追問daily | Nature：視網膜電子紙突破最小像素；Science：昆蟲也會共情

█腦科學動態

Science：昆蟲也有共情，熊蜂被發現能感知同伴的積極情緒

在全球變暖的干旱世界里，健身比以往更重要

入睡時大腦感覺區活躍，思考區沉寂

淀粉樣蛋白前體通過“劫持”離子通道點燃大腦炎癥風暴

語言的“超能力”：詞語可直接增強觸覺感知

CRISPR再立功：利用基因剪刀成功修復老年大鼠記憶

媒體對癡呆癥的片面描繪加劇社會污名

預測青少年心理問題，家庭關系比腦成像更準

AI輔助MRI掃描舌頭或可實現運動神經元疾病的早期診斷與追蹤

█AI行業動態

光療法對帕金森病的持續改善率高達20%

Qwen3 Max登頂全球AI“股神”寶座

賦能全流程創新鏈條：Anthropic推出生命科學專用Claude

█AI驅動科學

Nature：AI自主發現的學習規則刷新強化學習紀錄

Nature：最小像素問世，視網膜電子紙突破人眼分辨率極限

液晶包裹體增強人造肌肉，軟體機器人性能大幅提升

AI生成的醫學圖像靠譜嗎？

AI智能體框架實現自主超材料建模與逆向設計

新型有機薄膜隧道晶體管突破熱電子極限

微創高密度腦機接口技術實現不開顱植入

腦科學動態

Science：昆蟲也有共情，熊蜂被發現能感知同伴的積極情緒

社會性昆蟲微小的大腦是否具備情感傳染能力尚不明確。南方醫科大學的彭飛團隊通過對熊蜂的研究，首次證實了積極情感傳染在無脊椎動物中的存在，并發現這種情緒傳遞可通過純視覺信號完成。

研究團隊采用認知偏差范式（cognitive bias paradigm，一種通過個體對模糊刺激的反應來評估其內在情緒狀態的方法）來探究熊蜂的情緒世界。實驗中，在接受過顏色與獎勵關聯訓練后，與處于積極情緒狀態的同類短暫互動過的熊蜂，在面對顏色模棱兩可的花朵時，表現出更強的探索欲，它們降落得更快、更頻繁。這種行為變化顯示出一種積極的判斷偏向，即“樂觀認知偏差”，證明了積極情緒狀態在熊蜂之間發生了傳遞。更令人驚訝的是，進一步的實驗證實，這種情感傳染（Affective contagion）無需物理接觸，僅通過視覺信號便可完成，暗示熊蜂擁有比我們想象中更復雜的社交感知能力。該發現表明，作為共情核心成分的情感傳染機制，可能是一種在社會性脊椎動物和昆蟲中共同存在的古老能力，為社會認知的趨同演化假說提供了有力證據。研究發表在 Science 上。

閱讀更多：

Romero-González, José E., et al. “Positive Affective Contagion in Bumble Bees.” Science, vol. 390, no. 6771, Oct. 2025, pp. 377–80. science.org (Atypon), https://doi.org/10.1126/science.adr0216

在全球變暖的干旱世界里，健身比以往更重要

在全球變暖導致脫水風險增加的背景下，身體健康如何影響我們應對環境壓力？加州大學河濱分校的 Theodore Garland、Nicole E. Schwartz 和 Melanie R. Alva 團隊通過小鼠實驗發現，體能更強的個體在缺水時反而會增加運動量，這表明良好的身體素質可能是應對脫水挑戰的關鍵。

該研究使用了一種經過30多年選擇性培育、天生熱愛跑步的“高跑者”（high-runner, HR）小鼠品系，它們的運動量約為普通小鼠的三倍，可作為動物界的“耐力運動員”模型。研究人員讓HR小鼠和普通對照組小鼠在跑輪上自由活動六天，然后在第七天讓其中一半小鼠斷水24小時。結果出人意料：普通小鼠在斷水后運動量沒有變化，而身體素質極佳的HR小鼠在體重下降（脫水的標志）的情況下，其奔跑的距離和速度反而顯著增加。研究者推測這可能源于一種名為“獎勵替代”的行為機制，即大腦在失去飲水這一獎勵后，會通過增加另一種獎勵性行為（跑步）來進行補償。這一發現暗示，身體健康的人在面對輕度脫水時，或許能更好地維持身體機能和工作表現，這對于在高溫環境下工作的體力勞動者具有重要的現實意義。研究發表在 Physiology and Behavior 上。

閱讀更多：

“Differential Effects of Acute Total Water Deprivation on Voluntary Exercise Behavior and Body Mass in Laboratory House Mice.” Physiology & Behavior, Oct. 2025, p. 115139. www.sciencedirect.com, https://doi.org/10.1016/j.physbeh.2025.115139

