追问daily | 男女性大脑处理后悔与决策改变的差异；人工智能与生物感知的鸿沟：闭环系统是关键

█脑科学动态

Cell：小鼠全身神经系统微米级高清成像

Cell综述：干细胞衰老的五大关键标志

Cell：光遗传学：药物发现新引擎，精准靶向细胞应激反应

人脑五种基本大脑大规模信号传播模式

自然化现象学的数学探索：时空云与工作记忆幂律

男女性大脑处理后悔与决策改变的差异机制

医用氟聚合物危机：心脏起搏器材料面临全球监管冲击波

200余种蛋白错误折叠与认知衰退相关

█AI行业动态

月之暗面开源万亿参数模型Kimi K2

"千脑智能"模型Monty以生物方式学习，效率超传统AI数亿倍

█AI驱动科学

Cell：多模态模型实现乳腺癌亚型精准分类

AGENT KB：跨领域经验共享提升智能体复杂问题解决能力

脑机电疗法通过增强学习脉冲改善认知功能

人工智能与生物感知的鸿沟：闭环系统是关键

微软BioEmu登上Science，用生成式AI重塑蛋白质功能研究

AMASE系统实现自驱动材料发现，效率提升6倍

脑科学动态

Cell：小鼠全身神经系统微米级高清成像

如何突破外周神经系统成像的技术瓶颈？中国科学技术大学毕国强、徐程、刘北明、祝清源团队开发出blockface-VISoR技术，实现小鼠全身神经系统的微米级三维成像，相关数据已建立共享平台。

研究团队整合三大技术模块：首先通过化学透明化处理使小鼠全身组织透光，再用荧光蛋白（标记特定神经元）、抗体免疫标记（显示交感神经）和腺相关病毒（追踪迷走神经）三种方法进行神经标记。核心突破是自主研发的blockface-VISoR系统，该系统以400微米为间隔连续切片，并立即用显微镜对切面下600微米深度进行三维成像，整个过程仅需40小时。成像数据显示，脊髓感觉神经在腹侧和背侧分支具有明显不同的形态特征，而交感神经在肢体肌肉、骨骼和内脏器官中呈现特征性的血管周分布模式。特别值得注意的是，病毒标记首次证实迷走神经纤维以近乎直线的方式到达靶器官，推翻了传统解剖学的分支假设。这套方法将外周神经成像分辨率从组织级提升至均一的亚细胞级，为研究神经调控网络和疾病机制提供了全新工具。研究发表在 Cell 上。

#疾病与健康 #神经机制与脑功能解析 #跨学科整合 #神经调控

阅读更多：

Shi, Mei-Yu, et al. “High-Speed Mapping of Whole-Mouse Peripheral Nerves at Subcellular Resolution.” Cell, vol. 188, no. 14, Jul. 2025, pp. 3897-3915.e20. www.cell.com, https://doi.org/10.1016/j.cell.2025.06.011

Cell综述：干细胞衰老的五大关键标志

体细胞干细胞（成体干细胞）在组织维持和修复中至关重要，但其功能随衰老而下降，导致组织稳态受损和再生能力减弱。加州大学洛杉矶分校、斯坦福大学和贝勒医学院的研究人员合作，系统性地揭示了干细胞衰老的五个关键标志，旨在为恢复干细胞功能和延长组织健康寿命提供新策略。

该综述系统性地描述了可用来表征干细胞衰老的五个关键标志，包括静息深度（depth of quiescence，指干细胞处于非增殖状态的程度）、自我更新倾向（self-renewal propensity）、子代细胞命运（fate of progeny）、再生修复能力（resilience）和群体异质性（population heterogeneity）。研究团队进一步探讨了这些标志的变化如何导致干细胞功能的衰退，并指出这些特征不仅为衰老过程提供了见解，也为旨在恢复干细胞功能和延长组织健康寿命的治疗策略提供了有前景的目标。综述还讨论了干细胞衰老研究面临的挑战，例如缺乏细胞年龄的分子定义，并展望了未来发展机遇，包括利用复杂的体内成像方法和人工智能构建干细胞基础模型及更通用的衰老时钟。研究发表在 Cell Stem Cell 上。

