追問daily | 獎勵越大，學習速度越快；為什么越累越睡不著？

█ 腦科學動態

Science：睡眠節律紊亂導致多種疾病均會增加癡呆風險

Science：獎勵越大，學習速度越快

Nature：稻瘟菌長鏈非編碼RNA介導跨界免疫調控

為什么減肥神藥效果會見頂？NIH新研究鎖定關鍵信號分子cAMP

抑郁癥的持續時間與嚴重程度共同影響患者大腦網絡連接

青春期高脂飲食會鎖死成年后大腦決策

缺乏藍斑調節導致大腦神經網絡更加嘈雜

為什么越累越睡不著？新研究繪制年輕人睡眠多維因果圖

慢波睡眠主動緩解壓力誘發的焦慮

慢性壓力導致睡眠碎片化

█ AI行業動態

Meta凌晨裁員8000人，員工鍵盤軌跡成訓練數據

GitHub源碼遭竊、18年元老出走，微軟開發者帝國搖搖欲墜

█ AI驅動科學

Nature：從頭設計大型準對稱蛋白質籠用于生物藥遞送

科技創造的新工作更青睞年輕高學歷人群

可拉伸神經形態電路實現無延遲人體邊緣計算

像流體一樣自發重組的群體機器人

全新設計的耳機通過心跳驗證用戶身份

蒽基可回收樹脂實現高精度3D打印及十次無損循環

脊髓刺激數據揭示為何高頻脈沖會錯失關鍵康復通路

跳過93%的無效迭代：全新動態推理機制助小模型實現精度逆襲

通用腦成像基礎模型NeuroSTORM實現高泛化fMRI解析與多任務臨床遷移

李飛飛團隊發布具身空間智能評測新基準 ESI-Bench

腦科學動態

Science：睡眠節律紊亂導致多種疾病均會增加癡呆風險

為什么慢性壓力、抑郁癥、心血管疾病和衰老都會增加癡呆風險？Maiken Nedergaard（羅切斯特大學醫學中心）提出，這些看似不同的疾病狀況可能都指向同一個生物學問題，即睡眠依賴性腦節律的紊亂。該綜述重新定義了睡眠的生物學作用，指出其不僅是單純的休息，更是一種高度組織化的體液運輸狀態，負責協調大腦化學物質以支持夜間大腦的自我清潔過程。

該綜述重點分析了睡眠期間神經調節劑（neuromodulators，清醒時負責調節情緒和注意力等行為的腦化學物質）的活動規律。結果表明，在睡眠期間，去甲腎上腺素和多巴胺等神經調節劑會同步形成周期約50秒的緩慢節律振蕩。這種振蕩驅動了血管運動，從而為腦淋巴系統提供機械動力，推動腦脊液流經大腦并清除包括與阿爾茨海默病相關的β-淀粉樣蛋白在內的代謝廢物。當衰老、精神疾病或心血管疾病擾亂這一腦部節律時，大腦清除廢物的效率顯著降低，進而增加癡呆風險。此外，研究發現心率變異性與腦內神經調節節律密切相關，未來可作為一種無創的潛在生物標志物，用于評估睡眠相關的大腦健康，并在癥狀出現前識別出認知衰退高風險人群。研究發表在 Science 上。

#疾病與健康 #神經機制與腦功能解析 #阿爾茨海默病 #腦淋巴系統 #癡呆癥

閱讀更多：

Nedergaard, Maiken. “The Oscillatory Biology of Sleep: Linkage to Dementia.” Science, vol. 392, no. 6800, May 2026, pp. 821–26. science.org (Atypon), https://doi.org/10.1126/science.aeg2276

Science：獎勵越大，學習速度越快

獎勵大小是否影響動物學習速度？霍華德·休斯醫學研究所的Sheng Gong、Alyssa Martell、Joshua T. Dudman和Luke T. Coddington通過研究發現，大額獎勵能夠維持大腦中的多巴胺信號，從而顯著加速動物的學習過程。

研究團隊在小鼠中開展了隱藏目標導航和運動技能等五種行為范式實驗。傳統觀點認為，動物需經數百次伴隨小額獎勵的重復方能掌握任務。然而，當口渴小鼠的獎勵變為幾大口水后，它們在一天內僅需不到10次大額獎勵便掌握了復雜任務。研究表明，大額獎勵通過提升單次重復的學習效率、跨日學習的記憶保持力以及任務參與度來加速學習。其中參與度是影響個體學習差異的最大決定因素。進一步研究發現，在獲得大額獎勵時，小鼠腹側紋狀體中的多巴胺釋放量更大且持續時間更長。研究人員利用光遺傳學人為延長與小額獎勵相關的多巴胺信號，成功重現了大額獎勵帶來的多數學習益處。該發現揭示了獎勵幅度決定強化學習效率的神經機制。研究發表在 Science 上。

#神經科學 #神經機制與腦功能解析 #行為學 #多巴胺 #光遺傳學

閱讀更多：

Gong, Sheng, et al. “Reward Magnitude Determines Reinforcement Learning Efficiency.” Science, vol. 392, no. 6800, May 2026, p. eaeb0813. science.org (Atypon), https://doi.org/10.1126/science.aeb0813

Nature：稻瘟菌長鏈非編碼RNA介導跨界免疫調控

在植物與病菌的博弈中，非蛋白質效應子如何調控免疫仍是未解之謎。四川農業大學的陳學偉和賀閩等揭示了全新跨界免疫機制，發現病原真菌分泌的非編碼核酸能吸附植物關鍵防御分子，進而瓦解宿主免疫系統。