入睡時大腦感覺區活躍，思考區沉寂

睡眠期間大腦的血流、能量消耗與神經活動如何協同工作一直是個謎。麻省總醫院阿西諾拉·A·馬蒂諾斯生物醫學成像中心的 Jingyuan E. Chen、Laura D. Lewis、Bruce R. Rosen 等研究人員利用一種前沿的多模態成像技術，首次動態揭示了人腦在進入非快速眼動（NREM）睡眠時，不同功能網絡表現出截然不同的活動模式。

研究團隊采用了一種創新的三模態同步成像技術（tri-modal EEG-PET-MRI），在23名健康成年人午睡期間，同步監測了他們的大腦活動。該技術結合了腦電圖、功能磁共振成像和功能性正電子發射斷層掃描。結果發現，隨著睡眠加深，大腦活動呈現出一種協調性的轉變：處理運動和感官輸入的腦區依然保持活躍，能量消耗較高，血流也更具動態性，這解釋了為何即使在睡眠中，我們也能對外界聲音等刺激做出反應。與此同時，負責思考、記憶和自我反思等高級認知功能的默認模式網絡則顯著安靜下來，其能量消耗和血流活動均受到抑制。這一發現揭示了睡眠在降低意識的同時，保留了對外部世界基本感官反應能力的神經機制，同時也觀察到腦脊液流量增加，為睡眠有助于清除大腦代謝廢物的理論提供了新證據。研究發表在 Nature Communications 上。

閱讀更多：

Chen, Jingyuan E., et al. “Simultaneous EEG-PET-MRI Identifies Temporally Coupled and Spatially Structured Brain Dynamics across Wakefulness and NREM Sleep.” Nature Communications, vol. 16, no. 1, Oct. 2025, p. 8887. www.nature.com, https://doi.org/10.1038/s41467-025-64414-x

新發現的阿爾茨海默病機制：淀粉樣蛋白前體通過“劫持”離子通道點燃大腦炎癥風暴

阿爾茨海默病中的腦部炎癥如何產生一直是未解之謎。加州大學歐文分校的Ruiming Zhao 和 Steve Goldstein 團隊揭示了一種全新的分子機制：作為阿爾茨海默病核心分子的淀粉樣蛋白前體（APP），竟會直接與腦免疫細胞中的質子通道（Hv1）結合，二者“共謀”加劇了致命的神經炎癥。

?APP 敲低可降低人類 iMG 中的 Hv1 電流。Credit: Proceedings of the National Academy of Sciences (2025).

研究團隊利用源自人類誘導多能干細胞的小膠質細胞進行研究，發現淀粉樣蛋白前體（amyloid precursor protein, APP）及其致病性片段C99，會直接與電壓門控質子通道（voltage-gated proton channels, Hv1）組裝成一個功能復合物。這種此前未知的“分子搭檔”關系徹底改變了Hv1通道的工作方式：APP的結合會顯著增強Hv1通道的質子流，如同打開了炎癥反應的“閘門”，導致小膠質細胞釋放大量的促炎細胞因子和活性氧，從而驅動并加劇了神經炎癥。實驗證實，當通過基因技術降低APP的表達時，Hv1通道的活性和炎癥介質的釋放均隨之顯著下降。更重要的是，研究人員發現兩種與早發性阿爾茨海默病相關的APP基因突變，會使Hv1通道的活性變得異常高，這直接解釋了為何這些患者腦內的炎癥反應更為劇烈。這一發現不僅為理解阿爾茨海默病的病理提供了關鍵新視角，也指出了APP-Hv1復合物可能成為未來干預神經炎癥的全新治療靶點。研究發表在 PNAS 上。

閱讀更多：

Zhao, Ruiming, et al. “Amyloid Precursor Protein and C99 Are Subunits in Human Microglial Hv1 Channels That Enhance Current and Inflammatory Mediator Release.” Proceedings of the National Academy of Sciences, vol. 122, no. 43, Oct. 2025, p. e2509903122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2509903122

語言的“超能力”：詞語可直接增強觸覺感知

語言是否能獨特地增強感官知覺，還是任何復雜聲音都能做到？柏林自由大學大腦語言實驗室的 Tally McCormick Miller、Felix Blankenburg 和 Friedemann Pulvermüller 通過實驗發現，口頭語言（即使是無意義的偽詞）能顯著提升對細微觸覺的辨別力，而音樂則不能，這揭示了語言在重塑感官表征中的獨特作用。

?刺激與設計。Credit: Language and Cognition (2025).

