追問daily | 讓老人帶娃將加速老人認知衰退；麻醉并非深度睡眠；抑郁癥削弱的是期待

█ 腦科學動態

麻醉并非深度睡眠：大腦狀態更接近睡眠與昏迷的混合體

缺氧也能抗衰老：HIF-1α自噬降解可延緩衰老并延長哺乳動物壽命

大腦免疫細胞與特定神經元互動加速恐懼記憶消退

創傷發生時間而非其類型決定其長期影響

利用實時腦信號預測和預防兒童注意力不集中

抑郁癥削弱的是期待，而非品嘗美食的快樂

繁重照護任務加速老年人認知衰退，適度照護則有益腦功能

█ AI行業動態

愛思唯爾起訴Meta盜版論文訓練Llama

編程AI“終極考試”首破零：GPT-5.5從零盲寫程序，推理算力成新關鍵

█ AI驅動科學

Cell：開發AI虛擬細胞模型RegVelo以預測細胞命運走向

AI語言模型在處理醫院結構化數據方面表現不佳

七款智能戒指有望打破手語溝通障礙

開發內置計算智能光學傳感器大幅降低數據傳輸需求

信號折疊設計助力神經形態芯片大幅降低AI能耗

給模型配個專屬教練：強化學習加速仿生機器人運動模擬

設計阻礙減少人工智能的隱藏能耗

像素級控制熱輻射：卡內基梅隆大學開發微型熱敏條形碼

超六成美國青少年使用AI聊天機器人，近半數遭遇不良交互風險

觸覺夢境技術賦能人形機器人，靈巧操作成功率提升90.9%

腦科學動態

麻醉并非深度睡眠：大腦狀態更接近睡眠與昏迷的混合體

全身麻醉究竟是讓大腦“沉睡”還是進入“昏迷”？耶魯大學醫學院的Janna Helfrich及其團隊通過研究發現，麻醉狀態比人們想象的更為復雜，它并非簡單的深度睡眠，而是同時兼具睡眠和昏迷特征的獨特混合狀態。這一發現可能改變未來麻醉的臨床實踐。

研究團隊使用全腦腦電圖監測了使用常用麻醉劑丙泊酚（propofol）的患者，并將其大腦活動與深度睡眠、快速眼動睡眠、昏迷及清醒狀態下的數據進行對比。分析結果顛覆了“麻醉即睡眠”的傳統觀念。研究顯示，麻醉下的大腦在不同區域會呈現出不同的活動模式，某些特征類似于睡眠，而另一些則更接近昏迷。此外，團隊還識別出了麻醉所獨有的神經信號，這些信號在其他任何意識狀態下都未曾出現。這一發現強調了在手術中進行腦部監測的必要性，通過精細調控麻醉劑量，臨床醫生或可引導患者大腦進入更接近有益的睡眠狀態，而非可能導致術后認知功能下降的“類昏迷”狀態，從而提升手術安全性與患者的恢復質量。研究發表在 PNAS 上。

#疾病與健康 #神經機制與腦功能解析 #麻醉 #意識 #腦電圖

閱讀更多：

Helfrich, Janna D., et al. “Spectral Mapping Reveals a Resemblance of the Anesthetic Brain State to Both Sleep and Coma.” Proceedings of the National Academy of Sciences, vol. 123, no. 21, May 2026, p. e2514098123. www.pnas.org, https://doi.org/10.1073/pnas.2514098123

缺氧也能抗衰老：HIF-1α自噬降解可延緩衰老并延長哺乳動物壽命

不同器官衰老速度各異，其背后的保護機制尚不明確。海軍軍醫大學第二附屬醫院的陳華江、胡博、田野、吳曉東及空軍軍醫大學西京醫院的高博等人，從衰老緩慢的椎間盤組織中發現一種獨特的抗衰老機制，并基于此開發出一種能靶向降解關鍵蛋白的小分子化合物，成功延長了小鼠的健康壽命。

研究團隊首先通過跨組織比較發現，椎間盤的衰老速度顯著慢于其他組織。深入探究后，他們揭示了其背后的獨特機制：椎間盤髓核細胞處于持續的缺氧微環境中，但與傳統認知不同，這種缺氧并未導致缺氧誘導因子-1α（hypoxia-inducible factor-1α, HIF-1α）的積累，反而通過一種由Optineurin蛋白介導的選擇性自噬將其降解，從而避免了細胞應激和衰老。基于這一發現，團隊設計并合成了一種小分子化合物HATC（HIF-1α-targeting autophagy-tethering compound），它能巧妙地“劫持”細胞的自噬系統，在全身各組織中靶向降解HIF-1α。在老年小鼠中進行的實驗證實，每周注射HATC能廣泛降低多個器官中的HIF-1α水平，改善多種與年齡相關的病理狀況，最終使小鼠的中位壽命和最大壽命分別顯著延長了約14%和12%。研究發表在 Nature Aging 上。

