追问daily | 大脑如何学习新知识？通过单个神经元读取大脑网络结构与功能 ；Nature：AI自动化科研被指剽窃

█脑科学动态

Nature：睡眠中的果蝇如何保持警觉？

Nature：发现调控B-1a免疫细胞抑制炎症的关键蛋白

Nature：癌细胞通过损伤神经引发免疫治疗耐药性

大脑如何学习新知识：生长抑素神经元识别有意义的关联

改变视觉情境或可“治愈”厌音症

急性和慢性压力对大鼠行为及血脑屏障产生不同影响

干细胞衍生的A10多巴胺神经元移植可改善小鼠抑郁行为

发现408个加速衰老的相关基因风险位点

█AI行业动态

谷歌Pixel 10AI全家桶来袭，百倍变焦+实时翻译秒杀日常

马斯克xAI陷隐私风暴，Grok数十万用户对话遭公开索引

█AI驱动科学

Borzoi模型：从DNA序列预测RNA表达谱

在人类“手把手”教导下，AI一小时掌握绝活

AI自动化科研被指剽窃，生成内容存在大量无署名观点复用

辛欧拉方法解锁脉冲神经网络潜力，提升时空处理性能

人类神经类器官展现出学习与记忆所需的基本构件

通过单个神经元读取大脑网络结构与功能

脑科学动态

Nature：睡眠中的果蝇如何保持警觉？

动物如何在睡眠中兼顾休息与警觉？德国Charité – 柏林医学大学的David Owald、Davide Raccuglia、Raquel Suárez-Grimalt及同事们，通过研究果蝇发现，大脑通过同步激活与抑制网络，创造出一个“可打破的”神经过滤器，既能屏蔽无关信息以保证睡眠，又能对强烈刺激做出反应以确保安全。

▷果蝇大脑中的睡眠过滤器（蓝色）：粉色环状结构会过滤掉视觉刺激，从而使果蝇能够入睡。Credit: Charité / Anatoli Ender

研究团队利用果蝇作为模型，通过基因编码的电压指示剂实时监测其大脑活动。他们发现，在果蝇入睡后，其大脑中枢的一个激活网络与一个抑制网络会产生同步的慢波活动（SWA）。当这两个网络同步时，抑制性网络会“胜出”，形成一个强大的“神经过滤器”，有效阻止了大部分视觉刺激的传入，使果蝇得以安睡。然而，这个过滤器并非牢不可破。研究人员解释，慢波活动带来的每秒一次的节律性电压振荡，会创造出短暂的“机会窗口”，在这些窗口期，抑制作用会暂时减弱。如果此时出现一个足够强烈的视觉刺激，它便能“冲破”这个过滤器，唤醒沉睡的果蝇。研究人员通过光遗传学模拟了这种慢波活动，证实了该机制的存在。这一发现如同为大脑的睡眠状态描绘了一扇“半开的窗”，平时阻挡微风（普通刺激），却能被强风（危险信号）推开。研究者推测，人类大脑中负责筛选信息的丘脑也可能遵循类似的普适性原理。研究发表在 Nature 上。

#神经科学 #神经机制与脑功能解析 #睡眠 #警觉性

阅读更多：

Raccuglia, Davide, et al. “Network Synchrony Creates Neural Filters Promoting Quiescence in Drosophila.” Nature, Aug. 2025, pp. 1–9. www.nature.com, https://doi.org/10.1038/s41586-025-09376-2

Nature：发现调控B-1a免疫细胞抑制炎症的关键蛋白

免疫系统如何避免“反应过度”引发自身免疫病？弗朗西斯·克里克研究所的Carola G. Vinuesa、Qian (Sophie) Shen及澳大利亚国立大学的前同事们，聚焦于被称为免疫系统“维和部队”的B-1细胞，发现TCF1和LEF1两种蛋白是其抑制炎症和自我更新的关键，为治疗自身免疫病和癌症提供了新线索。

▷小鼠脑组织成像，显示在多发性硬化症小鼠模型中发现的 B-1a 细胞（红色箭头）。去除 TCF1 和 LEF1 导致 B-1a 细胞功能障碍，无法控制该模型中的炎症。Credit: Sophie Shen, Nature.