研究團隊采用了一種受試者內學習設計，讓參與者將指尖上難以分辨的微小振動觸覺模式與兩種聽覺信號配對。一組觸覺模式與口頭偽詞（pseudowords，即符合語音規則但無意義的詞）相關聯，另一組則與聲學特性匹配的音樂音符序列配對。在為期五天的訓練后，研究人員測試了參與者辨別這些觸覺模式的能力。結果顯示，只有與偽詞配對的觸覺模式的辨別準確率得到了顯著提高，而與音樂配對的模式則沒有改善。這表明語言擁有一種獨特的優勢，能夠通過調動大腦中連接聽覺、運動和體感區域的多模態神經回路，直接重塑和銳化我們的感官知覺，幫助人們察覺到原本無法感知的細微差異。該發現為語言相對論（linguistic relativity，即認為語言結構會影響世界觀和認知過程的假說）提供了有力的神經生物學證據。研究發表在 Language and Cognition 上。

閱讀更多：

Miller, Tally McCormick, et al. “Language, but Not Music, Shapes Tactile Perception.” Language and Cognition, vol. 17, Jan. 2025, p. e53. Cambridge University Press, https://doi.org/10.1017/langcog.2025.10006

CRISPR再立功：利用基因剪刀成功修復老年大鼠記憶

記憶力衰退是衰老過程中的常見困擾，也是阿爾茨海默病的重要風險因素。弗吉尼亞理工大學的 Timothy Jarome 及其研究生 Yeeun Bae 和 Shannon Kincaid 等人通過兩項研究發現，記憶衰退與大腦中特定的分子變化直接相關，并成功利用基因編輯技術逆轉了這些變化，改善了老年大鼠的記憶力。

?Credit: Neuroscience (2025).

研究團隊發現，年齡相關的記憶衰退與大腦中至少兩種分子機制的失調有關。第一種是K63多泛素化（K63 polyubiquitination），一種調控蛋白質功能的分子標記過程。研究顯示，在負責記憶形成的海馬體中，該過程隨衰老而異常增強；而在處理情緒記憶的杏仁核中，該過程則減弱。研究人員利用CRISPR-dCas13 RNA編輯系統（CRISPR-dCas13 RNA editing system）分別調降了這兩個區域的K63水平，結果均顯著改善了老年大鼠的記憶。第二種機制涉及支持記憶形成的生長因子基因IGF2，該基因會因DNA甲基化（DNA methylation）而在衰老過程中被“化學沉默”。團隊使用CRISPR-dCas9工具移除了這些化學標簽，成功重新激活了IGF2基因，同樣恢復了老年大鼠的記憶功能。值得注意的是，這些干預對記憶力正常的中年大鼠無效，說明靶向治療需在功能衰退時進行。相關研究分別發表在 Neuroscience 和 Brain Research Bulletin 上。

閱讀更多：

Bae, Yeeun, et al. “Age-Related Dysregulation of Proteasome-Independent K63 Polyubiquitination in the Hippocampus and Amygdala.” Neuroscience, vol. 580, Aug. 2025, pp. 18–26. www.ibroneuroscience.org, https://doi.org/10.1016/j.neuroscience.2025.06.032

媒體對癡呆癥的片面描繪加劇社會污名

媒體報道如何塑造公眾對癡呆癥的看法？東芬蘭大學的 Sanna-Maria Nurmi 和 Eino Solje 等研究人員，通過首次對新聞圖片進行的大規模系統性分析發現，媒體普遍使用負面、刻板且充滿恐懼的視覺語言來描繪癡呆癥，這不僅歪曲了患者的真實面貌，也加劇了社會污名。

研究團隊對芬蘭四家主流報紙在2018至2021年間刊登的255張與癡呆癥相關的新聞圖片進行了視覺主題分析（visual thematic analysis）。結果顯示，這些圖像普遍傳達了消極印象，將癡呆癥患者描繪成依賴他人、身體虛弱且被動的老年人，常見的視覺元素包括布滿皺紋的雙手、灰白的頭發和悲傷空洞的表情。研究還發現，媒體嚴重缺乏對年輕癡呆癥患者的呈現，盡管約10%的患者在65歲前發病。此外，報道中頻繁使用如“大腦缺失碎片的拼圖”等令人不安的視覺隱喻，加深了公眾的恐懼。更令人驚訝的是，超過三分之一的配圖與其新聞內容完全不符。研究人員指出，這些主要來自圖庫的刻板化圖片，通過強化衰老和依賴的負面敘事，不僅影響患者的自我認知，也可能導致社會性的歧視和排斥。研究發表在 Age and Ageing 上。

閱讀更多：

Nurmi, Sanna-Maria, et al. “Visualising Dementia in News Media: Reinforcing Ageing, Dependency and Stigma.” Age and Ageing, vol. 54, no. 10, Oct. 2025. academic.oup.com, https://doi.org/10.1093/ageing/afaf305