#疾病與健康 #健康管理與壽命延長 #衰老 #自噬 #HIF-1α

閱讀更多：

Yang, Chen, et al. “Hypoxia-Induced Autophagic Degradation of HIF-1α Attenuates Cellular Aging and Extends Mammalian Lifespan.” Nature Aging, May 2026, pp. 1–21. www.nature.com, https://doi.org/10.1038/s43587-026-01124-z

大腦免疫細胞與特定神經元互動加速恐懼記憶消退

為何有些創傷性記憶難以忘懷？這可能與大腦中免疫細胞的工作效率有關。加拿大兒童醫院和多倫多大學的Paul W. Frankland及其同事通過研究發現，恐懼記憶的消退并非僅由神經元主導，大腦中的免疫細胞——小膠質細胞，通過與儲存記憶的特定神經元直接互動，在“擦除”恐懼過程中扮演了關鍵角色。

? 圖像展示了小膠質細胞和記憶儲存細胞之間的相互作用。圖中，藍色細胞代表小膠質細胞，紫色細胞代表記憶儲存細胞。圖像突顯了這兩種細胞之間的直接接觸。Credit: Captured in the Frankland Lab and reconstructed using Imaris software.

研究團隊首先在小鼠模型中標記了儲存特定恐懼記憶的神經元，即記憶痕跡。在隨后的恐懼消退訓練中，他們觀察到小膠質細胞會被主動招募到這些記憶痕跡神經元的周圍，并與之發生直接的物理接觸。進一步的超微結構成像和功能實驗揭示，這種互動能夠暫時性地“沉默”恐懼記憶痕跡神經元的活動。為了驗證這一互動的重要性，研究人員利用遺傳學和藥理學方法阻止小膠質細胞與記憶痕跡神經元接觸，結果發現，小鼠的恐懼記憶消退速度顯著減慢。這表明小膠質細胞通過直接調節記憶回路，積極地參與并加速了恐懼記憶的減弱過程。這一發現顛覆了恐懼消退完全是神經元過程的傳統認知，為理解和治療創傷后應激障礙等與恐懼記憶相關的精神疾病開辟了新思路。研究發表在 Nature Neuroscience 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 #恐懼記憶 #小膠質細胞

閱讀更多：

Liu, Yunlong, et al. “Microglia-Dependent Regulation of Fear Memory Extinction.” Nature Neuroscience, May 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41593-026-02286-0

創傷發生時間而非其類型決定其長期影響

為何相似的創傷經歷會導致迥異的心理后果？意大利理工學院的Laura Cancedda、Valter Tucci及其合作團隊發現，創傷發生的時間點，而非創傷本身的類型，是決定其對大腦和行為產生何種持久影響的關鍵。這項發現為開發基于創傷發生年齡的個性化精神疾病療法開辟了新道路。

? Credit: Cell Reports Medicine (2026).

研究團隊通過在小鼠的不同發育階段（幼兒期、童年、青春期和青年期）施加應激，發現創傷的后果與“關鍵窗口期”緊密相關。例如，童年期創傷顯著損害了成年后的社交能力，而青春期創傷則主要導致攻擊性和支配行為的增加，但焦慮癥狀在所有受創傷組中普遍存在。進一步的蛋白質組學分析揭示了創傷如何在大腦中留下持久的“分子傷疤”。生命早期的創傷主要重塑了杏仁核、海馬體等大腦深層結構，而青春期及以后的創傷則更多地影響了負責高級認知功能的前額葉皮層。更重要的是，研究人員鎖定了一個名為腦源性神經營養因子（Brain-Derived Neurotrophic Factor, BDNF）的關鍵通路，它在大腦可塑性中扮演重要角色，調控該通路或可成為干預青年期創傷后遺癥的潛在治療靶點。研究發表在 Cell Reports Medicine 上。

#疾病與健康 #心理健康與精神疾病 #創傷 #大腦發育 #關鍵期

閱讀更多：

Morelli, Giovanni, et al. “Traumatic Life Experiences during Critical Periods Lead to Diverse Developmental Trajectories.” Cell Reports Medicine, May 2026, p. 102798. ScienceDirect, https://doi.org/10.1016/j.xcrm.2026.102798

利用實時腦信號預測和預防兒童注意力不集中

注意力不集中，尤其在多動癥（ADHD）兒童中，影響深遠且現有療法有限。多倫多病童醫院的George M. Ibrahim和Nebras M. Warsi等研究人員首次在人體中發現一種可預測注意力分散的腦信號，并通過實時精準的神經刺激成功恢復了兒童的專注力，為注意力障礙的治療開辟了全新方向。