研究团队首先通过基因编辑技术，在小鼠模型中敲除了B-1a细胞（B-1a cells，B-1细胞中负责调控功能的主要亚群）中的转录因子TCF1和LEF1。结果发现，失去这两种蛋白的小鼠，其B-1a细胞数量减少且功能失常。在模拟多发性硬化症的脑部炎症模型中，这些功能失调的细胞无法抑制免疫系统的攻击，其关键抗炎分子白细胞介素-10（IL-10）的产量也大幅降低。这一发现揭示了TCF1和LEF1是B-1a细胞发挥“维和”功能的分子开关。更重要的是，团队在人类研究中取得了突破。他们分析了胸膜感染患者的胸腔积液，首次在人体内发现了大量表达TCF1和LEF1的B-1样细胞。此外，在慢性淋巴细胞白血病（CLL）患者的癌细胞中也检测到这两种蛋白的表达，这暗示人类健康的B-1细胞可能就是这类癌细胞的起源，从而为B-1细胞在人类中的存在提供了有力证据。研究发表在 Nature 上。

#疾病与健康 #个性化医疗 #免疫调控 #自身免疫病

阅读更多：

Shen, Qian, et al. “TCF1 and LEF1 Promote B-1a Cell Homeostasis and Regulatory Function.” Nature, Aug. 2025, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-025-09421-0

大脑如何学习新知识：生长抑素神经元识别有意义的关联

大脑如何区分有意义的关联并高效学习？卡内基梅隆大学的Eunsol Park和Alison L. Barth团队通过研究小鼠发现，感觉皮层中的特定神经元能够检测刺激与奖励之间的因果关系。当关联有意义时，这些神经元会减少其抑制作用，从而“打开”大脑回路，促进新知识的形成。

▷图形摘要。Credit: Cell Reports (2025).

研究人员通过一个精巧的实验揭示了大脑学习的奥秘。他们训练小鼠将胡须上的气流刺激与随后的奖励关联起来。通过脑片电生理记录，团队发现，大脑感觉皮层表层的生长抑素神经元扮演了“因果关系侦探”的角色。只有当气流刺激能够稳定地预测奖励时，这些生长抑素神经元对下游锥体神经元的抑制作用才会显著且持久地减弱。这一过程被称为去抑制，它相当于为大脑学习新知识打开了“绿灯”，且这种变化在学习初期就迅速发生。如果刺激和奖励的出现是随机、无关联的，神经连接则不会发生任何变化，小鼠也很快学会忽略无关的刺激。此外，研究人员利用化学遗传学技术直接抑制生长抑素神经元的活动，成功复制了学习引起的效果，进一步证实了这些神经元在筛选有意义信息中的关键作用。研究发表在 Cell Reports 上。

#神经科学 #神经机制与脑功能解析 #记忆机制 #联想学习

阅读更多：

Park, Eunsol, et al. “Somatostatin Neurons Detect Stimulus-Reward Contingencies to Reduce Neocortical Inhibition during Learning.” Cell Reports, vol. 44, no. 5, May 2025. www.cell.com, https://doi.org/10.1016/j.celrep.2025.115606

Nature：癌细胞通过损伤神经引发免疫治疗耐药性

为何许多癌症患者对先进的免疫疗法产生耐药性？德克萨斯大学MD安德森癌症中心的研究人员Erez N. Baruch、Moran Amit等人发现，癌细胞会主动攻击并损伤周围神经，这种“癌症诱导的神经损伤”会引发慢性炎症，最终破坏免疫系统的攻击能力，导致治疗失败。

研究首先通过临床数据证实，在皮肤鳞状细胞癌、黑色素瘤和胃癌患者中，神经周围侵犯（Perineural invasion，一种癌细胞侵袭神经的现象）与抗PD-1免疫治疗的失败率显著相关。为探究其背后机制，研究团队利用电子显微镜等技术发现，癌细胞会直接破坏肿瘤相关神经（TANs）的髓鞘，造成研究者所定义的癌症诱导的神经损伤（Cancer-induced nerve injury，CINI）。作为应激反应，受损的神经会自主启动由I型干扰素（IFN-I）和白细胞介素-6（IL-6）介导的炎症信号以促进自身修复。然而，在肿瘤持续存在的环境下，这种修复信号演变为慢性炎症，反而营造了一个抑制性的肿瘤微环境，使T细胞等免疫细胞功能耗竭，无法有效杀伤癌细胞。这一发现揭示了免疫耐药的新通路。更重要的是，研究证实了干预该通路的可行性：在模型中，将抗PD-1疗法与靶向IL-6信号的抗体联用，成功逆转了免疫耐药，恢复了治疗效果。研究发表在 Nature 上。