該研究以引起水稻稻瘟病的稻瘟菌（Magnaporthe oryzae，一種毀滅性的真菌病原體）和水稻作為互作模型。研究人員首先對感染過程進行核糖核酸測序，篩選出在侵染階段高表達的長鏈非編碼核糖核酸（lncRNA，不編碼蛋白質但具調節功能的長片段核酸分子）lnc117761。隨后通過突變體測試和凝膠電泳遷移率實驗（EMSA，用于研究分子間結合作用的體外檢測技術）證實，病原菌通過細胞外囊泡將lnc117761跨界輸送至水稻細胞內。在植物體內，lnc117761像海綿般吸附宿主微小核糖核酸miR5827。由于miR5827原本會抑制免疫負調控因子PKR1的表達，此跨界吸附解除了對PKR1的限制，引發其表達量上升，從而徹底摧毀水稻免疫防御體系并促進真菌擴散。研究發表在 Nature 上。

#其他 #跨界免疫 #長鏈非編碼RNA #農作物病害

閱讀更多：

He, Min, et al. “A Pathogen lncRNA Secreted into Rice Sequesters a Host miRNA for Virulence.” Nature, May 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-026-10572-x

為什么減肥神藥效果會見頂？NIH新研究鎖定關鍵信號分子cAMP

GLP-1受體激動劑的減重功效廣為人知，但為何患者藥效存在差異及容易遭遇減重停滯期仍是未解之謎。美國國立衛生研究院（National Institutes of Health）的Claire Gao、Andrew Lutas和Michael J. Krashes等人探究了靶神經元內部的機制，首次揭示了索瑪魯肽減重效果的關鍵細胞內信號傳導過程。

該研究利用熒光成像技術，探索了活體小鼠腦組織中索瑪魯肽（semaglutide，一種廣泛使用的GLP-1受體激動劑類減肥藥物）誘導的細胞內活性。研究發現，索瑪魯肽的減重效果高度依賴于大腦后延髓區（area postrema，大腦中含有控制食欲相關神經回路的區域）表達GLP-1受體的神經元內環磷酸腺苷水平的升高。此外，藥物同時激活了依賴于Gs和Gq蛋白的信號通路。實驗顯示不同神經元對藥物的反應存在連續性差異：一些細胞能維持較高的cAMP水平，而另一些則僅短暫升高。當研究人員在靶神經元中破壞Gs或cAMP信號傳導時，索瑪魯肽誘導的體重減輕效果被完全消除。為了延長藥效，研究團隊使用藥物羅氟司特抑制了天然存在的磷酸二酯酶4（PDE4，一種能降解cAMP并降低其濃度的酶）。結果表明抑制該酶能夠增強并維持神經元對索瑪魯肽的cAMP反應。這一發現為突破患者減重瓶頸期、減少給藥頻率提供了潛在的新靶點。研究發表在 Nature Metabolism 上。

#疾病與健康 #神經機制與腦功能解析 #肥胖 #GLP-1 #索瑪魯肽

閱讀更多：

Gao, Claire, et al. “Semaglutide Drives Weight Loss through cAMP-Dependent Mechanisms in GLP1R-Expressing Hindbrain Neurons.” Nature Metabolism, May 2026, pp. 1–20. www.nature.com, https://doi.org/10.1038/s42255-026-01534-8

抑郁癥的持續時間與嚴重程度共同影響患者大腦網絡連接

重度抑郁癥如何改變大腦功能？特別是疾病的持續時間與嚴重程度如何共同作用于大腦結構的改變？Tamires Zanao 團隊（巴西圣保羅大學和英國牛津大學）通過分析抑郁癥患者的腦部神經影像，揭示了慢性與非慢性抑郁癥患者在兩大核心大腦網絡交互上存在截然相反的病理模式。

研究團隊對46名目前未服用抗抑郁藥物的重度抑郁癥患者進行了影像學數據分析。研究人員使用基于體素的形態學分析和全腦獨立成分分析，全面評估患者的大腦結構與功能連接。癥狀嚴重程度通過量表進行量化，病程持續超過24個月被劃分為慢性抑郁癥。實驗數據表明，疾病的持續時間顯著調節了癥狀嚴重程度對中央執行網絡與默認模式網絡之間功能連接的影響。在非慢性患者中，癥狀較輕者表現出更強的網絡連接，癥狀加重時連接減弱。相反，慢性抑郁癥患者表現出完全逆轉的模式，即癥狀越重，這兩大核心網絡間的連接反而越強。這種異常的強連接模式導致患者過度沉浸于帶有負面偏向的自我反思中，難以將注意力轉移至外部環境。此外，研究還發現抑郁癥狀的嚴重程度與前扣帶回皮層及右側背外側前額葉皮層的灰質體積改變密切相關。研究發表在 Scientific Reports 上。

#疾病與健康 #心理健康與精神疾病 #抑郁癥 #神經影像學 #大腦網絡

閱讀更多：

Zanao, Tamires, et al. “Chronicity Moderates the Impact of Severity on Central Executive-Default Mode Network Functional Interactions in Depression.” Scientific Reports, vol. 16, no. 1, Feb. 2026, p. 10116. www.nature.com, https://doi.org/10.1038/s41598-026-40364-2

青春期高脂飲食會鎖死成年后大腦決策

青少年時期攝入致肥胖食物會對成年后的行為產生怎樣的長期影響？Fabien Naneix 和 Kate Z. Peters 等人所在的團隊（阿伯丁大學與蘇塞克斯大學）通過小鼠模型研究發現，青春期攝入高脂肪飲食會長期改變大腦對食物相關決策的控制機制，導致個體在成年后形成難以打破的僵化覓食習慣，且這種影響在雌雄個體之間表現出顯著的特異性差異。

? 青春期致肥胖飲食會對體重和代謝健康產生性別特異性影響。Credit: Neuropsychopharmacology (2026).