研究首先對30名癲癇患兒進行了顱內記錄，并利用機器學習模型成功識別出一種能夠在注意力分散發生前出現的特定腦電信號。基于這一發現，團隊設計了一套閉環干預系統：一旦系統檢測到預示注意力即將分散的信號，便會立即施加一次短暫且精準的電刺激。結果顯示，這種時機恰到好處的干預能有效“挽救”兒童的注意力，使其在任務中的反應速度和準確性均得到提升。為了探索該方法的普適性，研究團隊進一步在正常發育兒童和ADHD患兒中采用非侵入性技術進行驗證。他們通過腦磁圖確認了該信號的存在，并利用經顱磁刺激-腦電圖（TMS-EEG）對目標腦區施加單脈沖刺激，同樣觀察到了注意力的顯著改善。這項研究表明，開發能夠實時監控并調控注意力的非侵入性工具具有巨大潛力。研究發表在 Nature Neuroscience 上。

#疾病與健康 #神經調控 #注意力 #兒童健康 #閉環神經調控

閱讀更多：

Warsi, Nebras M., et al. “Closed-Loop Stimulation Modulates Attention Shifting in Children.” Nature Neuroscience, May 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41593-026-02294-0

抑郁癥削弱的是期待，而非品嘗美食的快樂

快感缺失作為抑郁癥的核心癥狀，究竟是如何影響患者對愉悅活動的感受的？由Nils B. Kroemer和Corinna Schulz等（波恩大學醫院、圖賓根大學醫院等）領導的研究團隊發現，抑郁癥主要損害的是對獎賞的預期和動機過程，而非實際體驗快樂的能力，這一發現為抑郁癥的治療提供了新視角。

研究團隊對52名抑郁癥患者和51名健康參與者進行了一項精巧的味覺測試。參與者需要對不同食物在看到、聞到和品嘗等不同階段的渴望度（wanting，即追求獎勵的動力）和喜愛度（liking，即體驗獎勵的愉悅感）進行評分。結果顯示，在僅僅看到食物的預期階段，抑郁癥患者的渴望度顯著低于健康人。然而，一旦食物擺在面前，甚至在品嘗之前，他們的渴望度就會回升，并且在實際品嘗時，其感受到的愉悅感與健康人沒有差別。研究還發現，快感缺失癥狀越嚴重，其在預期階段的渴望度就越低。此外，研究揭示了身心關聯的一個重要線索：較低的胰島素敏感性（insulin sensitivity，身體有效處理血糖的能力）與更嚴重的快感缺失癥狀相關，暗示代謝功能障礙可能在抑郁癥的動機缺陷中扮演了重要角色。研究發表在 Cell Reports Medicine 上。

#疾病與健康 #心理健康與精神疾病 #抑郁癥 #快感缺失 #獎賞機制

閱讀更多：

Schulz, Corinna, et al. “Blunted Anticipation, but Not Consummation, of Food Rewards in Depression.” Cell Reports Medicine, vol. 0, no. 0, May 2026. www.cell.com, https://doi.org/10.1016/j.xcrm.2026.102796

繁重照護任務加速老年人認知衰退，適度照護則有益腦功能

晚年承擔照護責任對認知功能有何影響？Baowen Xue及團隊（倫敦大學學院）發現，繁重的照護任務會加速老年人的認知能力下降，而適度的照護責任反而能有效延緩腦功能衰退，抵消部分正常衰老帶來的影響。

為了探究照護特征如何影響認知軌跡，研究團隊分析了英國老齡化縱向研究中多年的跟蹤數據。他們運用傾向得分匹配（Propensity Score Matching，一種通過模擬隨機分配來減少樣本選擇偏差的統計方法）將2765名50歲以上的照護者與同等數量的非照護者進行了精確配對。研究采用分段生長曲線模型追蹤了參與者在承擔照護責任前后的執行功能和記憶力變化。結果顯示，承擔高強度照護（每周超過50小時）、在家中提供照護或照顧配偶的人群，其大腦功能下降速度顯著快于非照護群體，額外增加了約三分之一的認知衰退。相反，從事低強度照護（每周5至9小時）、在家庭之外或照顧父母的人，其執行功能下降更為緩慢，可抵消約三分之一的年度腦功能衰退。此外，記憶力的變化呈現相似但較弱的趨勢，且這些影響并不受個體性別或經濟狀況的干擾。這項研究突顯了為重度照護者提供替代護理支持以防止認知過早衰退的迫切性。研究發表在 Age and Ageing 上。

#疾病與健康 #健康管理與壽命延長 #認知功能 #老年人 #家庭照護

閱讀更多：

Xue, Baowen, et al. “Association between Becoming a Carer in Later Life and Changes in the Trajectory of Cognitive Function: Results from the English Longitudinal Study of Ageing.” Age and Ageing, vol. 55, no. 5, May 2026, p. afag132. Silverchair, https://doi.org/10.1093/ageing/afag132