#疾病与健康 #个性化医疗 #跨学科整合 #神经机制与脑功能解析

阅读更多：

Baruch, Erez N., et al. “Cancer-Induced Nerve Injury Promotes Resistance to Anti-PD-1 Therapy.” Nature, Aug. 2025, pp. 1–12. www.nature.com, https://doi.org/10.1038/s41586-025-09370-8

改变视觉情境或可“治愈”厌音症

如何客观评估并治疗厌音症（一种对日常声音产生极端负面情绪的病症）？卡内基梅隆大学的Laurie Heller、Yuqi Qiu及其团队，通过一项结合心理学和计算机科学的创新研究，利用瞳孔反应作为生理指标，发现通过改变声音的视觉情境，可以显著改变患者的情绪和生理反应，为开发非侵入性疗法提供了新思路。

▷Heller 和她的团队使用一套追踪眼球运动的非侵入式摄像系统记录了瞳孔大小。系统对亮度和视觉条件进行了精心控制，以区分情绪反应的影响。之后，团队测量了瞳孔在特定声音或视频片段刺激下扩张的速度和幅度。Credit: Carnegie Mellon University

研究团队采用瞳孔测量法（pupillometry，通过测量瞳孔大小变化来客观反映情绪和认知反应的技术），来探究厌音症（misophonia）的生理机制。研究人员让厌音症患者与健康对照组观看一系列精心设计的视频，这些视频将常见的触发性声音（如咀嚼、敲击声）与两种不同的视觉画面配对：一种是声音的真实来源（令人不快的画面），另一种是经过视觉重构的中性画面（例如，将咀嚼声与摇晃珠子的画面配对）。结果显示，当触发性声音与中性画面一同呈现时，参与者主观报告的厌恶感显著降低。更重要的是，这一变化在生理层面得到了印证：令人厌恶的视觉内容会引起瞳孔收缩，而经过视觉重构、被赋予中性来源的声音则会使瞳孔直径增加，这表明大脑对声音的情感解读发生了根本性改变。该发现证实了视觉情境在调节厌恶情绪中的关键作用，并表明通过重塑对声音来源的认知，有望开发出“再训练”大脑的非侵入性疗法。研究发表在 Frontiers in Psychology 上。

#疾病与健康 #心理健康与精神疾病 #知觉康复 #跨学科整合

阅读更多：

Qiu, Yuqi, et al. “Visual Disgust Constricts Pupils in Response to Misophonic Movies.” Frontiers in Psychology, vol. 16, Aug. 2025. Frontiers, https://doi.org/10.3389/fpsyg.2025.1569598

急性和慢性压力对大鼠行为及血脑屏障产生不同影响且存在性别差异

压力如何具体影响大脑并导致焦虑、抑郁等精神障碍，其机制又是否存在性别差异？来自葡萄牙科英布拉大学（University of Coimbra）的 Daniela M. Simões 和 Ana Paula Silva 等研究人员，通过动物实验系统比较了急性和慢性压力对行为及大脑血管系统的影响，发现不同类型的压力会诱发不同的精神症状，并以性别特异性的方式改变大脑的关键保护屏障。

▷Credit: Behavioural Brain Research (2025).

研究团队将雄性和雌性大鼠分为两组，分别施加急性压力或不可预测的慢性轻度压力。通过旷场和强迫游泳等行为学测试发现，压力的类型与行为后果密切相关：急性压力主要在雄性大鼠中引发了焦虑样行为，而慢性压力则更多地导致了雄性大鼠出现抑郁样行为。更有趣的发现来自对大脑前额叶皮层的生化分析。结果显示，急性压力对血脑屏障造成了直接损害，导致维持屏障完整性的关键蛋白occludin（闭合蛋白）在两性大鼠中均显著下降。然而，在慢性压力下，雌性大鼠的血脑屏障反而表现出一种潜在的保护性代偿机制，其关键蛋白claudin-5（紧密连接蛋白-5）水平显著上升，而雄性则无此变化。该研究清晰地表明，压力的“急性”与“慢性”标签并非无关紧要，它们通过不同的生物学通路影响大脑，且性别是决定压力后果的关键变量。研究发表在 Behavioural Brain Research 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 #血脑屏障

阅读更多：

“Distinct Behavioural and Neurovascular Signatures Induced by Acute and Chronic Stress in Rats.” Behavioural Brain Research, vol. 493, Sept. 2025, p. 115706. www.sciencedirect.com, https://doi.org/10.1016/j.bbr.2025.115706

干细胞衍生的A10多巴胺神经元移植可改善小鼠抑郁行为

抑郁症的核心症状与大脑奖赏回路功能障碍有关，但如何修复这一回路是巨大挑战。中国科学院神经科学研究所的 Wei Yan 及其团队，针对这一问题开发了一种新方法，可从人类干细胞中高效培育出名为A10的中脑多巴胺能神经元，并首次证明通过移植这些神经元能够修复受损的神经回路，显著改善了抑郁症模型小鼠的行为。

▷图形摘要。 Credit: Cell Stem Cell (2025).

