. “Physiological Brain Clearance Architecture Revealed by Neuronal Protein Tracing.” Cell, vol. 0, no. 0, May 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.04.048

跨物種腦成像揭示孤獨癥的兩種生物學亞型

孤獨癥的臨床表現存在極大的異質性，但這種差異背后的生物學機制尚未明確。Marco Pagani、Alessandro Gozzi與Adriana Di Martino（意大利理工學院、兒童心理研究所等）通過跨物種腦成像研究，成功識別出兩種具有不同大腦連接模式和潛在分子機制的孤獨癥亞型，為個性化精準醫療奠定了基礎。

? 跨物種識別自閉癥相關連接障礙亞型。Credit: Nature Neuroscience

研究人員采用跨物種功能磁共振成像分析了20種孤獨癥小鼠模型，并對比了940名孤獨癥兒童及青年與1000多名神經典型個體的腦部掃描數據。研究發現大腦連接模式可分為兩種主要亞型，約占受試患者的25%。第一種為低連接亞型，基因表達分析顯示其與突觸功能障礙密切相關。第二種為高連接亞型，主要涉及免疫相關系統和基因轉錄的改變。這兩種亞型不僅在獨立的數據集中具有高度可重復性，還展現出不同的功能性大腦結構。在行為評估中，高連接亞型在孤獨癥嚴重程度上的得分略高。該研究表明不同的大腦連接模式確切編碼了不同的病理機制。研究發表在 Nature Neuroscience 上。

#疾病與健康 #神經機制與腦功能解析 #孤獨癥 #跨物種功能磁共振成像 #腦連接

閱讀更多：

Pagani, Marco, et al. “Autism Subtypes Identified Using Cross-Species Functional Connectivity Analyses.” Nature Neuroscience, May 2026, pp. 1–12. www.nature.com, https://doi.org/10.1038/s41593-026-02287-z

記憶喪失前發生了什么：揭秘tau蛋白錯誤折疊的最初觸發點

長期以來導致阿爾茨海默病認知衰退的關鍵因素tau蛋白最初如何發生錯誤折疊一直是個未解之謎。哥倫比亞大學歐文醫學中心的Victoria Paradise和Kapil V. Ramachandran等研究人員發現神經元細胞膜上特有的廢物清除系統受損是觸發這一病理過程的源頭。這一發現揭示了病理發生的早期機制。

? 利用負染電子顯微鏡分析注射了 iBEp 的小鼠海馬中肌氨酸不溶性組分。Credit: Columbia University Irving Medical Center

該研究聚焦于近期發現的橫跨神經元外膜的額外蛋白質清除機制即神經蛋白酶體。研究人員開發了特定的分子工具，在原代神經元和小鼠模型中選擇性阻斷這一系統。結果顯示，僅僅是破壞該系統的功能，就能迅速引發內源性tau蛋白錯折疊，形成肌氨酸不溶性的成對螺旋絲，這在宏觀和生化特征上與人類患者大腦中的病理產物幾乎完全一致。進一步的機制分析和人類腦組織驗證表明，該處理單元的數量受到載脂蛋白E基因型的嚴格調控。使患病風險翻倍的ApoE4變體顯著減少了神經膜上的處理單元數量，使得神經元極易積累tau聚集體；相反，具有保護作用的ApoE2變體則增加了單元數量，賦予細胞抗性。此外隨著年齡增長大腦中該系統的數量也會自然下降。研究發表在 Nature Neuroscience 上。

#疾病與健康 #神經機制與腦功能解析 #阿爾茨海默病 #tau蛋白 #神經蛋白酶體

閱讀更多：

Paradise, Victoria, et al. “Neuroproteasomes Regulate Endogenous Tau Paired Helical Filament Formation in an APOE Genotype- and Age-Dependent Manner.” Nature Neuroscience, May 2026, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41593-026-02297-x

Tau蛋白異常聚集激活致命基因連鎖反應

阿爾茨海默病中tau蛋白聚集引發神經元死亡的具體機制一直未被完全闡明。浙江大學莫瑋/楊章華聯合廈大韓家淮院士團隊發現，tau蛋白聚集體會破壞神經元內的異染色質凝聚，引發導致細胞壞死的基因連鎖反應，從而加速認知衰退。

? 致病性 tau 蛋白破壞異染色質凝聚，生成死亡配體并激活 ZBP1 依賴性壞死性凋亡的模型。Credit: Nature Neuroscience (2026).