AI 行業動態

愛思唯爾起訴Meta盜版論文訓練Llama

人工智能版權爭議迎來標志性升級。全球頂尖學術出版巨頭愛思唯爾（Elsevier），旗下擁有《柳葉刀》《細胞》等核心期刊，近日聯合法國阿歇特出版集團、英國麥克米倫出版集團及作家Scott Turow，在美國紐約南區法院對Meta及其CEO扎克伯格提起集體訴訟。這是主流學術出版商首次針對AI企業的版權維權行動。訴狀指控，Meta在訓練其大語言模型Llama時，非法爬取、復制了受版權保護的科研論文和出版物。美國出版商協會在聲明中強調，Meta的行為是“明目張膽的侵權”，此次訴訟旨在還原事實。

原告方指出，Meta的訓練數據主要來自兩大“問題來源”。其一，通用爬蟲數據集Common Crawl，其中很可能混入了未經授權的付費期刊摘要和全文。其二，著名的盜版學術平臺LibGen（全球最大的盜版電子書和論文數據庫）和Sci-Hub（提供繞過付費墻獲取數百萬篇學術論文的網站）。控方大量證據源自此前作家訴Meta案（Kadrey v. Meta）中披露的內部員工郵件。面對指控，Meta發言人表示將積極應訴，并計劃援引“合理使用”（Fair Use，美國版權法中允許在特定條件下無需授權使用版權內容的豁免條款）原則進行抗辯，稱已有判例支持使用版權內容訓練AI。值得注意的是，美國法院去年曾首次裁定Anthropic公司使用合法購買的書籍訓練AI屬于“轉化性使用”，但這起涉及盜版數據源的訴訟結果仍存巨大懸念。

#愛思唯爾訴Meta #AI版權 #盜版學術數據庫 #合理使用抗辯 #Llama訓練數據

閱讀更多：

https://www.nature.com/articles/d41586-026-01481-0

編程AI“終極考試”首破零：GPT-5.5從零盲寫程序，推理算力成新關鍵

一項被稱為“地獄級”的編程基準近日被AI首次攻克。由Meta、斯坦福大學和哈佛大學聯合推出的全新編程測試“程序基準測試（ProgramBench，要求模型僅根據編譯好的可執行文件和文檔，從零重建整個程序，禁止反編譯或聯網）”，此前所有前沿AI模型的通過率均為0%。如今，GPT-5.5成為了首個破例者。研究人員發現，GPT-5.5在默認推理模式下表現平平，但切換到高推理模式（high和xhigh）后性能飛躍，成功解出了經典終端程序“矩陣數字雨（cmatrix，一種模仿《黑客帝國》數字雨效果的屏幕保護程序）”。其中，高推理模式用C語言實現，而超高推理模式則用Python完成了同一任務，兩者均通過了全部行為測試。這一突破標志著編程評估從“修修補補”轉向了真正的“從零創造”。

此次突破揭示了“推理算力”正成為編程AI能力的核心變量。在200道題目中，目前僅有這一道被解出，但GPT-5.5超高推理模式還創下了26個任務通過95%以上單元測試的新紀錄，在所有關鍵指標上全面碾壓其他模型。相比之下，Claude Opus 4.7超高推理模式花費了10倍以上的成本和調用次數，卻因顏色解析大小寫敏感和退出碼錯誤兩個簡單漏洞而失敗。分析指出，智能不再是一個固定值，而愈發表現為算力的函數。隨著傳統測試基準逐漸失效，ProgramBench的出現為衡量AI的工程化編程能力設立了更高門檻，而通往超級人工智能的路徑或許無需等待下一代架構革命，推理算力的持續擴展就可能帶來指數級的能力爆發。

#GPT-5.5 #編程基準 #推理算力 #從零重建 #ProgramBench

閱讀更多：

https://programbench.com/blog/gpt-5-5-first-solve/

AI 驅動科學

Cell：開發AI虛擬細胞模型RegVelo以預測細胞命運走向

如何將底層基因調控機制與細胞動態特性結合以精準預測細胞命運的復雜演變，是發育生物學面臨的核心挑戰。慕尼黑亥姆霍茲中心 Fabian J. Theis 團隊與牛津大學、Stowers醫學研究所 Tatjana Sauka-Spengler 團隊合作開發了名為RegVelo的端到端人工智能生成式框架。該研究成功在計算機上構建了高還原度的虛擬細胞模型，首次實現了基因調控網絡與細胞發育動態的同時精準推斷。