預測青少年心理問題，家庭關系比腦成像更準

什么因素最能預測青少年心理健康問題？圣路易斯華盛頓大學和華盛頓大學醫學院的 Robert J. Jirsaraie、Deanna M. Barch 及其同事，利用數據挖掘技術分析了超萬名青少年的數據，發現家庭和同伴間的社會沖突是精神病理學癥狀的最強預測指標，其重要性遠超大腦掃描數據。

?家庭爭吵是一般精神病理學中當前癥狀的最佳預測指標。基于家庭信息訓練的模型對精神病理學的預測最為準確，這些結果反映在我們多模態模型的基尼不純度中。具體而言，當前癥狀的主要預測指標與家庭成員之間的爭吵、爭吵和言語虐待有關。同樣，第二組關鍵預測指標與社會環境有關，包括同伴間的受害情況。Credit: Jirsaraie et al.

研究團隊采用了數據挖掘技術，對迄今規模最大的大腦發育研究之一“青少年大腦認知發展”（Adolescent Brain Cognitive Developmental, ABCD）項目的數據進行了分析。該項目包含了對11,552名美國青少年從9-10歲開始的長期追蹤數據，涵蓋心理、行為、社會環境和腦成像等多個方面。研究人員通過構建多模態預測模型，系統評估了不同風險因素對青少年當前心理癥狀及長期發展的影響。研究結果一致顯示，社會沖突是精神病理學的最強預測因素，具體表現為家庭成員間的爭吵和言語虐待，以及同伴間的欺凌或聲譽受損。此外，性別差異也被發現是預測長期心理健康狀況的關鍵因素之一。值得注意的是，與社會和人口統計學因素相比，神經影像學數據在預測心理健康結果時始終是信息量最少的指標。盡管社會沖突的預測能力最強，但表現最佳的模型也僅能解釋個體間約40%的差異，這提示未來需要探索更多影響心理健康的因素。研究發表在 Nature Mental Health 上。

閱讀更多：

Jirsaraie, Robert J., et al. “Mapping Multimodal Risk Factors to Mental Health Outcomes.” Nature Mental Health, vol. 3, no. 10, Oct. 2025, pp. 1230–40. www.nature.com, https://doi.org/10.1038/s44220-025-00500-9

AI輔助MRI掃描舌頭或可實現運動神經元疾病的早期診斷與追蹤

運動神經元疾病（MND）的診斷常有數月延遲，影響患者及時獲得干預。昆士蘭大學的 Thomas B. Shaw 和 Brooke-Mai Whelan 等研究人員開發了一種新方法，通過分析標準腦部MRI掃描中的舌頭圖像，有望實現該疾病的早期檢測和病情追蹤，為患者爭取寶貴時間。

?Credit: Computers in Biology and Medicine (2025).

研究團隊開發了一種結合人工智能輔助的半自動化圖像分割技術，能夠從常規的頭部磁共振成像掃描中精確測量舌頭肌肉的體積。研究人員分析了超過200份歷史MRI掃描數據，其中包括運動神經元疾病（MND，也稱肌萎縮側索硬化癥, ALS）患者和健康對照者。結果發現，伴有言語或吞咽困難的MND患者，其舌頭肌肉體積顯著小于健康人群。更重要的是，較小的舌頭體積與更差的預后相關聯，這意味著舌肌萎縮程度可以作為預測患者生存期的潛在生物標志物。該方法的一大優勢在于其無創性，并能夠回顧性分析海量已有的腦部掃描數據，從而將目前約12個月的診斷延遲大幅縮短，幫助患者更快地參與臨床試驗或進行語音銀行（voice banking，為失語做準備）等干預。研究發表在 Computers in Biology and Medicine 上。

閱讀更多：

“Segmentation of the Human Tongue Musculature Using MRI: Field Guide and Validation in Motor Neuron Disease.” Computers in Biology and Medicine, vol. 196, Sept. 2025, p. 110824. www.sciencedirect.com, https://doi.org/10.1016/j.compbiomed.2025.110824

AI 行業動態

光療法對帕金森病的持續改善率高達20%

澳大利亞醫療科技公司 SYMBYX 近日公布了一項為期 72 周的隨機對照試驗的令人信服的結果。這項研究在加拿大安大略省的帕金森健康創新中心開展，由研究人員 Anita Saltmarche 和 Orla Hares 領導，旨在評估光療法對中度帕金森病的安全輔助療效。研究納入了 59 名參與者，他們被隨機分為兩組：一組接受主動光療（使用 SYMBYX 的 PDCare 激光儀，針對腸道并結合經顱頭盔）和規定的運動，另一組接受假治療（sham treatment，外觀和操作類似但無治療作用的對照療法）和規定的運動。該設備尤其專注于靶向腸腦軸來緩解癥狀。研究初期階段，兩組均表現出改善，證實了普遍預期的短期安慰劑效應。