#疾病与健康 #健康管理与寿命延长 #预测模型构建 #跨学科整合

阅读更多：

Rando, Thomas A., et al. “Hallmarks of Stem Cell Aging.” Cell Stem Cell, vol. 32, no. 7, Jul. 2025, pp. 1038–54. www.cell.com, https://doi.org/10.1016/j.stem.2025.06.004

人脑五种基本大脑大规模信号传播模式

理解大脑复杂且动态的认知过程至关重要，但现有框架因其固有的复杂性和方法不一致性。Youngjo Song、Pyeong Soo Kim、Benjamin A. Philip、Taewon Kim 等研究团队开发了一种利用动态模式的新型框架，旨在简化并统一对大规模大脑动态的理解，为认知科学提供了新的视角。

研究团队采用动态模式分解（Dynamic Mode Decomposition, DMD）对静息态功能磁共振成像数据进行分析。他们成功识别出五种独特的信号传播模式，称之为动态模式。这些DMs能够有效预测未来的血氧水平依赖信号，并且表现优于现有基准。研究发现，这些DMs对应于神经资源分配的关键维度，包括皮层层级上的多感官整合和自上而下的认知控制、显著性网络（SN）对默认模式网络（DMN）和中央执行网络（CEN）之间互动的调节、视觉-感觉运动映射与额叶调节，以及半球间协调。其中，默认模式网络参与了四种模式，凸显其作为动态枢纽的作用。

研究还证明，这些DMs的叠加可以重现多种经典的脑时空现象，例如功能连接的地形图、时变功能连接、波传播以及准周期模式。此外，个体DMs差异与普遍认知能力相关，受遗传因素影响，并在不同任务中保持一致性，为理解大脑连贯动态和个体差异提供了低维度且具有功能意义的框架。研究发表在 NeuroImage 上。

#神经科学 #神经机制与脑功能解析 #大脑信号解析 #计算模型与人工智能模拟 #认知科学

阅读更多：

“Large-Scale Signal Propagation Modes in the Human Brain.” NeuroImage, Jul. 2025, p. 121357. www.sciencedirect.com, https://doi.org/10.1016/j.neuroimage.2025.121357

自然化现象学的数学探索：时空云与工作记忆幂律

如何用数学统一描述意识体验与脑活动？Ihor Lubashevsky和Vasily Lubashevskiy团队提出时空云模型，将心理表征建模为希尔伯特空间中的动态实体，并成功解释工作记忆的幂律现象。

研究团队基于时空云（space-time clouds，描述物理对象心理表征的数学实体）概念，提出云函数框架模拟预表征动态。通过整合薛定谔方程（虚时间）与Lotka-Volterra模型，构建了描述预意识信息处理的控制方程。模型显示，大脑通过模态特异性处理形成高层预注意表征，中层级（mid-level）桥接早期感觉处理与全局工作空间。在验证实验中，该框架成功复现工作记忆的幂律效应（power law effect，即记忆容量随项目复杂度非线性变化的规律），揭示神经动力学如何产生意识可访问的表征。研究为弥合现象学与神经科学的解释鸿沟提供了新工具。研究发表在 Cognitive Systems Research 上。

#意识与脑机接口 #神经机制与脑功能解析 #计算模型与人工智能模拟 #跨学科整合

阅读更多：

“Towards Naturalized Phenomenology: Dynamics of Space–Time Clouds and Power Law of Working Memory.” Cognitive Systems Research, vol. 92, Sep. 2025, p. 101374. www.sciencedirect.com, https://doi.org/10.1016/j.cogsys.2025.101374

男女性大脑处理后悔与决策改变的差异机制

为什么女性更易患抑郁症？西奈山伊坎医学院的Romain Durand-de Cuttoli、Brian Sweis和纽约大学格罗斯曼医学院的Orna Issler团队发现，非编码RNA LINC00473通过性别依赖方式调控前额叶决策机制：增强女性对沉没成本和后悔的敏感性，这可能是抑郁风险因素。

▷主要发现摘要。Credit: Science Advances (2025).