該研究設計了RegVelo，這是一種融合核糖核酸速率（RNA velocity，一種利用基因剪接狀態預測細胞演化軌跡的計算分析方法）與基因調控網絡（gene regulatory network，揭示基因間相互控制關系的系統圖譜）的貝葉斯深度生成模型。研究人員將未剪接與已剪接的核糖核酸豐度作為輸入參數，利用神經網絡將轉錄過程建模為受復雜調控且時間依賴的非線性動態過程。在斑馬魚神經嵴發育實驗中，團隊結合全長單細胞轉錄組測序和染色質可及性數據，模擬了關鍵基因關閉對系統發育軌跡的干擾。結果表明，RegVelo不僅能夠精準捕捉細胞命運的啟動狀態，確認tfec是驅動色素細胞形成的早期核心轉錄因子，還通過計算模擬全新識別出elf1是控制色素細胞命運的調控因子。這些由計算機輸出的機制預測，隨后經由規律間隔成簇短回文重復序列系統介導的敲除操作，以及單細胞擾動測序得到了高度一致的體內實驗驗證。該創新突破了傳統觀察性實驗的局限，提供了一種兼具數據洞察與因果嚴謹性的數字模擬工具。研究發表在 Cell 上。

#AI驅動科學 #預測模型構建 #單細胞測序 #虛擬細胞 #基因調控網絡

閱讀更多：

Wang, Weixu, et al. “RegVelo: Gene-Regulatory-Informed Dynamics of Single Cells.” Cell, vol. 0, no. 0, May 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.04.022

AI語言模型在處理醫院結構化數據方面表現不佳，需結合代碼執行以確保準確性

大語言模型（LLM）能否簡化醫院日常的數據分析任務，從而減少對專業數據分析師的依賴？為探究此問題，來自西奈山伊坎醫學院的Eyal Klang, Benjamin Glicksberg及其同事，對九款主流LLM處理真實電子健康記錄（EHR）的能力進行了評估。研究發現，當前LLM無法獨立、準確地處理結構化數據，必須結合代碼生成與執行的混合策略才能確保可靠性。

研究團隊使用了來自西奈山醫療系統50,000次真實急診就診的電子健康記錄（EHR）數據，對包括GPT-4o和Llama在內的九款主流大型語言模型進行了測試。任務設定為醫院管理者日常依賴的兩項基本操作：根據特定條件計數患者和基于多重標準篩選記錄。研究人員比較了三種不同的提示策略：直接提問、思維鏈推理，以及一種基于工具的方法，即要求模型生成可執行的Python代碼來完成任務。結果顯示，直接提問的準確率普遍很低。思維鏈策略雖有少量提升，但隨著數據表格規模的增大，其性能急劇下降，即使是表現最好的GPT-4o，準確率也從約95%驟降至60%以下。相比之下，基于工具的方法表現最佳，GPT-4o和Qwen-2.5-72B等頂級模型實現了近乎完美的準確率。然而，一些為速度和效率優化的模型（如DeepSeek）即便在此模式下也表現不佳。研究結論明確指出，在不借助代碼執行的情況下，當前的LLM尚不適合獨立用于臨床管理中的結構化數據處理。為了在醫療場景中安全、可靠地應用這些技術，必須采用將LLM與傳統代碼執行相結合的智能體策略。研究發表在 PLOS Digital Health 上。

#AI驅動科學 #自動化科研 #大語言模型 #電子健康記錄

閱讀更多：

Wang, Shuyu, et al. “Discovery and Heterologous Reconstitution of a Plant Noncanonical Quasi-Circadian Gene Regulatory Network.” Cell, vol. 0, no. 0, May 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.04.033

七款智能戒指有望打破手語溝通障礙

現有的手語翻譯設備多采用笨重的手套或有線傳感器，舒適度差且需逐一校準。Jaejin Park、Ki Jun Yu等（韓國研究團隊）開發了一款基于七枚智能戒指的無線手語翻譯系統，成功在無需對個體校準的情況下實現了高準確率的實時手語詞匯和句子識別。

研究團隊開發了無線連接環式手語翻譯器（wirelessly connected, ring-type sign language translator，一種由獨立指環構成以釋放手指靈活性的無束縛系統），將七個指環佩戴在關鍵手指上。每個指環均內置三軸加速度計，以捕捉手勢相對于重力的方向及運動軌跡。各指環采集的信號利用藍牙多鏈路技術（Bluetooth multilink technology，允許多個外設模塊同時向主機獨立傳輸數據的通信協議）同步傳輸至終端。隨后，人工智能提取特征并結合順序詞語檢測框架（sequential word detection framework，一種能在連續動作流中自動切分并識別詞匯的技術），實現句子級別的實時翻譯。針對未參與訓練的新用戶測試顯示，該系統對100個美國手語詞匯和100個國際手語詞匯的識別準確率分別達到88.3%和88.5%，證明了其出色的跨用戶通用性和魯棒性。研究發表在 Science Advances 上。