研究團隊利用表現出類似阿爾茨海默病病理特征的PS19小鼠模型展開實驗，重點探究tau蛋白對神經元內部DNA組織結構的影響。實驗結果表明，tau蛋白聚集體對H3K9me3修飾的染色質具有極強的親和力，這種結合將表觀遺傳標記從異染色質蛋白1中隔離出來，導致組成型異染色質發生松散與破壞。這種結構的破壞導致原本沉默的轉座DNA元件被異常激活，并轉錄出內源性的Z-RNA。隨后，這些Z-RNA會激活Z-DNA結合蛋白1，最終誘發神經元死亡。臨床數據分析證實，阿爾茨海默病患者興奮性神經元中的ZBP1表達水平越高，其認知表現越差。更為關鍵的是，在24個月大的老年tau轉基因小鼠中，降低Zbp1基因的表達可顯著改善其認知功能缺陷。該研究不僅揭示了tau蛋白神經毒性的新機制，也為通過抑制ZBP1來預防或治療神經退行性疾病提供了潛在的靶點。研究發表在 Nature Neuroscience 上。

#疾病與健康 #神經機制與腦功能解析 #阿爾茨海默病 #Tau蛋白 #ZBP1

閱讀更多：

Liu, Wei, et al. “Tau Aggregates Cause Reactivation of Transposable DNA Elements, Leading to Z-RNA–ZBP1-Mediated Neuronal Death.” Nature Neuroscience, May 2026, pp. 1–14. www.nature.com, https://doi.org/10.1038/s41593-026-02299-9

丘腦高頻電信號可區分夢境與深睡

大腦深部結構如何調節自然的意識狀態一直是個未解之謎。Aditya Chowdhury和Tobias Staudigl等研究人員（慕尼黑路德維希-馬克西米利安大學）通過直接測量患者大腦，發現了一種能有效區分清醒、夢境與深睡的特異性丘腦神經節律。

? 本研究中所有患者均采用雙側植入方案進行 DBS 電極植入。棕色區域表示丘腦。Credit: Nature Human Behaviour (2026).

研究團隊招募了接受深部腦刺激的癲癇患者。由于傳統表面腦電圖難以觸及深層腦區，團隊利用患者丘腦中央植入的電極直接記錄局部場電位，并結合表面腦電圖與眼球運動分析，精準追蹤患者在清醒和不同睡眠階段的大腦狀態。數據表明，人類丘腦中央區域存在一種頻率約為19至45赫茲的快速振蕩節律。這種節律僅在清醒和快速眼動睡眠中出現，并且與眼動爆發同步發生。相反，在非快速眼動睡眠的深睡期間，該快速振蕩完全消失。這一發現首次證實丘腦中央在意識狀態轉換中起關鍵作用，這種腦節律未來有望用于優化神經系統疾病的干預療法。研究發表在 Nature Human Behaviour 上。

#意識與腦機接口 #神經機制與腦功能解析 #丘腦 #睡眠 #深部腦刺激

閱讀更多：

Chowdhury, Aditya, et al. “Thalamic Oscillations Distinguish Natural States of Consciousness in Humans.” Nature Human Behaviour, May 2026, pp. 1–15. www.nature.com, https://doi.org/10.1038/s41562-026-02446-z

人類神經膠質祖細胞體外生成至體內成熟的過程與圖譜

神經膠質細胞缺失會引發多種疾病，而直接移植干細胞易產生腫瘤。為尋找安全的替代療法，John N. Mariani等（羅切斯特大學醫學中心）開展研究，成功繪制了人類神經膠質祖細胞從體外到體內的分子圖譜，證實了該細胞移植的安全性和治療潛力。

研究人員利用單細胞RNA測序和單細胞ATAC測序，詳盡分析了體外培養的人類神經膠質祖細胞。結果顯示這些細胞包含四個截然不同的亞群且缺乏多能性標志物，具備高度特異性與安全性。隨后，團隊將細胞移植到髓鞘缺陷小鼠的胼胝體中。移植后的人類細胞并未形成畸胎瘤，而是成功替代了功能異常的宿主神經細胞，并啟動大腦的重新髓鞘化。小鼠體內的微環境信號顯著促進了移植細胞的分化，使其呈現出成熟星形膠質細胞和少突膠質細胞的特征。研究還揭示了驅動這些細胞成熟的關鍵基因調控網絡，為未來優化針對腦白質病變的細胞療法指明了方向。研究發表在 Nature Communications 上。