然而，在隨后的開放標簽（open-label，參與者和研究人員均知曉治療方案）第三階段（平均持續 28.7 周）中，長期持續治療的價值凸顯。在這個階段，17 名繼續接受光療的參與者，相比于 26 名停止治療的參與者，在多項關鍵指標上顯示出更顯著的持續優勢。繼續治療組的功能性活動能力（Timed Up and Go, TUG，一項衡量站立和行走速度的測試）比基線改善了 14%，而停止治療組則惡化了 5%。此外，作為衡量帕金森病進展“金標準”的統一帕金森病評分量表（Unified Parkinson's Disease Rating Scale, MDS-UPDRS，一種綜合評估帕金森病運動和非運動癥狀的量表）總分方面，持續治療組病情改善了 20%（下降 12 分），顯著優于停止組的 11% 改善。他們在日常生活活動能力和焦慮評分上也表現出更優異的結果。研究人員 Anita Saltmarche 強調這些數據支持光療法作為安全有效的治療選擇。SYMBYX 首席執行官 Dr. Wayne Markman 指出，鑒于“更緩慢、更持續的方法絕對會帶來回報”，未來的光療法試驗需要更長的持續時間，并期待與英國紐卡斯爾大學和利茲大學開展進一步的臨床研究和生物標志物研究。

-UPDRS

閱讀更多：

https://dx.doi.org/10.3390/jcm14217463

Qwen3 Max登頂全球AI“股神”寶座

由Nof1實驗室打造的Alpha Arena（競技場）近期舉行了一場引人注目的實盤投資比賽，旨在檢驗全球六大領先的大語言模型在真實金融市場中的決策能力。研究人員為包括阿里巴巴的Qwen3 Max、DeepSeek V3.1 Chat、GPT-5和Gemini 2.5 Pro在內的六款模型提供了1萬美元的初始資金，要求它們在Hyperliquid交易所上根據實時技術指標（如MACD、RSI）進行交易，以實現「最大化風險調整后的收益」。比賽初期，DeepSeek V3.1一直保持領先，但隨后Qwen3 Max憑借其穩健而“快準狠”的操盤思路實現逆襲，成功超越DeepSeek V3.1，首次榮登“最會賺錢”模型的榜首。截至報道時，Qwen3 Max以顯著優勢領先，而DeepSeek V3.1則是唯一另一款實現盈利的模型，標志著中國國產大模型在這一高動態、高風險的金融挑戰中展現出強勁的競爭力。

與盈利模型的穩健策略形成鮮明對比的是，來自北美的頂尖模型如GPT-5和Gemini 2.5 Pro，在比賽中遭受了巨額虧損，并成為「最會賠錢」的AI。這兩款模型表現出異常活躍的“微操”傾向，交易次數遠超其他競爭者（Gemini 2.5 Pro交易超百次），但本金卻幾乎賠光。研究人員強調，金融市場是超越游戲環境的終極試金石 ，因為它是一個不斷變化的「世界建模引擎」，難度會隨著AI智能水平的提高而同步升級。Qwen3 Max此次逆襲成功，證明了其不僅具備強大的計算架構和數據訓練基礎，更能在不確定性中高效權衡風險與回報，具備了在真實世界中生存的能力。

.1

閱讀更多：

https://nof1.ai/

賦能全流程創新鏈條：Anthropic推出生命科學專用Claude

Anthropic正式推出了專門面向生命科學領域的基礎模型——Claude for Life Sciences，旨在將Claude的應用范圍從處理獨立的科研任務，擴展到覆蓋早期研究發現、成果轉化與商業化的完整創新鏈條。該專業模型以Anthropic目前最強大的基礎模型Claude Sonnet 4.5為基礎。研究人員指出，Sonnet 4.5的基礎性能在多項生命科學任務中實現了顯著提升，例如在用于測試模型對實驗室規程理解與應用能力的 Protocol QA（實驗規程問答）基準測試中，Sonnet 4.5獲得了0.83分，不僅超越了前代模型的0.74分，還高于0.79分的人類基準。同時，在衡量生物信息學任務執行能力的 BixBench（生物信息學基準測試）中，該模型同樣表現出較上一代模型的顯著改進。為增強其作為得力科研助手的實用性，研發團隊為Claude for Life Sciences新增了多項科學平臺連接器、智能體技能運用能力，并通過專屬支持與提示庫提供生命科學專項服務。