研究采用病毒载体在小鼠内侧前额叶皮层（mPFC）定向调控LINC00473表达，结合神经经济学范式餐厅行任务（Restaurant Row，模拟有限时间预算下的觅食决策）。实验显示，LINC00473仅增强雌性小鼠的重新评估行为：包括更敏感地权衡沉没成本（对已损失投入的过度重视）和后悔（对错失机会的反应），而不影响初级决策。光纤记录证实前额叶皮层（PFC）通过分层处理实现这一功能——初级决策与重新评估由不同神经回路完成。机制上，CREB-LINC00473通路可能通过钙信号调节神经元可塑性。研究发表在 Science Advances 上。

#疾病与健康 #神经机制与脑功能解析 #心理健康与精神疾病 #性别差异 #神经经济学

阅读更多：

Cuttoli, Romain Durand-de, et al. “Change-of-Mind Neuroeconomic Decision-Making Is Modulated by LINC00473 in Medial Prefrontal Cortex in a Sex-Dependent Manner.” Science Advances, Jul. 2025. world, www.science.org, https://www.science.org/doi/10.1126/sciadv.adr3228

医用氟聚合物危机：心脏起搏器材料面临全球监管冲击波

全氟和多氟烷基物质（PFAS）因其稳定性被广泛用于各类工业和医疗产品，但部分小分子PFAS已被证实有害。Pierce J. Vatterott（明尼阿波利斯心脏研究所）、Paul D. Drumheller（美国医学和生物工程研究所）、Nadine Ding和Joyce Wong等研究人员，针对PFAS在医疗器械中的作用及其政策影响进行了系统综述，为政策制定提供科学依据。

▷此图展示了含氟聚合物聚（乙烯-四氟乙烯）(ETFE) 和聚四氟乙烯 (PTFE) 在常见心脏植入式电子装置 (CIED) 导线结构中的应用。A. 同轴起搏导线；B. 同桡动脉起搏导线；C. 无腔起搏导线；D. 植入式心脏复律除颤器 (ICD) 导线。Credit: Heart Rhythm / Vatterott et al.

研究团队首先对PFAS的分类（per- and polyfluoroalkyl substances，指一类具有极强化学稳定性的有机氟化合物）进行了梳理，强调PFAS家族超过12,000种化合物，化学结构和毒性差异巨大。小分子水溶性PFAS（如全氟辛酸PFOA、全氟辛烷磺酸PFOS）被美国环保署（EPA）认定为环境污染物，并与水污染及健康风险相关。但医疗器械中广泛使用的含氟聚合物（fluoropolymers，体积大、化学惰性、难以溶解、具优良生物相容性）则未被发现有健康风险。根据美国食品药品监督管理局（FDA）数据，约有25万种获批医疗器械含有含氟聚合物，包括心脏起搏器、消融导管、心脏瓣膜等，这些材料支持了医疗器械的微型化、柔韧性和电绝缘性，并已安全使用50年以上。研究还梳理了美国、加拿大、欧盟等地的PFAS监管政策，指出当前许多立法未区分小分子有害PFAS与医用含氟聚合物，导致部分制造商退出医用氟聚合物市场，威胁医疗器械供应链。研究团队呼吁制定科学、细致的监管政策，既保护环境，又保障医疗创新与患者利益。研究发表在 Heart Rhythm 上。

#疾病与健康 #个性化医疗 #阿尔茨海默病 #生物标志物 #血液检测

阅读更多：

The role of per- and polyfluoroalkyl substances in medical devices and delivery systems: Why the electrophysiologist should care, Heart Rhythm (2025). DOI: 10.1016/j.hrthm.2025.05.057