研究團隊在小鼠的青春期為其提供不同脂肪含量的飲食，并在其成年后恢復健康飲食，隨后訓練它們完成獲取食物的特定任務。測試重點關注小鼠的認知靈活性。結果顯示，曾在青春期攝入極高脂肪飲食的小鼠成年后均表現出習慣性行為（habitual behavior，即不顧當前結果價值或環境變化而機械性重復特定動作的僵化反應）。在攝入中高脂肪飲食的組別中，研究觀察到了顯著的性別差異：雄性小鼠在更新結果價值方面存在障礙，即使在食物充足且不再需要時仍會盲目執行覓食任務；雌性小鼠則在更新動作與結果關聯方面受損，且令人意外的是，雌性的認知缺陷與體重的增加并無關聯。這些發現表明，早期接觸不健康飲食會深層重塑大腦決策網絡，這為許多人難以長期維持減肥效果提供了重要的生物學解釋。研究發表在 Neuropsychopharmacology 上。

#疾病與健康 #意圖與決策 #習慣性行為 #認知靈活性 #性別差異

閱讀更多：

Mukherjee, Diptendu, et al. “Adolescent Obesity Induces Sex-Specific Alterations of Action Control.” Neuropsychopharmacology, Apr. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41386-026-02419-w

缺乏藍斑調節導致大腦神經網絡更加嘈雜

認知靈活性受損與多種神經和精神疾病密切相關，但其底層的神經回路調節機制尚不清楚。加州大學河濱分校的Hongdian Yang、Marco Nigro等發現，腦干中的藍斑結構在幫助大腦切換行為規則和維持靈活思維方面發揮著核心調節作用。

研究人員訓練小鼠執行一項規則轉換任務以測試注意力靈活性，小鼠需要學會忽略舊的感官線索并依賴新氣味線索尋找食物。實驗結合了化學遺傳學技術和微型顯微鏡，來抑制藍斑活性并監測內側前額葉皮層的活動。結果顯示，抑制藍斑或其向內側前額葉皮層的投射會嚴重阻礙小鼠的轉換行為，使其需要更多次嘗試才能適應新規則。干擾藍斑并沒有降低大腦活動，反而使更多前額葉神經元變得活躍且調諧范圍變寬，導致神經網絡變得嘈雜且選擇性降低。機器學習分析表明，缺乏藍斑的調節會導致大腦活動模式變得模糊，難以反映小鼠所處的學習階段。這表明藍斑通過維持高神經信噪比，幫助前額葉皮層在復雜決策中保持有序。研究發表在 eLife 上。

#疾病與健康 #神經機制與腦功能解析 #認知靈活性 #藍斑 #前額葉皮層

閱讀更多：

Nigro, Marco, et al. “Locus Coeruleus Modulation of Prefrontal Dynamics during Attentional Switching in Mice.” eLife, edited by Alicia Izquierdo and Laura L. Colgin, vol. 14, May 2026, p. RP105911. eLife, https://doi.org/10.7554/eLife.105911

為什么越累越睡不著？新研究繪制年輕人睡眠多維因果圖

年輕人的睡眠與抑郁問題為何如此普遍且難以改善？Jeroen F. Uleman與Naja Hulvej Rod等（哥本哈根大學哥本哈根健康復雜性中心等機構）繪制了生物、心理與社會等多維度的相互作用網絡，證實這種健康危機并非由單一原因引起，而是陷入了多種因素交織的復雜循環。

? 吸煙、睡眠和抑郁癥狀之間“惡性循環”的示意圖。Credit: Niels Bohr Institute

該研究摒棄了傳統的單向歸因思路，轉而探索跨尺度反饋機制。研究團隊邀請了流行病學、生物學及心理學等領域的十四位專家參與調查，并結合文獻回顧與自然語言處理，構建了包含十八至四十歲人群特征的因果循環圖（Causal loop diagram，通過圖形化節點與箭頭展示系統中各變量相互影響與反饋的工具）。年輕成人睡眠模型最終鎖定了二十九個核心變量與一百七十五個因果聯系。研究發現，跨越生物、心理與社會維度的變量會形成大量自我強化的惡性循環。例如吸煙可能引發抑郁癥狀進而擾亂睡眠，而為了對抗疲勞產生的過度吸煙又會因尼古丁攝入進一步惡化睡眠與情緒。該動態分析工具不僅在理論上填補了系統級結構評估的空白，目前已被丹麥法堡米特芬市政府采納，用于指導基于真實經驗與科學證據的地方公共衛生政策及跨學科聯合干預。研究發表在 BMC Medicine 上。