為實現與專業科研流程的無縫對接，Anthropic集成了系列科研專用連接器，允許Claude直接訪問關鍵科學資源和工具。這些工具包括 Benchling（實驗記錄與筆記管理平臺）、BioRender（科學圖形和圖標庫）、PubMed（生物醫學研究文獻數據庫）、Wiley 開發的 Scholar Gateway（權威同行評審科學內容訪問接口），以及 10x Genomics（單細胞和空間分析工具）。此外，Claude現已支持與 Databricks 和 Snowflake（大型生物信息學數據處理和查詢工具）進行分析工作。在專項技能開發方面，首批推出的單細胞RNA質量控制技能，可基于 scverse 最佳實踐執行單細胞 RNA 測序數據的質量控制與過濾。Claude for Life Sciences的應用場景廣泛，涵蓋研究分析工作（如文獻綜述與假說構建）、實驗方案生成、生物信息學與數據分析，以及協助監管合規性文檔的起草與審閱。Anthropic正通過領域專家支持和建立合作關系（包括與德勤、普華永道等機構）來推動模型在實際科研任務中的應用，進一步加速生命科學研究的進程。

.5

閱讀更多：

https://www.anthropic.com/news/claude-for-life-sciences

AI 驅動科學

Nature：AI自主發現的學習規則刷新強化學習紀錄

人工智能的學習算法通常依賴人類設計，過程緩慢且受限于人類直覺。為突破這一瓶頸，Junhyuk Oh及其合作研究團隊開發了一套AI系統，該系統能模仿生物進化過程，自主發現全新的學習規則。最終，該系統發現的算法在一系列復雜任務上的表現，成功超越了頂尖的人類設計算法。

研究團隊通過元學習方法，構建了一個包含AI種群和父代“元網絡”（meta-network）的數字進化系統。系統中，大量AI智能體在復雜環境中執行任務，元網絡則評估它們的表現，并優化其底層的學習規則，以賦能下一代智能體。經過多代迭代，系統自主發現了一種名為DiscoRL的全新強化學習規則。為了驗證其性能，研究人員將其與PPO、MuZero等頂尖的人類設計算法進行比較。結果顯示，在經典的雅達利游戲基準測試中，由DiscoRL訓練的智能體全面勝出。更重要的是，當面對從未接觸過的新游戲（如ProcGen和NetHack）時，它同樣展現出頂尖水平，證明了其強大的泛化能力。這一發現標志著機器設計AI算法的時代或將到來。研究發表在 Nature 上。

閱讀更多：

Oh, Junhyuk, et al. “Discovering State-of-the-Art Reinforcement Learning Algorithms.” Nature, Oct. 2025, pp. 1–2. www.nature.com, https://doi.org/10.1038/s41586-025-09761-x

Nature：最小像素問世，新型視網膜電子紙突破人眼分辨率極限

為滿足虛擬現實等領域對超高分辨率顯示器的迫切需求，瑞典查爾姆斯理工大學、哥德堡大學和烏普薩拉大學的Kunli Xiong、Andreas Dahlin、Giovanni Volpe等研究人員，針對現有技術的瓶頸，開發出一種名為“視網膜電子紙”（retina E-paper）的革命性顯示技術，其像素密度達到了人眼可感知的理論極限，為創造與現實無異的虛擬世界奠定了基礎。

?視網膜電子紙示意圖。Credit: Nature (2025).

該團隊研發的“視網膜電子紙”是一種被動式反射屏幕，其核心是利用電致變色的氧化鎢（WO3，一種可通過電場改變顏色的材料）納米盤陣列作為“元像素”（metapixels）。研究人員通過精確調整納米盤的尺寸和間距，利用米氏散射（Mie scattering，即微小顆粒對光的散射現象）和干涉效應，使其能夠選擇性地反射紅、綠、藍三原色光。當施加微弱電壓時，氧化鎢會發生可逆的絕緣體到金屬的相變，從而改變其對光的吸收能力，實現像素在彩色和黑色之間的快速切換。這項技術取得了多項突破性成果：像素尺寸縮小至約560納米，實現了超過25,000 ppi（每英寸像素數）的驚人分辨率，這相當于每個像素對應人眼視網膜上的一個感光細胞。此外，該屏幕刷新率超過25赫茲，支持流暢的視頻播放，同時具有高反射率（約80%）、高對比度（約50%）和極低的能耗（約1.7 mW cm?2），因為它僅在切換畫面時才耗電。研究發表在 Nature 上。

閱讀更多：

Santosa, Ade Satria Saloka, et al. “Video‐rate Tunable Colour Electronic Paper with Human Resolution.” Nature, Oct. 2025, pp. 1–7. www.nature.com, https://doi.org/10.1038/s41586-025-09642-3

液晶包裹體增強人造肌肉，軟體機器人性能大幅提升

軟體機器人因其柔韌性在安全人機交互等領域前景廣闊，但其“肌肉”材料的強度不足一直是一大瓶頸。滑鐵盧大學的 Hamed Shahsavan 與 Tizazu Mekonnen、劍橋大學的 M.O. Saed 及肯特州立大學的 Antal Jakli 等研究人員組成的國際團隊，開發出一種新型復合材料，通過將液晶包裹體混入人造肌肉材料，極大地提升了其強度和性能。

?LCE 化學與分子排序。Credit: Advanced Materials (2025).