200余种蛋白错误折叠与认知衰退相关

传统理论认为淀粉样蛋白是阿尔茨海默病的主因，但约翰·霍普金斯大学的Haley Tarbox、Audrey Branch和Stephen Fried团队发现，超过200种非淀粉样蛋白的错误折叠同样可能导致认知衰退，这些蛋白质能逃逸细胞的天然清理机制。

▷蛋白酶体示意图，它能分解细胞内错误折叠和受损的蛋白质。Credit: Fried Lab, Johns Hopkins University

研究采用有限蛋白水解质谱技术(LiP-MS，一种检测蛋白质细微结构变化的方法)，对比分析了17只两岁大鼠海马体中2,756种蛋白质。其中10只认知正常大鼠与7只认知障碍大鼠的比较显示，214种蛋白质在认知障碍组出现特异性构象变化(CASCs)。关键发现是，这些错误折叠蛋白质无法通过化学变性后自发恢复天然结构，且不形成淀粉样斑块。研究人员推测，这些蛋白质可能通过未知机制逃避细胞的蛋白酶体降解系统。该发现解释了为何部分患者脑内淀粉样蛋白沉积与认知症状不匹配，为开发新靶点药物提供了方向。研究发表在 Science Advances 上。

#疾病与健康 #健康管理与寿命延长 #营养与衰老 #咖啡因 #女性健康

阅读更多：

Tarbox, Haley E., et al. “Proteins with Cognition-Associated Structural Changes in a Rat Model of Aging Exhibit Reduced Refolding Capacity.” Science Advances, vol. 11, no. 28, Jul. 2025, p. eadt3778. science.org (Atypon), https://doi.org/10.1126/sciadv.adt3778

AI 行业动态

月之暗面开源万亿参数模型Kimi K2

月之暗面（MoonshotAI）近日正式开源其万亿参数大模型Kimi K2，并同步更新API服务，定价为16元人民币/百万token输出。此次发布的两款模型——基础模型Kimi-K2-Base和微调模型Kimi-K2-Instruct均支持商用，上线后迅速引发关注，Hugging Face平台前20分钟下载量接近1.2万次。在LiveCode Bench、AIME2025等基准测试中，K2表现超越DeepSeek-V3等开源模型，甚至在某些指标上媲美GPT-4.1和Claude 4 Opus等闭源模型，尤其在代码能力和任务自动化方面表现突出。

技术层面，Kimi K2采用创新的MuonClip优化器替代传统Adam优化器，通过qk-clip技术解决训练稳定性问题，顺利完成15.5T tokens的预训练。此外，团队通过合成大规模Agentic数据模拟真实工具调用场景，并结合通用强化学习（General RL）机制，使模型具备自我评估能力，从而适应可验证与不可验证任务。这些突破不仅提升了效率，也为大模型在复杂环境中的持续优化提供了新思路。

此次发布正值全球大模型竞赛白热化阶段，紧随xAI的Grok-4和OpenAI的开源预告。Kimi K2以算法创新而非单纯堆砌算力的方式，展现了国产模型的竞争力。行业观察者认为，其低成本高性能的特点或将成为Claude 4 Sonnet等产品的“开源平替”，而HuggingFace联合创始人Thomas Wolf更直言“开源模型正在挑战闭源权重模型”。

#KimiK2 #月之暗面 #开源大模型 #MuonClip优化器 #工具调用

阅读更多：

https://moonshotai.github.io/Kimi-K2/

"千脑智能"模型Monty以生物方式学习，效率超传统AI数亿倍

Numenta公司与千脑计划（Thousand Brains Project）联合发布了一项突破性研究。研究人员基于神经科学家杰夫·霍金斯（Jeff Hawkins）的"千脑智能理论"，开发出名为Monty的AI系统。与传统依赖海量静态数据的AI不同，Monty通过模拟生物的"触摸"和"移动"来学习世界，其学习效率比视觉Transformer（ViT）模型高出5.28亿倍，且能持续学习而不会遗忘旧知识。