#疾病與健康 #神經機制與腦功能解析 #神經膠質祖細胞 #細胞療法 #單核RNA測序

閱讀更多：

Mariani, John N., et al. “Charting the Transition from in Vitro Gliogenesis to the in Vivo Maturation of Human Glial Progenitor Cells Transplanted into the Hypomyelinated Mouse Brain.” Nature Communications, Apr. 2026. www.nature.com, https://doi.org/10.1038/s41467-026-71803-3

AI 行業動態

英偉達RTX Spark芯片發布，PC正式邁入本地AI智能體時代

英偉達近日在臺北Computex 2026展會上正式推出面向Windows筆記本電腦的全新芯片RTX Spark，旨在重塑人工智能時代的個人電腦形態。這款芯片基于Arm架構，集成了20核英偉達Grace CPU和Blackwell RTX GPU，最高可提供1 Petaflop（每秒一千萬億次浮點運算）的AI算力和128GB統一內存。英偉達首席執行官黃仁勛表示，這一變革堪比當年手機向智能手機的演進，并稱RTX Spark驅動的設備是一臺“不可思議的計算機”，能夠輕松運行數字生物學、地震數據處理甚至天體物理學計算。微軟與英偉達深度合作，為新一代PC構建了安全運行本地AI Agent的環境，通過Windows安全原語和NVIDIA OpenShell運行時，確保用戶數據隱私與完全控制權。

搭載RTX Spark的輕薄筆記本最薄可達14毫米，重量約1.36千克，并支持全天續航；臺式機版本同樣面向智能代理、創意工作流和游戲場景。戴爾、聯想等廠商的相關產品預計2026年秋季上市。該芯片由聯發科參與定制CPU設計，以提升能效。英偉達此舉被視為對傳統PC芯片供應商英特爾和AMD的“生存威脅”，同時也標志著英偉達從數據中心處理器巨頭向消費市場的戰略拓展。不過，內存芯片短缺可能推高成本，消費者是否負擔得起成為關鍵疑問。黃仁勛還駁斥了人工智能將摧毀就業的說法，強調實用AI已成為利潤和GDP的創造引擎。此外，盡管美國已放寬對華出口H200芯片的限制，但中國科技公司尚未下單，而是加速自研芯片以挑戰美國主導地位。

#英偉達RTXSpark #AIPC #Arm架構芯片 #本地AI智能代理 #Windows生態

閱讀更多：

https://nvidianews.nvidia.com/news/nvidia-microsoft-windows-pcs-agents-rtx-spark

AI教母再出手：超越ImageNet的下一代圖像數據集GPIC全面開源

斯坦福大學李飛飛團隊近日發布了一個名為GPIC（Giant Permissive Image Corpus，巨型開放圖像語料庫）的全新數據集，旨在為視覺生成研究提供一把“新的尺子”。隨著圖像生成模型在舊基準ImageNet上的生成質量評分（FID，衡量生成圖片與真實圖片分布差異的指標）已低于真實圖片本身的評分，該基準徹底飽和，無法再有效評估模型優劣。GPIC包含整整1億對圖像-文本數據，總計約28萬億像素，并已全量托管在Hugging Face平臺上供免費下載使用。構建過程嚴格限定僅從Flickr和Wikimedia采集CC授權（知識共享許可，允許合法分享與使用）圖片，并經過質量過濾、有害內容移除、去重以及使用視覺語言模型Qwen3-VL-4B重新生成高質量文字描述等四道流程，最終訓練集達1億張，并附帶20萬驗證圖和100萬測試圖。

除了數據集本身，GPIC還引入了一套新的評估協議。舊的FID指標依賴2015年的Inception-v3分類網絡，其特征空間與人類感知脫節，容易被“刷榜”。新基準采用FD-DINOv2作為主要指標，該特征提取模型來自Meta公司2023年發布的自監督視覺模型DINOv2（無需標注即可學習圖像特征的模型），與人類對圖像相似性的判斷更為一致。更重要的是，GPIC的基準評分是與獨立的百萬張測試集比較，而非訓練集，避免了模型“死記硬背”數據獲得虛假高分。研究團隊還提供了參考基線模型和三個不同規模的數據子集（Nano、Lite、Full），方便資源各異的團隊進行公平比較。這一開放基礎設施有望終結視覺生成領域的不透明“軍備競賽”，推動公開、可復現的科學進步。