#神經科學 #神經機制與腦功能解析 #行為進化 #發聲交流 #冷泉港實驗室

閱讀更多：

Uleman, Jeroen F., et al. “The Young Adult Sleep Model: An Evolving Causal Loop Diagram of Mental Health Dynamics.” BMC Medicine, vol. 24, no. 1, Mar. 2026, p. 159. Springer Link, https://doi.org/10.1186/s12916-026-04738-7

慢波睡眠主動緩解壓力誘發的焦慮

壓力大時大睡一覺能平復心情，但睡眠究竟是被動休息還是主動抗焦慮？浙江大學的Xiang Feng、Shumin Duan和Li Sun等團隊首次發現，慢波睡眠并非被動恢復過程，而是通過激活特定的腦干環路主動抑制壓力誘發的焦慮，該結果為治療應激性焦慮障礙提供了全新的精準靶點。

研究團隊使用了慢性社交挫敗壓力（chronic social defeat stress，CSDS）小鼠模型，讓小鼠連續遭受同類攻擊以引發持續的焦慮行為。為避免傳統睡眠剝奪帶來的額外壓力，研究人員利用光遺傳學技術，特異性激活調控慢波睡眠（slow-wave sleep，SWS）的延髓面旁區神經元。結果表明，在遭受壓力后立刻誘導15分鐘的慢波睡眠，就能完全阻斷小鼠焦慮行為的發展。結合多腦區鈣離子成像發現，觸發焦慮的核心部位是腦干外側臂旁核（lateral parabrachial nucleus，LPB）。在壓力下，LPB中表達降鈣素基因相關肽（CGRP）的神經元異?；钴S，向下游的側腦室床核卵圓形核（ovBNST）發送信號從而驅動焦慮。而在慢波睡眠期間，PZ神經元會直接釋放抑制性遞質，精準關閉LPB到ovBNST的神經通路。這一發現證實了睡眠是通過特定的神經回路主動消除焦慮，提示創傷后及時的睡眠干預對預防心理障礙至關重要。研究發表在 Neuron 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 #慢波睡眠 #光遺傳學

閱讀更多：

Feng, Xiang, et al. “Slow-Wave Sleep Engages Brainstem Circuitry to Prevent Stress-Induced Anxiety.” Neuron, vol. 0, no. 0, May 2026. www.cell.com, https://doi.org/10.1016/j.neuron.2026.04.041

慢性壓力導致睡眠碎片化

慢性壓力引發的睡眠碎片化困擾著大量人群，但壓力是如何在微觀層面破壞關鍵腦電波的尚未被闡明。西京醫院的Rui Li、Guangchao Zhao和Hailong Dong等開展了這項研究，揭示了腹側被蓋區到內側前額葉皮層的多巴胺環路異常興奮是導致這一現象的核心元兇，為治療壓力相關睡眠障礙提供了全新靶點。

研究采用小鼠慢性社會挫敗壓力模型進行實驗。結合腦電圖與機器學習算法，研究人員發現壓力雖增加了小鼠深度睡眠總長，但睡眠被切割成極短片段，且負責屏蔽外界干擾的睡眠紡錘波的密度與質量顯著降低。借助雙光子顯微成像和高靈敏探針，研究觀察到在小鼠的大腦內側前額葉皮層（mPFC）出現異常的多巴胺釋放脈沖，且與紡錘波的消失高度同步。進一步分析表明，壓力使腹側被蓋區（VTA，大腦獎賞系統的核心區域）的多巴胺神經元上的超極化激活環核苷酸門控（HCN，調控神經元節律性放電的特定離子通道）過度活躍，促使神經元發生簇狀放電（Burst Firing，短時間內的連續高頻劇烈放電）。大量異常釋放的多巴胺結合相應受體，最終破壞了紡錘波的連續性。系統給予HCN通道或多巴胺受體阻滯劑可有效恢復紡錘波指標并改善睡眠穩定性。研究發表在 Neuron 上。

#疾病與健康 #神經機制與腦功能解析 #睡眠障礙 #慢性壓力 #多巴胺環路

閱讀更多：

Li, Rui, et al. “Hyperexcitable VTA-mPFC Dopaminergic Circuit Disrupts Sleep Spindle and Mediates Sleep Fragmentation after Chronic Social Defeat Stress.” Neuron, vol. 0, no. 0, May 2026. www.cell.com, https://doi.org/10.1016/j.neuron.2026.04.037

AI 行業動態

Meta凌晨裁員8000人，員工鍵盤軌跡成訓練數據

科技巨頭Meta在2026年內進行了第三輪裁員，解雇約8000名員工，預計全年總裁員人數將達到22000人，占其全球員工總數的20%。此次代號為“Pralaydin”（毀滅之日）的裁員過程冷酷高效：以新加坡辦公室為例，員工在凌晨4點收到解雇郵件的同時，所有工作權限被瞬間注銷。而就在裁員前，曾有超過1000名員工聯名抗議公司的一項秘密監控程序——該程序通過追蹤員工的“鍵盤敲擊、鼠標軌跡及屏幕截圖”來訓練人工智能模型，但抗議未能阻止裁員。隨后，約2000名“幸存”員工被強制并入新成立的“應用AI與工程部”，而部門重組正是基于上述程序收集的數據。