Monty的架构模拟了大脑新皮层的运作原理。它由传感器模块、学习模块和运动系统组成，通过"皮层信息协议"（Cortical Messaging Protocol）进行通信。每个学习模块都像大脑的皮层柱一样，在"参考框架"中建立物体的三维模型。实验显示，Monty仅需观察每个物体8个视角就能达到88%的识别准确率，且对噪声和新视角具有惊人的鲁棒性。更令人惊叹的是，16个学习模块协同工作时，识别速度能提升5倍。

这项研究为AI发展提供了全新思路。Monty展示了生物智能的核心优势：小样本学习、持续学习、主动推理和极致效率。虽然目前仍局限于物体识别，但它预示着未来AI可能走向更接近生物智能的发展道路——通过感知运动交互来建立对世界的理解，而非依赖海量数据和算力。这或许将改变AI领域长期以来的"暴力美学"发展模式。

#千脑智能 #Monty #生物启发AI #持续学习 #高效计算

阅读更多：

https://arxiv.org/abs/2507.04494

AI 驱动科学

Cell：AI病理诊断系统突破：多模态模型实现乳腺癌亚型精准分类

生成式AI如何重塑医疗体系？哈佛大学医学院L. John Fahrner、Emma Chen与Scripps研究所Eric Topol、Pranav Rajpurkar团队在Cell发表综述，系统阐述大语言模型（LLM）和多模态AI如何通过提升诊断精度、优化患者交互实现医疗变革，同时指出临床落地的关键挑战。

研究团队总结了过去三年中生成式人工智能的技术进展，包括Transformer架构、生成对抗网络（GAN）和扩散模型（diffusion models），这些技术共同推动了复杂生成式人工智能系统的发展。大语言模型（LLM）通过对话式界面简化医疗报告，并协助临床决策；多模态人工智能整合图像和基因数据等多样化信息，在病理学和医疗筛查中表现出色。AI驱动工具通过持续监测和多尺度预测，为个性化医疗保健提供可能性，同时推动医疗实践从偶发性互动转向持续监测。研究还提出了医疗人工智能的实施路线图，从基础科学研究到临床应用的逐步过渡。这些进展有望显著提高诊断的准确性并改善患者治疗结果。研究发表在 Cell 上。

#大模型技术 #自动化科研 #强化学习 #语言模型代理 #自我监督学习

阅读更多：

Fahrner, L. John, et al. “The Generative Era of Medical AI.” Cell, vol. 188, no. 14, Jul. 2025, pp. 3648–60. www.cell.com, https://doi.org/10.1016/j.cell.2025.05.018

AGENT KB：跨领域经验共享提升智能体复杂问题解决能力

语言智能体面临跨任务经验复用难题，由Xiangru Tang, Tianrui Qin, Tianhao Peng等来自耶鲁大学、OPPO、微软研究院等14家机构的团队提出新型知识框架AGENT KB，通过分层经验库使Claude-3.7在复杂任务表现提升近20个百分点。

研究团队设计了三阶段Reason-Retrieve-Refine（推理-检索-优化）流程，构建包含工作流级模式和具体执行细节的双层知识库。在GAIA基准测试中，系统采用教师-学生双阶段检索机制：学生智能体先获取工作流级指导框架，教师智能体再补充具体优化方案。这种分层方法使GPT-4.1在中级任务成功率从53.49%跃升至73.26%，Claude-3.7在困难任务表现提升19.23个百分点（38.46%→57.69%）。特别在SWE-bench代码修复场景，混合检索策略显著优于纯文本相似度方法，使解决率提升12个百分点（41.33% 提升至 53.33%）。自动生成的知识条目有时超越人工示例，验证了知识获取管道的有效性。研究为跨框架知识迁移提供了模块化基础设施。

#大模型技术 #自动化科研 #跨学科整合 #知识迁移 #语言智能体

阅读更多：

Tang, Xiangru, et al. Agent KB: Leveraging Cross-Domain Experience for Agentic Problem Solving. arXiv:2507.06229, arXiv, 10 Jul. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2507.06229