#GPIC數據集 #視覺生成基準 #李飛飛 #FD-DINOv2 #開放圖像語料庫

閱讀更多：

https://arxiv.org/abs/2605.30341

奧特曼親自招人，OpenAI重啟機器人團隊

時隔六年，OpenAI正式宣布重組機器人團隊“OpenAI Robotics”，并由首席執行官奧特曼親自發帖招募硬件、系統及機器學習工程師。奧特曼為團隊設定的長期目標是“讓每個人都擁有一臺屬于自己的機器人”，短期則聚焦于為基礎設施建設的技術工人提供輔助。該團隊由曾領導DALL·E 2和DALL·E 3的Aditya Ramesh帶隊，他目前擔任研究副總裁，負責“世界模擬”（Worldsim，即讓AI在內部模型中模擬物理世界的運行規律）項目。奧特曼透露，機器人團隊正是從Worldsim項目中逐步演變而來，核心方向是實現能在動態真實環境中達到AGI水平的通用機器人。

OpenAI機器人團隊的技術路線與其他硬件公司截然不同：不急于制造機器人本體，而是優先構建強大的“大腦”。其核心策略是縮小“仿真到現實”的差距，通過高保真仿真環境自動生成海量訓練數據，從而避免對昂貴且稀缺的真實物理數據的依賴。這一思路源于OpenAI的早期積累：2018年團隊曾用名為Dactyl的機械手在純仿真訓練下成功解出魔方，并采用“自動域隨機化”（ADR，不斷變化仿真參數以增強模型泛化能力）技術應對現實干擾。然而2020年因數據瓶頸團隊被迫解散，如今借助更強的仿真技術和生成式模型積累，OpenAI再次入局，試圖將世界模型的認知能力賦予真實的機器人。與此同時，曾經的合作伙伴Figure已推出能完成廚房家務的Figure 03，新一輪的具身智能競賽正從模型層延伸至物理世界。

#OpenAI機器人 #通用機器人 #世界模擬 #仿真到現實 #奧特曼

閱讀更多：

https://openai.com/index/solving-rubiks-cube/

AI 驅動科學

Nature：新型低溫工藝實現高性能3D硅芯片制造

制造高密度單片三維集成電路面臨高溫加工極易損壞底層已有電路的難題，而采用低溫替代材料又往往會導致器件性能下降。伊利諾伊大學厄巴納-香檳分校的研究人員提出了一種將超薄柔性硅膜與低溫轉移打印相結合的新方案，在不損失硅材料本身優異性能的前提下，成功實現了高精度的多層晶體管垂直堆疊集成。

? 一種制造三維硅晶體管堆疊結構的新方法。Credit: Bao Lam et al.

研究團隊通過創新物理制造工藝突破了這一瓶頸。研究人員首先從特制基底上剝離出厚度僅為10納米的均勻摻雜單晶硅納米膜。隨后，他們采用基于滾輪的轉移打印工藝，在低于200攝氏度的安全溫度下將這些柔性硅片逐層卷繞并貼合到芯片上。由于極高的柔韌性，硅片能夠順應甚至不完全平整的底層表面形成均勻鍵合。接著，團隊采用避免傳統高溫步驟的電路設計，在每層硅片上圖案化制造互補無結晶體管，所有加工溫度嚴格控制在400攝氏度以下。實驗結果顯示，這些器件的電流傳輸效率與前端工藝的標準硅基晶體管高度一致，電流密度超過650微安每微米，且連續層間的對準誤差被控制在10納米以內。基于該技術，團隊成功構建了垂直集成的反相器等邏輯門，以及最高達三層結構的靜態隨機存取存儲器。相較于同等平面設計，該三維電路的尺寸縮小了近三倍。研究發表在 Nature 上。

#3D集成電路 #芯片制造 #半導體技術

閱讀更多：

Lam, Bao, et al. “Monolithic Three-Dimensional Integration of Silicon Transistors.” Nature, May 2026, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41586-026-10496-6