Meta首席執行官馬克·扎克伯格在內部錄音中承認，公司正利用員工來訓練AI，并直言“員工平均智商顯著高于普通人”，言下之意是將高知員工視為訓練AI的“人肉電池”。據華爾街機構測算，裁掉8000人每年可節省約30億美元，但這筆錢很快被投入AI軍備競賽：扎克伯格為了從蘋果公司挖角AI人才龐若鳴開出2億美元支票，為留住研究員Andrew Tulloch承諾六年支付15億美元，甚至為讓Alexandr Wang加入豪擲143億美元。與此同時，Meta 2026年第一季度凈利潤高達270億美元，同比增長33%，公司正計劃投入約1300億美元建設AI數據中心和采購英偉達芯片。在給員工的信中，扎克伯格表示“成功并非理所當然”，并承諾今年內不再有公司級別的大規模裁員。然而，有被裁員工爆料，即便每天只睡4小時、績效優異的工程師也未能幸免。盡管Meta提供了平均高達36萬美元的遣散費，但許多工程師發現招聘市場異常冷清。

#Meta裁員 #AI訓練 #鍵盤監控 #科技巨頭 #人肉電池

閱讀更多：

https://www.thejakartapost.com/business/2026/05/22/meta-began-laying-off-roughly-8000-employees.html

GitHub源碼遭竊、18年元老出走，微軟開發者帝國搖搖欲墜

全球最大的代碼托管平臺GitHub正經歷前所未有的危機。一位擁有18年資歷的資深開發者、Ghostty終端創始人Mitchell Hashimoto公開發表“絕交信”，控訴平臺頻繁的故障導致其無法正常編程，并宣布將所有資產遷出。更嚴重的是，一場安全風暴徹底撕開了GitHub的防線：一名內部開發人員因安裝被投毒的VS Code惡意插件，導致其個人訪問憑證泄露，最終造成超過3800個內部代碼倉庫的源代碼被黑客竊取并在暗網叫賣。與此同時，花旗銀行、英特爾等企業客戶也對GitHub的持續宕機表達不滿，OpenAI甚至開始探索自建替代方案，平臺的信任根基正在動搖。

技術災難的背后，是GitHub管理層的劇烈動蕩和被微軟全面同化的陣痛。自去年深受社區愛戴的前CEO Thomas Dohmke辭職后，微軟便取消了GitHub的CEO職位，將其徹底并入新組建的CoreAI團隊，導致高管和技術骨干紛紛出逃。外部競爭也極其慘烈：新興的Cursor和Claude Code憑借能理解項目上下文、自動化完成復雜任務的降維打擊能力，正在瘋狂蠶食GitHub Copilot的市場。而GitHub自身的財務模型也陷入“越賣越虧”的補貼黑洞，高昂的AI推理成本拉低了微軟的云業務毛利率。當平臺喪失中立性、技術穩定性與開發者文化的純粹性時，這個承載著1.5億開發者的帝國正站在崩塌的前夜。

#GitHub危機 #源碼泄露 #開發者流失 #AI編程工具 #微軟

閱讀更多：

https://www.theverge.com/tech/935250/microsoft-github-struggles-notepad

AI 驅動科學

Nature：從頭設計大型準對稱蛋白質籠用于生物藥遞送

如何利用人工智能技術突破以往人工蛋白質設計中的尺寸限制，創造出如天然病毒般可包裹大分子物質的巨型蛋白質外殼？Shunzhi Wang、Sangmin Lee與David Baker等人組成的團隊，成功從頭設計了大型單組分與雙組分的準對稱蛋白質納米籠，解決了利用極少組分實現可控大尺寸生物納米材料的工程挑戰，為生物制劑的靶向遞送開辟了全新路徑。

研究團隊借鑒了自然界病毒破解幾何阻挫（Geometric Frustration，指由于幾何形狀的固有限制而無法用單一或極少多邊形實現完美球面無縫拼接的數學現象）的策略。他們使用RFdiffusion等工具，人工構建了帶有曲率缺陷的蛋白質構件。在雙組分系統中，研究人員設計了穩固的三聚體作為頂點，以及具有特定彎曲角度的二聚體作為邊。通過將二聚體角度自40度微調至8度，系統成功引入五邊形曲率缺陷，組裝成直徑跨度達40至超200納米的大型球形囊泡。實驗表明，這類系統能裝載核糖核蛋白復合物（RNP，一種由核酸與蛋白質構成的復合結構，常作為基因編輯工具被遞送），并在哺乳動物細胞中充當流變學探針（Rheological probes，用于實時監測并測量細胞內物質流動與擴散特征的工具）。在單組分系統方面，團隊給單一蛋白質模塊預設了特定曲率與極強的相互作用力。冷凍電鏡分析表明，組裝體為釋放應力，單一蛋白自發產生了非對稱的構象變化，進而精準構建出含180至2160個亞基的巨型單組分納米籠。研究發表在 Nature 上。

#AI驅動科學 #大模型技術 #蛋白質設計 #準對稱結構 #藥物遞送

閱讀更多：

Lee, Sangmin, et al. “Design of One-Component Quasisymmetric Protein Nanocages.” Nature, May 2026, pp. 1–7. www.nature.com, https://doi.org/10.1038/s41586-026-10554-z

Wang, Shunzhi, et al. “De Novo Design of Quasisymmetric Two-Component Protein Cages.” Nature, May 2026, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41586-026-10464-0

科技創造的新工作更青睞年輕高學歷人群

科技的進步在取代傳統工作的同時也會創造新工作，但究竟是誰獲得了這些新崗位？David Autor、Caroline Chin、Anna M. Salomons和Bryan Seegmiller（麻省理工學院、蒂爾堡大學、烏得勒支大學、西北大學）發現，戰后美國由科技和需求驅動的新興工作崗位，絕大多數流向了城市中30歲以下的大學畢業生，并享有初期的薪資優勢，這一發現為預測未來人工智能對勞動力市場的影響提供了歷史參考。

? Credit: David Autor et al (2026).