研究團隊創新性地將低分子量液晶（low molecular weight liquid crystals, LMWLCs）與液晶彈性體（Liquid Crystal Elastomers, LCEs，一種可響應外界刺激而發生可編程形變的橡膠狀聚合物）混合。通過熱機械測試和X射線分析發現，這種方法可以在不犧牲材料分子有序性和熱應變能力的前提下，使其剛度提升高達9倍。實驗數據顯示，由這種新材料制成的纖維在加熱時能夠舉起超過自身重量2000倍的物體，其輸出功密度接近24焦耳/千克，大約是哺乳動物肌肉平均水平的三倍。其增強機理在于，分散在彈性體中的微小液晶包裹體在受力時表現出類似固體的特性，有效抵抗形變，從而增強了整體材料的宏觀剛度。這項簡單而穩健的技術為開發高性能軟體機器人鋪平了道路，有望應用于微型醫療機器人、柔性制造等前沿領域。研究發表在 Advanced Materials 上。

閱讀更多：

Vasanji, Sahad, et al. “Stiffening Liquid Crystal Elastomers with Liquid Crystal Inclusions.” Advanced Materials, n/a, no. n/a, p. 2504592. Wiley Online Library, https://doi.org/10.1002/adma.202504592

AI生成的醫學圖像靠譜嗎？新統計學框架為“虛擬”掃描提供“科學骨架”

人工智能生成的醫學圖像為解決醫療數據稀缺和隱私問題提供了新途徑，但其準確性一直備受關注。威廉與瑪麗學院的 GuanNan Wang 聯合耶魯大學、弗吉GINIA大學和喬治梅森大學的研究人員，開發了一套新穎的統計學工具，旨在嚴格評估并提升AI生成圖像的保真度，為這項技術走向臨床應用奠定基礎。

?人工智能現在可以根據真實數據創建合成醫學圖像。該圖展示了去噪擴散概率模型的流程。該模型基于真實的功能性核磁共振腦部掃描數據，逐漸添加隨機噪聲，直至圖像變為純靜態圖像。然后，該人工智能模型接受訓練，從這些噪聲中學習，并基于真實圖像重建合成醫學圖像。Credit: Emmaline Nelson

研究團隊首先采用去噪擴散概率模型（Denoising Diffusion Probabilistic Model, DDPM）生成合成的功能性磁共振成像腦部掃描圖。與傳統的逐像素比較方法不同，他們運用了功能數據分析（Functional Data Analysis, FDA），將每張復雜的圖像視為一個連續的函數，從而能夠同時評估全局分布和微小的局部差異。通過構建同步置信區域（simultaneous confidence regions），該方法能夠精確量化并定位合成圖像與真實圖像在統計特性上的系統性偏差。分析發現，AI生成的圖像確實存在問題，例如大腦中一些不應被激活的區域出現了偽影信號。針對這些缺陷，團隊設計了一種新的數學變換方法，成功校準了合成圖像，使其均值和協方差等關鍵統計特征與真實數據高度對齊，顯著提高了其可靠性。研究發表在 Journal of the American Statistical Association 上。

閱讀更多：

Gu, Zhiling, et al. “Boosting AI-Generated Biomedical Images with Confidence through Advanced Statistical Inference.” Journal of the American Statistical Association, vol. 0, no. ja, pp. 1–27. Taylor and Francis+NEJM, https://doi.org/10.1080/01621459.2025.2552510

AI智能體框架實現自主超材料建模與逆向設計

如何自動化解決擁有無限可能解的復雜科學設計問題？杜克大學的 Willie J. Padilla、Darui Lu 和 Jordan M. Malof 團隊開發了一個由多個AI智能體組成的“人工智能科學家”，該系統能像人類研究員一樣自主協作，完成從建模到設計的全流程任務，其最佳設計成果可與訓練有素的科學家相媲美。