γ-World：突破雙人限制的多智能體生成式世界模型

現存世界模型在擴展多玩家時面臨算力爆炸與對稱性破壞等難題。英偉達和清華大學等機構的Fangfu Liu等開發了多智能體世界模型γ-World，成功實現突破雙人限制的多人交互與零樣本泛化。

研究團隊提出單純形旋轉代理編碼（Simplex Rotary Agent Encoding，將智能體映射到旋轉角空間正單純形頂點上的無參數編碼），保留了獨立相位并確保置換對稱性（permutation symmetry，不依賴固定槽位且保持各節點地位平等的屬性）。同時，團隊引入稀疏樞紐注意力，將隨玩家數量呈平方級增長的通信負擔降至線性增長。模型還蒸餾出支持KV caching的因果學生模型，達到每秒24幀實時生成。實驗表明，8人場景下該模型算力消耗僅為全連接方案的八分之一，延遲降至4.5毫秒。在虛擬游戲和機械臂協同測試中，模型展現出卓越的時空一致性，無需額外訓練即可實現從雙人到四人的零樣本泛化。

#大模型技術 #計算模型與人工智能模擬 #世界模型 #多智能體 #具身智能

閱讀更多：

https://arxiv.org/abs/2605.28816

給大模型做性格測試：SUVA框架實現聊天機器人行為審計

隨著大語言模型在代理任務中應用加深，其時常表現出危險推薦或過度奉承等缺乏社會判斷的行為，如何審查其行為傾向成為一大難題。德克薩斯大學奧斯汀分校的Yan Leng和加州大學戴維斯分校的Yuan Yuan合作開發了一種名為SUVA的概率審計框架，通過類似性格測試的方式成功量化了模型的社會偏好，并證實可通過對齊方法重塑其行為傾向。

該研究引入了SUVA（狀態-理解-價值-行動，一種基于文本響應來評估模型決策及推理過程的概率審計框架）。研究人員針對八種主流大語言模型，運用行為經濟學中的獨裁者博弈（dictator game，一種衡量個體在自利與公平等利他價值觀之間權衡的經典經濟學實驗）進行了數千次測試，要求模型在自身與他人之間分配積分。結果顯示，模型并非完全自利，大多對社會福利表現出適度傾向。同時，模型的決策高度依賴社會線索與情境：當得知與另一參與者擁有相同家鄉等身份認同時，模型的親社會傾向躍升了40個百分點；在工作場景中與同等貢獻者分配獎金時，則嚴格傾向于平均分配。研究進一步證明，通過后訓練對齊方法能夠系統地重塑這些社會偏好，使組織可以根據具體場景精準調整人工智能的交互表現。研究發表在 Information Systems Research 上。

#大模型技術 #意圖與決策 #行為審計 #社會偏好

閱讀更多：

Leng, Yan, and Yuan Yuan. “SUVA: A Probabilistic Framework for Auditing LLMs with an Application to Social Preferences.” Information Systems Research, Feb. 2026. pubsonline.informs.org (Atypon), https://doi.org/10.1287/isre.2024.0857

人工智能血液檢測準確識別四種癡呆癥相關腦部疾病

臨床上極難區分不同類型的神經退行性疾病，且患者大腦往往存在多種混合病變。圣路易斯華盛頓大學的Ying Xu和Carlos Cruchaga團隊開發了一種基于人工智能的血液檢測分類器，能夠以超過90%的準確率區分四種導致癡呆的腦部疾病并檢測混合病理，為精準醫療奠定了堅實基礎。

研究團隊利用核酸連接夾心免疫分析技術（NULISA，一種高靈敏度與高通量的蛋白質檢測平臺），篩選出15種能夠反映大腦神經退行性病理的血漿蛋白質。隨后，研究人員使用來自3200多名受試者的血液蛋白質數據訓練并測試了人工智能分類器。受試者涵蓋阿爾茨海默病、帕金森病、額顳葉癡呆和路易體癡呆患者及認知健康的對照組。團隊接著在包含225人的獨立外部隊列中進行了模型驗證，這些受試者生前接受過認知評估，并在離世后取得了尸檢病理證實。結果顯示，該分類器實現了92.3%的總體診斷準確率，曲線下面積高達0.955。該模型有效識別了常規臨床評估難以察覺的共存病理特征，其預測結果與尸檢發現的實際淀粉樣蛋白等病理負荷高度吻合。研究發表在 Alzheimer's & Dementia 上。