研究團隊利用美國人口普查局1940年至1950年的個人追蹤數據，以及2011年至2023年的美國社區調查記錄，深度剖析了新興職業勞動者的特征。結果顯示，早期進入新興領域的勞動者具有明顯的先發優勢，1940年從事新興工作的人員在十年后繼續留在新領域的可能性是普通人群的2.5倍。教育背景起到了關鍵作用，大學畢業生進入新工作領域的概率比高中畢業生高出2.9個百分點。研究進一步指出，新型工作在初期通常具有工資溢價，但隨著相關專業知識變得普及或最終被自動化，這種由于稀缺性帶來的溢價會隨時間消退。通過分析二戰時期的縣級數據，團隊發現1940至1950年間85%至90%的新增工作是由技術驅動的，這證實了需求側因素對技術創新的巨大推動力。歷史經驗表明，未來人工智能的應用走向不僅取決于技術本身，更取決于宏觀需求如何引導它去賦能各個專業領域。研究發表在 Annual Review of Economics 上。

#人工智能 #勞動力市場 #技術創新

閱讀更多：

https://www.nber.org/system/files/working_papers/w34986/w34986.pdf

可拉伸神經形態電路實現無延遲人體邊緣計算

目前的穿戴設備分析健康數據需依賴外部服務器，傳輸延遲可能在心臟驟停等突發狀況中致命。芝加哥大學（University of Chicago）與阿貢國家實驗室（Argonne National Laboratory）的Sihong Wang、Fangfang Xia以及Songsong Li等研究人員開發出一種新型類皮膚計算貼片，能夠直接在人體表面運行算法，實現了極速的健康風險干預。

? 芝加哥大學普利茲克分子工程學院（UChicago PME）研發出一種新型的類皮膚計算貼片，能夠以前所未有的方式利用人工智能分析健康數據。Credit: UChicago Pritzker School of Molecular Engineering / John Zich

該貼片的核心是一個可拉伸的神經形態計算電路（neuromorphic computing circuit，一種模擬大腦神經網絡架構的計算硬件）。傳統柔性材料對熱極度敏感，且凝膠電解質易流動引發短路，導致元件難以大規模集成。團隊創新研發出暴露于紫外線下即硬化成精確圖案的新型聚合物凝膠，成功使其兼容光刻工藝。此工藝讓每平方厘米能容納一萬個有機電化學晶體管。測試表明，設備拉伸至原長1.5倍時，定位心臟異常電波波前的準確率依然高達百分之九十九點六。此外，該硬件編碼的神經網絡綜合多項體征評估心臟病風險的準確率達百分之八十三點五，真正實現了毫秒級體內數據處理。研究發表在 Nature Electronics 上。

#疾病與健康 #計算模型與人工智能模擬 #神經形態計算 #可穿戴設備 #微電子制造

閱讀更多：

Li, Songsong, et al. “A Large-Scale Stretchable Neuromorphic Circuit for on-Body Edge Computing.” Nature Electronics, May 2026, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41928-026-01639-8

像流體一樣自發重組的群體機器人

如何在缺乏集中控制的情況下讓大量機器人保持凝聚力并適應復雜環境？康奈爾大學和佐治亞理工學院的Danna Ma、Baxi Chong、Daniel I. Goldman和Kirstin H. Petersen開發了交叉鏈接集群系統，利用物理接觸和機械智能，使數十個簡單模塊能夠像流體物質一樣自發變形、重組并集體移動。

? 探索性實驗中三維糾纏的實例。Credit: Science Robotics (2026).

這項研究受活性凝膠（active gels，一種分子鏈在保持整體結構的同時不斷形成和溶解的流變材料）啟發，設計了數十個行動能力有限的小型機器人模塊。每個模塊長約200毫米，通過電機驅動在I形和U形之間往復形變（shape morphing，改變物理形態以產生動力的過程），并通過兩端的魔術貼與相鄰模塊發生臨時糾纏（transient entanglement，可逆且短期的物理連接）。當它們結合成鏈狀時，便能依靠物理交互產生持續的集體運動（collective motion，多智能體自發形成的協同移動）。系統僅保留了極簡的聲學控制：孤立模塊會發出求救信號，促使周圍模塊減速以便其重新連接。實驗結果顯示，集群在通過障礙物時能不斷斷開和重塑連接，如同水流一般繞過阻礙，有效防止了機械堵塞。這種冗余設計賦予了系統極高的容錯率，部分模塊損壞不會影響整體。研究證明，通過放棄精確的集中控制，系統能夠利用接觸動力學激發出強大的自適應行為。研究發表在 Science Robotics 上。

#其他 #機器人及其進展 #群體機器人 #機械智能 #軟物質工程

閱讀更多：

Ma, Danna, et al. “Cross-Link Collective: Entangled Robotic Matter with Cohesive Motion.” Science Robotics, vol. 11, no. 114, May 2026, p. eaec6393. science.org (Atypon), https://doi.org/10.1126/scirobotics.aec6393