研究團隊構建了一個“智能體框架”，旨在解決復雜的“不適定逆設計問題”（ill-posed inverse design problem）。該框架的核心是一個起總控作用的大型語言模型，它負責協調多個分工明確的AI智能體。這些智能體分別執行數據整理、從頭編寫深度神經網絡代碼、驗證代碼準確性以及運行“神經伴隨”（neural-adjoint）優化算法等任務。研究人員以光子超材料（photonic metamaterials）的逆向設計為測試案例，讓這個AI系統自主解決實驗室博士生曾處理過的問題。結果顯示，該系統展現了類似人類科學家的推理、規劃和實時調整策略的能力，甚至能判斷自身工作是否遭遇“收益遞減”而需要更多數據。雖然在數千次試驗中，AI的平均表現不及人類博士生，但其產出的最佳設計方案已達到人類專家的水平。這一成果標志著AI在自動化復雜科研任務上邁出了重要一步。研究發表在 ACS Photonics 上。

閱讀更多：

Lu, Darui, et al. “An Agentic Framework for Autonomous Metamaterial Modeling and Inverse Design.” ACS Photonics, Oct. 2025. ACS Publications, https://doi.org/10.1021/acsphotonics.5c01514

新型有機薄膜隧道晶體管突破熱電子極限，助力低功耗可穿戴設備

為解決可穿戴電子設備對超低功耗晶體管的迫切需求，蘇州大學的 Jiansheng Jie、Wei Deng 和 Xiaohong Zhang 等研究人員，針對傳統有機晶體管受限于“熱電子極限”而能效低下的問題，成功開發出一種新型有機薄膜隧道晶體管，突破了這一根本物理限制，實現了創紀錄的能效。

?使用我們的 OTFTT 制備的 PPG 傳感器接口電路圖，用于增強光照（波長 650 nm）下的微弱傳感信號。Credit: Nature Electronics (2025).

該研究團隊設計了一種新型有機薄膜隧道晶體管（organic thin-film tunnel transistors, OTFTTs），其核心創新在于用量子力學中的帶間隧穿（band-to-band tunneling）效應替代了傳統的熱電子注入機制。研究人員構建了一種混合無機-有機異質結，將三氧化鉬（MoO?）與一種名為C8-BTBT的有機半導體結合，創造出獨特的“斷帶”能級排列，有效抑制了高能耗的熱電子發射過程。此外，通過在界面處引入分子去耦層，進一步降低了隧穿所需的電壓。這一設計使晶體管的開關效率得到了極大提升，成功突破了60 mV dec?1的熱電子理論極限，實現了僅為24.2 ± 5.6 mV dec?1的亞閾值擺幅（subthreshold swing, SS），是目前薄膜晶體管技術中的最低值之一。基于此晶體管的放大電路在功耗低于0.8納瓦（nW）的極端條件下，仍能實現超過537倍的電壓增益，展示了其在生物信號監測等高精度、低功耗應用中的巨大潛力。研究發表在 Nature Electronics 上。

閱讀更多：

Deng, Wei, et al. “Organic Thin-Film Tunnel Transistors.” Nature Electronics, Sept. 2025, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41928-025-01462-7

微創高密度腦機接口技術實現不開顱植入

為解決腦機接口技術中高帶寬與高創傷性的核心矛盾，美國Precision Neuroscience公司的研究人員開發了一種可通過顱骨微縫植入的高密度柔性電極陣列。該技術無需進行傳統開顱手術即可實現對大腦皮層信號的高分辨率讀寫，為更安全、更廣泛的BCI臨床應用鋪平了道路。

研究團隊的核心突破在于將高密度電極與微創手術精妙結合。他們設計了一種郵票大小的超薄柔性薄膜電極陣列，每個模塊上集成了1024個微電極，能完美貼合大腦表面的復雜溝回。與傳統的大范圍開顱手術不同，研究人員開發了一種名為顱骨微縫（cranial micro-slit）的創新技術，僅需在顱骨上開一個不足一毫米寬的狹窄縫隙，便可將電極陣列像信紙一樣輕柔地滑入并平鋪到大腦皮層。這項技術不僅創傷極小、操作快速，還具有可擴展性（可植入多個陣列）和完全可逆性。在對5名人類患者的初步研究中，團隊成功植入并移除了總計4096個電極，未對大腦造成任何損傷。此外，在清醒的迷你豬模型中，該系統利用機器學習成功解碼了包括觸覺、視覺和肢體運動在內的多種大腦信號，并證明解碼性能隨電極數量的增加而提升，顯示了高密度記錄的巨大潛力。研究發表在 Nature Biomedical Engineering 上。

閱讀更多：

“High-Resolution Brain–Computer Interface with Electrode Scalability and Minimally Invasive Surgery.” Nature Biomedical Engineering, Oct. 2025, pp. 1–2. www.nature.com, https://doi.org/10.1038/s41551-025-01502-9

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。