#疾病與健康 #預測模型構建 #血液檢測 #癡呆癥 #人工智能

閱讀更多：

Xu, Ying, et al. “GPND-AI NULISA: A 15-Protein AI Classifier for Diagnosis and Co-Pathology Profiling across Neurodegenerative Diseases.” Alzheimer’s & Dementia, vol. 22, no. 5, 2026, p. e71420. Wiley Online Library, https://doi.org/10.1002/alz.71420

純光子驅動人工突觸，全光計算實現超低能耗圖像識別

為突破傳統AI系統的能耗瓶頸，Yifei Yan、Qingfeng Gui和Zhixing Gan等（南京師范大學等機構）開發了一種完全依靠光信號工作的全光學人工突觸。該器件省去了電信號轉換步驟，成功在單一平臺上集成了感、存、算功能。

? 一種基于稀土摻雜長余輝晶體的光子調制突觸器件能夠促進興奮性（紫外光誘導）和抑制性（近紅外光誘導）可塑性。該示意圖描繪了以發光作為光輸出的興奮性脈沖。Credit: Y. Yan et al.

研究團隊使用稀土摻雜長余輝晶體材料構建了該突觸器件。在紫外光照射下，器件通過捕獲電荷載流子存儲光學信息，并表現出雙脈沖易化（paired-pulse facilitation，指連續刺激時后一個脈沖產生更強響應的現象，常用于模擬學習行為）；在近紅外光照射下，則表現出雙脈沖抑制。實驗證實，器件在純光子驅動下實現了興奮與抑制的雙向可塑性。此外，團隊將該材料與硅成像傳感器結合制成原型相機，無需外接電路即可直接在傳感器端去噪并增強對比度。基于該全光突觸模擬的人工神經網絡在手寫數字分類任務中的識別準確率達到95.99%，遠高于未去噪時的78.04%。研究發表在 Advanced Photonics 上。

#其他 #計算模型與人工智能模擬 #全光突觸 #神經形態計算 #低功耗

閱讀更多：

Yan, Yifei, et al. “Fully Photon-Modulated Synaptic Devices with Bidirectional Plasticity for Neuromorphic Vision and Recognition.” Advanced Photonics, vol. 8, no. 4, May 2026, p. 046001. www.spiedigitallibrary.org, https://doi.org/10.1117/1.AP.8.4.046001

用戶更偏好“中庸”且性格相投的AI聊天機器人

什么樣的AI性格最討人喜歡？東北大學的Smit Desai與Hasibur Rahman團隊通過研究發現，人們并不喜歡性格過度外向或過于平淡的AI，而是更傾向于與性格表現溫和、且與自身性格特征相似的聊天機器人進行交流，這為AI產品的個性化設計提供了新方向。

研究團隊開發了特質調節鍵（Trait Modulation Keys，簡稱 TMK）工具，來精準控制大語言模型的“大五人格”（Big Five Personality Traits，心理學中描述人類性格的五個核心維度）表現強度，并組織了150名參與者使用不同個性版本的ChatGPT規劃紐約旅行。結果表明，AI的個性表達與用戶感知之間呈倒U形關系：中等表達強度的聊天機器人在智能、趣味性、擬人化、采用意愿、信任和喜愛度等六個評估維度上得分最高；低個性版本被指平淡無奇，而高個性版本則因用力過猛模仿人類而令用戶反感。此外，研究還發現性格契合度能夠顯著提升用戶在趣味性和信任度方面的評價，其中外向性和盡責性的錯配對用戶體驗傷害最深。值得注意的是，ChatGPT 4.0、Deepseek Chat V3和Claude 3.7 Sonnet等主流模型默認個性設置均偏高，未來設計應更注重個性透明度與用戶自主調控。研究發表在 Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems 上。

#認知科學 #大模型技術 #大五人格 #人機交互 #聊天機器人

閱讀更多：

Rahman, Hasibur, and Smit Desai. “Vibe Check: Understanding the Effects of LLM-Based Conversational Agents’ Personality and Alignment on User Perceptions in Goal-Oriented Tasks.” Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems [New York, NY, USA], CHI ’26, 2026, pp. 1–30. ACM Digital Library, https://doi.org/10.1145/3772318.3790388

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。