脑机电疗法通过增强学习脉冲改善认知功能

如何通过脑机接口（BCI）恢复认知功能？范德比尔特大学的Thilo Womelsdorf及其团队发现，通过放大前扣带皮层和纹状体中与学习相关的内在电脉冲，可以显著加速学习过程并提高认知灵活性。

研究团队将脑机接口视为一种电疗法，旨在通过调节大脑信号来替代药物。研究人员首先锁定了大脑认知网络中的两个关键结构：前扣带皮层和纹状体，发现这两个区域的电活动与灵活学习能力直接相关。在实验中，团队利用BCI技术实时监测并放大这两个区域内在产生的、预示着学习效率提升的电脉冲。结果表明，这种“助推”策略显著加快了学习速度，并有效提升了认知灵活性与注意力。这一发现不仅在因果层面证实了前扣带皮层和纹状体对自适应强化学习的关键支持作用，也为开发新一代认知辅助技术开辟了道路，未来有望应用于帮助强迫症或阿尔茨海默病等认知功能受损的患者。研究发表在 Neuron 上。

#意识与脑机接口 #神经调控 #神经机制与脑功能解析 #认知科学

阅读更多：

Treuting, Robert Louis, et al. “Adaptive Reinforcement Learning Is Causally Supported by Anterior Cingulate Cortex and Striatum.” Neuron, vol. 0, no. 0, Jun. 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.05.018

人工智能与生物感知的鸿沟：闭环系统是关键

当前人工智能在感知真实世界方面为何仍存在局限？Ehud Ahissar, Eldad Assa, Neomi Mizrachi等研究人员系统回顾了生物感知与AI感知的根本差异。他们指出，生物体通过主动的“闭环”方式与世界互动，而AI大多被动接收数据。

研究指出，生物感知本质上是一个闭环系统（closed-loop system），即大脑通过运动行为（如转动眼睛、移动触须）主动探索环境，从而获取并优化感官输入。这种感觉与运动的动态耦合，是生物体高效理解世界的关键。相比之下，当前主流的人工智能感知模型大多采用开环配置（open-loop configuration），它们被动地处理预先收集好的数据集，缺乏主动与环境互动的能力，这极大地限制了它们在复杂多变的真实世界中的泛化能力和解释能力。

基于这一核心差异，研究团队提出了两项推动AI进步的关键建议。首先是采用事件驱动处理（event-based processing），模仿生物神经系统对离散信号的实时响应方式，而非处理静态的数据帧。其次，也是更核心的，是在AI中整合闭环架构（closed-loop architectures）。这意味着要构建能够主动控制自身传感器、通过与环境的互动来收集信息的智能体。这种架构将使AI从被动的信息接收者转变为主动的探索者，从而弥合与生物感知之间的鸿沟。研究发表在 Current Opinion in Behavioral Sciences 上。

#认知科学 #计算模型与人工智能模拟 #跨学科整合 #机器人及其进展

阅读更多：

“Closed-Loop Perception: Gaps between Artificial Intelligence and Biology.” Current Opinion in Behavioral Sciences, vol. 65, Oct. 2025, p. 101572. www.sciencedirect.com, https://doi.org/10.1016/j.cobeha.2025.101572

微软研究院BioEmu登上Science，用生成式AI重塑蛋白质功能研究

微软研究院 AI for Science 团队的Sarah Lewis, Tim Hempel, José Jiménez-Luna, Michael Gastegger, Frank Noé等人开发了一款名为BioEmu的生成式AI模型，能够以前所未有的速度和精度模拟蛋白质的构象系综，为功能研究和药物发现开辟了新途径。

研究团队开发了生成式深度学习模型BioEmu，它基于扩散模型架构，通过整合AlphaFold数据库的静态结构、超过200毫秒的分子动力学（MD）模拟数据以及50万条实验稳定性数据进行训练。该模型能够模拟蛋白质的构象系综（conformational ensemble，即蛋白质在功能过程中经历的一系列动态结构集合），在单张GPU上每小时可生成数千个独立的蛋白质结构，比传统MD模拟加速了数个数量级。BioEmu不仅能成功捕捉对功能至关重要的结构变化，如隐性口袋（cryptic pocket，在常规结构中不明显，但在分子结合时才会出现的口袋）的形成、局部解折叠和结构域重排，其预测精度也与实验数据高度吻合。在自由能预测方面，误差低至1 kcal/mol；在预测突变对稳定性的影响（ΔΔG）时，平均绝对误差低于1 kcal/mol，Spearman相关系数超过0.6。这一成果为连接蛋白质结构与功能提供了强大工具。研究发表在 Science 上。