#疾病與健康 #意圖與決策 #手語翻譯 #可穿戴設備

閱讀更多：

“An AI-Driven, Wearable, Conformal Ring System for Real-Time and User-Independent Sign Language Interpretation.” Science Advances. www.science.org, https://www.science.org/doi/10.1126/sciadv.aec8995. Accessed 14 May 2026

開發內置計算智能光學傳感器大幅降低數據傳輸需求

現代光學傳感器被動收集海量影像并傳輸至后端處理，導致了嚴重的延遲與高能耗問題。德克薩斯農工大學的Yuxuan Cosmi Lin和Linda Katehi團隊開發出一種能夠自我壓縮并分析數據的新型智能光學傳感器，在保持出色視覺性能的同時大幅減少了數據傳輸需求。

研究團隊提出了一種名為電致變色高光譜嵌入（electrochromic hyperspectral embedding，一種將智能計算前置到像素級別的架構框架）的新型系統。在傳統架構中，傳感與計算是相互分離的；而新方法利用電致變色光電探測器（electrochromic photodetectors，可根據電信號動態改變光響應特性的器件）中電可調的光電流響應，使每個像素在讀取前能夠自適應地選擇并編碼與當前任務最相關的光譜成分。隨后，這些輸出的低維數據直接與基于憶阻器的輕量級硬件相連以進行高效的數據推理。結果顯示，與傳統的視覺平臺相比，該智能傳感器在保持高分類準確率的前提下，將數據傳輸量成功降低了一個數量級以上。這項技術消除了系統對云計算或大型計算芯片的過度依賴，為未來的微創外科手術、太空物質成分勘探以及自動駕駛等應用場景提供了體積更小巧、響應更迅速且極具能效的智能系統解決方案。研究發表在 Nature Sensors 上。

#其他 #機器人及其進展 #邊緣計算 #智能視覺 #光學傳感器

閱讀更多：

Li, Ran, et al. “Electrochromic Hyperspectral Embedding for Ultracompact Intelligent Vision.” Nature Sensors, vol. 1, no. 5, May 2026, pp. 443–56. www.nature.com, https://doi.org/10.1038/s44460-026-00065-9

信號折疊設計助力神經形態芯片大幅降低AI能耗

大型語言模型等人工智能系統由于耗能巨大，亟需高能效的底層硬件替代方案。Lei Tong和Langlang Xu等（華中科技大學、香港中文大學）利用二維半導體材料開發了一種新型硬件計算系統，通過引入獨特的內部信號優化方案成功解決了神經形態芯片中權重精度與能效之間的權衡難題，大幅降低了計算基礎功耗。

? 垂直 1T1R 陣列架構。Credit: Nature Electronics (2026).

研究團隊開發了一種緊湊的電子系統，該系統基于二維半導體二硫化鉬構建了垂直的單晶體管單電阻交叉陣列。為了在保持計算模型精度的同時最大限度地降低系統能耗，研究人員創新性地引入了內置的信號折疊（signal-folding，通過編碼組合信號來預定義計算輸入信號并優化工作流程的策略）方案，該方案具體包含輸入信號折疊和權重電導折疊兩部分。在執行向量矩陣乘法時，工作信號被動態編碼為兩個組合的折疊信號。實驗表明，輸入信號折疊成功降低了硬件的工作電壓，而權重電導折疊有效規避了底層器件之間的物理不一致性，從而大幅擴大了權重計算精度。測試結果顯示，與使用傳統展開信號的電子系統相比，該創新方法在完全不依賴高能耗的硬件校準或糾錯補償方案的情況下，能夠極其準確地表示人工神經網絡所需的編碼值，并將該乘法運算的功耗降低了高達百分之九十。這一關鍵突破為未來邊緣人工智能計算平臺的高效本地運行提供了重要的底層技術支撐。研究發表在 Nature Electronics 上。

#大模型技術 #計算模型與人工智能模擬 #神經形態芯片 #二硫化鉬 #能效優化

閱讀更多：

Tong, Lei, et al. “Signal-Folding-Based Neuromorphic Hardware for Energy-Efficient Computing.” Nature Electronics, Apr. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41928-026-01626-z

給模型配個專屬教練：強化學習加速仿生機器人運動模擬

模擬大腦與身體協同工作的神經機械系統高度復雜，傳統上依賴專家手動調節海量參數，極易導致模擬結果與動物實際表現嚴重脫節。卡內基梅隆大學的Camila J. Fernandez和Victoria A. Webster-Wood團隊開發了一種基于強化學習的系統化分析框架，成功實現了對高維生物模型的靶向性優化，顯著縮小了模型預測與真實動物行為之間的差距。