全新設計的耳機通過心跳驗證用戶身份

現有的基于耳機的身份認證系統通常需要用戶主動交互且極易受噪音干擾，如何實現無縫被動的身份驗證？蘇州大學、麥考瑞大學、奧爾堡大學、北京大學和南京大學的Lei Wang、Jiangxuan Shen等研究人員開發了被動式身份驗證系統AccLock，利用標準耳機中的加速度計捕捉心跳引起的細微振動，成功實現了安全無干擾的持續用戶識別。

這項研究采用現代耳機內置的入耳式加速度計來捕捉心跳傳遞到耳道產生的心動描記（BCG，ballistocardiography，由心臟跳動引起的身體微小運動信號）信號。研究人員設計了兩階段去噪過程來過濾環境和運動噪音，并利用名為HIDNet的深度學習模型將用戶的獨特心跳特征與人類共有模式分離開來。此外，團隊采用了孿生網絡（Siamese network，一種通過比較兩個樣本在特征空間的距離來計算相似度的神經網絡架構），使得系統在注冊新用戶時無需重新訓練模型，只需比較新信號與注冊模板的歐氏距離即可完成驗證。在33名參與者的實驗中，系統展現了極高的準確性，平均誤接受率（FAR，系統錯誤接納未授權用戶的概率）僅為3.13%，誤拒絕率（FRR，系統錯誤拒絕合法用戶的概率）為2.99%。盡管在行走或說話等劇烈運動時錯誤率有所上升，但在心動過速等常見心臟病患者中表現穩定。研究團隊還在低采樣率的商用設備蘋果AirPods上進行了測試，獲得了可接受的低錯誤率，驗證了其商業部署的潛力。

#其他 #預測模型構建 #生物識別 #可穿戴設備 #網絡安全

閱讀更多：

Wang, Lei, et al. “AccLock: Unlocking Identity with Heartbeat Using In-Ear Accelerometers.” arXiv:2605.11901, arXiv, 12 May 2026. arXiv.org, https://doi.org/10.48550/arXiv.2605.11901

蒽基可回收樹脂實現高精度3D打印及十次無損循環

高精度3D打印常使用不可逆固化樹脂，導致材料無法回收。橫濱國立大學的Shoji Maruo和Masaru Mukai團隊開發出一種基于蒽的光固化樹脂，無需添加劑即可實現多達10次的高保真重復打印循環。

這項研究利用了蒽（anthracene）在光照下發生光二聚化的特性。與傳統依賴鏈式增長和光引發劑的樹脂不同，該材料依靠逐步聚合（step-growth polymerization，無需添加引發劑即可固化的反應機制）進行固化，從而避免了雜質累積。研究人員定制了單光子和雙光子立體光刻系統，成功打印出極具細節的蝴蝶模型。實驗顯示，打印完成的實物只需在150度下加熱15分鐘即可恢復為液態。團隊連續10次擦除并重新打印目標形狀，發現相較于以往的可回收材料，該樹脂的降解程度微乎其微，成功實現了高精度制造與完全可持續性的完美結合。研究發表在 ACS Omega 上。

#其他 #其他 #3D打印 #可回收材料 #光固化技術

閱讀更多：

Mukai, Masaru, et al. “Initiator-Free Recyclable Anthracene-Based Photocurable Resin Enabling Sustainable 3D Printing via Single- and Two-Photon Stereolithography.” ACS Omega, vol. 11, no. 9, Mar. 2026, pp. 14469–78. ACS Publications, https://doi.org/10.1021/acsomega.5c09643

脊髓刺激數據揭示為何高頻脈沖會錯失關鍵康復通路

針對脊髓損傷后運動功能恢復問題，來自埃爾蘭根-紐倫堡大學、維也納醫科大學和圣路易斯華盛頓大學的 Rodolfo Keesey、Andreas Rowald 和 Ismael Seá?ez 等研究人員通過結合人體實驗與計算機模擬，發現目前臨床常用的高頻電刺激在激活關鍵感覺神經通路時效率低下。

? 利用人體電生理實驗和計算模型研究外周神經刺激中常規波形和高通量高頻波形的募集機制。Credit: Nature Biomedical Engineering (2026).

研究團隊對28名健康受試者進行了非侵入性電刺激實驗，并將其與高分辨率三維計算模型進行對比。為了探究募集機制，研究測量了混合脛神經刺激后的霍夫曼反射（Hoffman reflex，簡稱H反射，用于評估感覺傳入纖維的激活狀態）和M波（M-wave，代表運動傳出纖維的直接激活）。結果顯示，相比傳統長脈沖，千赫茲高頻（kilohertz-frequency，簡稱KHF，指頻率在數千赫茲的電流波形）需要顯著更高的刺激電流。這是因為KHF波形存在中斷的閾下疊加過程（interrupted subthreshold summation processes，指交流電快速交替的去極化與超極化需通過電荷累積才能達到激活閾值）。更重要的是，KHF傾向于優先募集運動傳出纖維，而非對運動康復至關重要的本體感覺傳入纖維。這一發現對設計更有效的神經康復療法具有重要指導意義。研究發表在 Nature Biomedical Engineering 上。

#疾病與健康 #神經調控 #脊髓損傷 #經皮脊髓電刺激 #電生理學

閱讀更多：

Keesey, Rodolfo, et al. “Fundamental Limitations of Kilohertz-Frequency Carriers in Afferent Fibre Recruitment with Transcutaneous Spinal Cord Stimulation.” Nature Biomedical Engineering, May 2026, pp. 1–18. www.nature.com, https://doi.org/10.1038/s41551-026-01684-w