#AI驱动科学 #预测模型构建 #蛋白质动力学 #生成式AI

阅读更多：

Lewis, Sarah, et al. “Scalable Emulation of Protein Equilibrium Ensembles with Generative Deep Learning.” Science, vol. 0, no. 0, Jul. 2025, p. eadv9817. science.org (Atypon), https://doi.org/10.1126/science.adv9817

AMASE系统实现自驱动材料发现，效率提升6倍

为解决理论计算与实时实验脱节以致拖慢材料发现速度的难题，马里兰大学的Haotong Liang, Chuangye Wang, Heshan Yu, Dylan Kirsch及Ichiro Takeuchi等人开发了自主材料搜索引擎（AMASE）。该系统首次实现了理论与实验的自驱动闭环交互，成功将材料相图的绘制效率提升了六倍。

研究团队开发了一套名为AMASE的自主系统，它将贝叶斯主动学习与实验和理论计算实时结合。该系统通过X射线衍射（X-ray diffraction, XRD，一种分析材料晶体结构的技术）测量薄膜样品，并将数据实时反馈给CALPHAD模型（Calculation of Phase Diagrams，一种基于热力学数据的相图计算方法）。该模型在接收新数据后会立即更新对整个材料相图的预测。更新后的理论预测随即指导系统进行下一步的实验，从而形成一个无需人工干预的、自驱动的“理论-实验”闭环。在对锡-铋（Sn-Bi）薄膜体系的测试中，AMASE仅用8个多小时就精确构建了其相图，实验量相比传统方法减少了六倍。与仅使用高斯过程（Gaussian Process, GP，一种纯数据驱动的机器学习模型）的方法相比，集成了物理理论的AMASE表现出更高的效率和稳定性。研究发表在 Science Advances 上。

#AI驱动科学 #自动化科研 #预测模型构建 #跨学科整合

阅读更多：

Liang, Haotong, et al. “Real-Time Experiment-Theory Closed-Loop Interaction for Autonomous Materials Science.” Science Advances, vol. 11, no. 27, Jul. 2025, p. eadu7426. science.org (Atypon), https://doi.org/10.1126/sciadv.adu7426

整理｜ChatGPT

编辑｜丹雀、存源

由天桥脑科学研究院主办的首届AI驱动科学年度研讨会（AIAS 2025）将于10月27–28日在美国旧金山举行。会议面向全球征集论文，聚焦能够在科学领域开辟全新研究模式、假设生成及实验方法的变革性人工智能创新。如果您希望与诺贝尔奖得主Jennifer Doudna，David Baker，知名学者Animashree Anankumar，Heather J. Kulik，以及业界领袖Tom Miller一同登台分享，请点击阅读原文提交您的论文：https://aias2025.org/call-for-papers/！征稿截止日期为8月1日。

关于追问nextquestion

天桥脑科学研究院旗下科学媒体，旨在以科学追问为纽带，深入探究人工智能与人类智能相互融合与促进，不断探索科学的边界。欢迎评论区留言，或后台留言“社群”即可加入社群与我们互动。您也可以在后台提问，我们将基于追问知识库为你做出智能回复哦~

关于天桥脑科学研究院

天桥脑科学研究院（Tianqiao and Chrissy Chen Institute）是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一，围绕全球化、跨学科和青年科学家三大重点，支持脑科学研究，造福人类。

Chen Institute与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室；与加州理工学院合作成立了加州理工天桥神经科学研究院。

Chen Institute建成了支持脑科学和人工智能领域研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括、、、科研型临床医生奖励计划、、等。