這項研究旨在通過數據驅動框架消除模型改進過程中的主觀猜測成分。研究團隊引入了強化學習算法，使其作為神經機械模型的數字孿生發揮類似診斷教練的作用。在具體實驗中，研究人員將這一被稱為支持強化學習的神經機械模型分析（RL-NMA，一套能夠自動識別并評估高維模型優化方向的數據處理流程）管道應用于三個案例：受海洋軟體動物海兔（Aplysia californica）攝食機制啟發的軟體機器人、海兔攝食行為的計算模型以及仿生軟抓手。該系統通過定量評估，精準定位了導致真實動物數據與原始模型發生偏差的核心參數。依據該算法的診斷推薦，團隊實施了需求驅動復雜度的局部改進，僅在絕對必要的部分增加細節。結果表明，靶向優化后的模型在行為相關性上獲得了顯著提升，不僅有效縮小了模擬仿真與真實表現之間的差距，還避免了全局復雜化帶來的巨大計算開銷。研究發表在 npj Robotics 上。

#AI驅動科學 #計算模型與人工智能模擬 #神經機械學 #強化學習 #仿生機器人

閱讀更多：

Fernandez, Camila J., et al. “Analysis Pipeline for Demand-Driven Complexity Improvements of Models in Neurorobotics and Neuromechanics.” Npj Robotics, May 2026. www.nature.com, https://doi.org/10.1038/s44182-026-00087-y

設計阻礙減少人工智能的隱藏能耗

人工智能系統耗能巨大，但用戶在追求操作效率時往往忽略其背后的環境代價。Cheng Chen、Cassandra Troy和Maggie Mengqing Zhang（俄勒岡州立大學等）探索了軟件界面設計對使用者行為的干預效果。研究表明，在系統中刻意增加交互阻力能促使用戶停下反思，有效減少不必要的算力消耗，為推動綠色科技使用提供了可行路徑。

研究團隊招募了171名參與者進行行為學實驗，重點測試了生成式人工智能系統中設計摩擦（design friction，刻意在用戶界面中設置屏障以減緩交互速度的機制）的實際干預效果。實驗對比了兩種不同類型的機制，第一種是基于行動的摩擦（action-based friction，要求用戶在提交生成指令前必須先搜索現有圖像庫并詳細填寫具體需求參數），第二種是基于線索的摩擦（cue-based friction，在界面上直接向用戶展示有關生態環境影響的提示信息）。

實驗數據表明，基于行動的摩擦顯著提高了使用者的認知精細加工程度，迫使他們在操作前深入思考資源浪費問題，從而有效提升了負責任使用的意圖，即便這種限制輕微削弱了用戶的自主控制感。相比之下，基于線索的摩擦雖然通過透明度啟發式（transparency heuristic，人們傾向于對主動公開信息的系統產生好感和信任的心理捷徑）增加了用戶對工具的信任度，但并未實質性改變其隨意使用的習慣。這些發現證實，在以效率為導向的高性能計算時代，讓交互過程慢下來能有效減少個人的生態足跡。研究發表在 Science Communication 上。

#認知科學 #意圖與決策 #環境保護 #人機交互

閱讀更多：

Chen, Cheng, et al. “Pausing for Reflection: How Design Friction Shapes Environmentally Responsible Artificial Intelligence Use and Trust.” Science Communication, Apr. 2026, p. 10755470261434438. SAGE Journals, https://doi.org/10.1177/10755470261434438

像素級控制熱輻射：卡內基梅隆大學開發微型熱敏條形碼

控制熱輻射通常面臨整體溫度調節耗時耗能且缺乏局部精準調控的問題。為實現熱輻射智能控制，卡內基梅隆大學的Sheng Shen和Xiu Liu等人開發出一種熱數字化方法，成功制造出能以像素級精度獨立調節熱輻射的設備。

? 具有多個存儲單元和數字讀出的納米級計算設備，插圖顯示了切換狀態。Credit: Science Advances (2026).

研究團隊將相變材料碲化鍺融入超表面（metasurfaces，一種由亞波長納米結構組成的人工表面，可操縱電磁波）設計中，開發出像素化電可重構設備。碲化鍺具有非易失性（non-volatile，即斷電后仍能保持現有物理狀態的特性），通過交叉指型微型加熱器陣列施加不同的電壓脈沖，可以在無需持續供電的情況下實現非晶態與結晶態的切換。實驗結果表明，該設備不僅實現了微秒級的高速響應，還能對熱輸出進行漸進式精確調節，突破了傳統單純開關狀態的限制。目前團隊已在一維陣列上展示了類似條形碼的可調諧熱信號圖案，未來有望擴展為二維熱敏二維碼，并在自適應熱偽裝、可穿戴設備以及化學傳感等領域展現出巨大應用潛力。研究發表在 Science Advances 上。