跳過93%的無效迭代：全新動態推理機制助小模型實現精度逆襲

模型在每個詞上多想是否必要？清華大學、無問芯穹和上海交通大學的 Tianyu Fu、Yichen You、Zekai Chen、Guohao Dai、Huazhong Yang、Yu Wang 研發出 Think-at-Hard 框架，跳過九成以上無效迭代并提升了推理準確率。

這一研究的核心在于解決循環 Transformer（Looped Transformer，一種通過循環利用層結構來增加計算深度的模型架構）中的潛空間過度思考。研究團隊在 Qwen3-0.6B 等模型上進行了驗證，設計了輕量級迭代決策器來動態評估是否需要繼續迭代。系統還引入了雙因果注意力機制以支持跨深度信息流動，并配合深度感知低秩適應（depth-aware LoRA，一種參數高效的微調技術）在深層迭代中修正困難預測。實驗表明，該方法平均僅讓 7% 左右的詞進入二次迭代，跳過了約 93% 的無效迭代計算。相比全部進行二次迭代的傳統策略，在數學、問答和代碼等 9 個基準測試中，該方法的精度反而提升了 3.8% 至 4.4% ；在添加不超過 3% 額外參數的情況下，性能提升進一步擴大。在實際解碼中，其運行速度相比全迭代模型提升了 2.48 倍，顯存占用降低 1.48 倍。研究發表在 ICML 2026 上。

#大模型技術 #計算模型與人工智能模擬 #動態推理 #選擇性迭代

閱讀更多：

Fu, Tianyu, et al. “Think-at-Hard: Selective Latent Iterations to Improve Reasoning Language Models.” arXiv:2511.08577, arXiv, 26 Apr. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2511.08577

通用腦成像基礎模型NeuroSTORM實現高泛化fMRI解析與多任務臨床遷移

針對功能磁共振成像數據難以通用且跨中心泛化差的難題，Cheng Wang、Yu Jiang、Zhihao Peng等（香港中文大學、北京大學第三醫院、哈佛大學麻省總醫院等）開發了名為NeuroSTORM的腦成像基礎模型，實現了高泛化的功能磁共振分析與多任務遷移。

研究團隊利用包含超五萬名受試者（涵蓋五至一百歲）共兩千八百六十五萬幀的四維功能磁共振成像（fMRI，利用磁共振原理測量腦部血氧水平以反映神經活動的腦成像技術數據進行大規模預訓練。為降低計算開銷，該模型引入移動窗口Mamba（Shifted Window Mamba，一種通過選擇性掃描機制線性降低注意力計算復雜度的狀態空間模型）和時空冗余丟棄（Spatiotemporal Redundancy Discarding，一種通過掩碼空間和時間重疊圖像迫使模型學習長距離依賴關系的技術）模塊。僅需微調極少參數，該模型便在人口統計學預測、臨床表型預測等五類任務中取得優異表現。其中，性別分類準確率達百分之九十三點二八，在多動癥分類任務中準確率達百分之七十一點四六，且在僅用三成標注數據時仍能保持高診斷精度。研究發表在 Nature Biomedical Engineering 上。

#疾病與健康 #神經機制與腦功能解析 #大模型技術 #人工智能驅動科學 #腦網絡

閱讀更多：

Wang, Cheng, et al. “Towards a General-Purpose Foundation Model for Functional MRI Analysis.” Nature Biomedical Engineering, Apr. 2026, pp. 1–12. www.nature.com, https://doi.org/10.1038/s41551-026-01666-y

李飛飛團隊發布具身空間智能評測新基準 ESI-Bench

針對現有空間智能評測僅側重被動感知的問題，Stanford University、UCLA等機構的 Yining Hong、Jiageng Liu、Han Yin、Li Fei-Fei 等人開發了 ESI-Bench 基準，首次將觀察者轉變為行動者，實現了對具身空間智能感知-行動回路的系統性評測。

該研究在 OmniGibson 仿真平臺上構建了包含 10 個類別、3081 個任務實例的測試集。智能體必須自主執行移動和操作以獲取解題信息。測試結果表明，主動探索確實能讓模型涌現出多種空間策略，例如 Gemini 3.1 在部分遮擋任務中，最佳視角下準確率從 14.6% 提升至 95.1%。然而，模型普遍存在動作盲視（Action Blindness，指智能體因不當的動作選擇導致糟糕視角，進而引發決策級聯失敗的現象）。盲目增加隨機視角甚至會使 GPT-5 在空間距離任務中的準確率從 53.9% 降至 49.1%。此外，研究發現不完美的 3D 重建會引入幾何偽影，導致幾何配置任務得分從 2D 基線的 27.5% 跌至 9.9%。相較于人類，大模型還存在元認知缺陷（Metacognitive Deficit，指模型缺乏評估自身信息充足性的懷疑機制），在主動探索中傾向于過早停止并以高置信度做出錯誤判斷。

#大模型技術 #機器人及其進展 #具身智能 #空間智能

閱讀更多：

Hong, Yining, et al. “ESI-Bench: Towards Embodied Spatial Intelligence That Closes the Perception-Action Loop.” arXiv:2605.18746, arXiv, 18 May 2026. arXiv.org, https://doi.org/10.48550/arXiv.2605.18746

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。