#其他 #熱輻射控制 #超表面 #相變材料

閱讀更多：

Liu, Xiu, et al. “Pixelated Electrically Reconfigurable Metasurfaces for Intelligent Thermal Emission Control.” Science Advances, vol. 12, no. 13, Mar. 2026, p. eaeb2016. science.org (Atypon), https://doi.org/10.1126/sciadv.aeb2016

超六成美國青少年使用AI聊天機器人，近半數遭遇不良交互風險

人工智能聊天機器人在青少年群體中日益普及，其潛在的心理與行為風險引發了學術界的廣泛關注。佛羅里達大西洋大學與威斯康星大學歐克萊爾分校的Sameer Hinduja和Justin W. Patchin針對美國青少年使用人工智能聊天機器人的情況開展了大規模全國性調查，結果揭示盡管這些工具常被用于心理支持和娛樂，但近半數使用者遭遇了索要隱私、慫恿自殘等有害交互。

該團隊通過在線匿名調查收集了代表性的3466名13至17歲青少年的數據，并采用卡方檢驗分析了不同群體的聊天機器人使用頻率、動機以及面臨的13種不安全交互風險。數據表明，高達百分之六十點二的受訪者曾使用計算機輔助人工智能聊天機器人，其中百分之十一點四的人幾乎每天使用。雖然大部分人主要將其用于娛樂、尋求建議和交友，但百分之四十七點一的用戶報告了至少一種負面經歷。具體而言，百分之三十二點三的青少年被索要令人不適的個人信息，約四分之一的受訪者感到被操縱或被慫恿參與非法和危險活動，更有百分之十四點七和百分之十三的青少年分別接觸到了與自殘和自殺相關的極端內容。分析表明，13歲年齡段的年輕群體受到的負面影響尤為顯著，而男性、白人以及異性戀青少年報告遇到交互風險的比例也出人意料地更高。這一現象凸顯了在相關平臺內置內容過濾和心理健康響應機制的緊迫性。研究發表在 Journal of Adolescence 上。

#認知科學 #心理健康與精神疾病 #大模型技術 #青少年網絡安全

閱讀更多：

Hinduja, Sameer, and Justin W. Patchin. “Risks and Harms of Conversational Artificial Intelligence (CAI) Chatbot Use Among US Youth.” Journal of Adolescence, n/a, no. n/a. Wiley Online Library, https://doi.org/10.1002/jad.70164. Accessed 14 May 2026

觸覺夢境技術賦能人形機器人，靈巧操作成功率提升90.9%

人形機器人在現實接觸豐富的環境中進行靈巧全身操作時常面臨身體協調與物體操控的困難。Yaru Niu和Ding Zhao等人（卡內基梅隆大學與博世人工智能中心）提出了一種結合全身控制與觸覺感知的綜合人工智能系統，成功大幅提升了人形機器人執行復雜操作任務的成功率。

? Humanoid Touch Dream 結合了穩定的全身控制、觸覺感知和預測性觸覺感知學習，使人形機器人能夠執行各種需要大量接觸的任務，從折疊毛巾、整理書籍到高精度插入、工具使用和雙手沏茶，實現靈巧操作。Credit: Niu et al.

研究團隊開發了一個集成的人形機器人操作系統，其中下半身由基于強化學習的控制器負責保持平衡，上半身姿態和手部運動分別通過逆運動學和手部重定向處理。在此基礎上，團隊引入了一種具有觸覺夢境的人形變換器（Humanoid Transformer with Touch Dreaming，一種融合多模態感知的深度學習網絡結構）人工智能系統。該系統采用單階段模仿學習（imitation learning，一種讓機器通過觀察人類專家演示來掌握特定任務行為的算法）框架，不僅接收視覺和本體感覺輸入，還把觸覺作為核心信息模態。在訓練時，模型除了預測機器人的未來動作，還會進行觸覺夢境（touch dreaming，即預測操作過程中未來手部關節力和觸覺感知信號的演變過程）以增強整體策略的接觸感知能力。為避免處理嘈雜的底層傳感器波動，模型不直接重建原始讀數，而是預測觸覺潛在表征（tactile latent representations，對復雜物理觸覺信息進行壓縮與提煉后的深層特征表達）。在折毛巾、雙手沏茶等五項現實接觸任務中，該系統使機器人的平均成功率比強基準提高了百分之九十點九，且潛在表征預測比原始信號預測帶來了百分之三十的性能提升。

#其他 #機器人及其進展 #模仿學習 #全身控制 #觸覺感知

閱讀更多：

Niu, Yaru, et al. “Learning Versatile Humanoid Manipulation with Touch Dreaming.” arXiv:2604.13015, arXiv, 27 Apr. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2604.13015

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。