研究团队首先建立了一种创新的分化方案，使用三种分子的特定组合（GDNF、AA和DAPT）处理人类多能干细胞（hPSCs），成功地将其高效诱导为A10样中脑多巴胺能神经元（mDA neurons）。单细胞测序分析证实，这些神经元在基因和电生理层面均表现出典型的A10神经元特征。随后，研究人员将这些新生的神经元前体移植到抑郁症模型小鼠大脑的腹侧被盖区（VTA，大脑奖赏中枢的核心区域）。

研究发现，这些来自人类的神经元不仅在小鼠脑内成功存活并成熟，还精准地将神经纤维投射到伏隔核、杏仁核等正确的靶点，功能性地重建了中脑皮质边缘通路（mesocorticolimbic pathway）。最关键的是，当通过光遗传学等技术激活这些新植入的神经元后，小鼠的绝望和快感缺乏等抑郁样行为得到了显著缓解。这项研究为开发精神疾病的细胞替代疗法提供了强有力的概念验证。研究发表在 Cell Stem Cell 上。

#疾病与健康 #心理健康与精神疾病 #细胞疗法 #神经再生

阅读更多：

“Human Stem Cell-Derived A10 Dopaminergic Neurons Specifically Integrate into Mouse Circuits and Improve Depression-like Behaviors.” Cell Stem Cell, Aug. 2025. www.sciencedirect.com, https://doi.org/10.1016/j.stem.2025.07.007

发现408个加速衰老的相关基因风险位点

为何有些人能健康地步入高龄，而另一些人却早早面临多种慢性病？科罗拉多大学博尔德分校的 Isabelle Foote 和 Andrew Grotzinger 等国际研究人员，通过迄今最大规模的衰老遗传学研究，揭示了“虚弱”或加速衰老背后的复杂遗传图谱，共发现408个相关基因位点，并证明不同类型的衰老由不同的基因群驱动。

▷我们的虚弱双因素模型标准化结果的路径图。Credit: Nature Genetics (2025).

传统上，医生使用一个综合评分来评估虚弱，但这无法区分认知衰退和身体行动不便等不同问题，阻碍了精准治疗。研究团队进行了一项大规模的全基因组关联研究，分析了来自英国生物银行（UK Biobank）等数据库中数十万人的健康与遗传数据，涵盖30种不同的虚弱指标。研究结果取得了重大突破，共鉴定出408个与加速衰老相关的基因组风险位点。更重要的是，研究者构建了一个新的遗传模型，证明虚弱并非单一状态，而是可以分为不同亚型。模型发现了一个影响所有虚弱指标的通用遗传因子，以及六个分别与特定衰老问题（如认知、代谢、残疾等）相关的特异性遗传因子。例如，与免疫和阿尔兹海默病相关的SP1基因，主要影响认知衰退亚型。这一发现意味着，未来可能不会有单一的抗衰老“神药”，但有望开发出针对不同衰老路径的靶向药物。研究发表在 Nature Genetics 上。

#疾病与健康 #预测模型构建 #衰老 #遗传学

阅读更多：

Foote, Isabelle F., et al. “Uncovering the Multivariate Genetic Architecture of Frailty with Genomic Structural Equation Modeling.” Nature Genetics, vol. 57, no. 8, Aug. 2025, pp. 1848–59. www.nature.com, https://doi.org/10.1038/s41588-025-02269-0

AI 行业动态

谷歌Pixel 10AI全家桶来袭，百倍变焦+实时翻译秒杀日常

谷歌在Made by Google 2025新品发布会上正式推出了Pixel 10系列智能手机，包括Pixel 10、Pixel 10 Pro、Pixel 10 Pro XL和Pixel 10 Pro Fold。这一系列手机搭载了全新的Tensor G5芯片（谷歌自主研发的AI处理器）和Gemini Nano模型（轻量级AI模型），标志着谷歌传统智能手机时代的终结，并全面转向AI驱动。此次发布被视为谷歌十年来最重磅的手机升级，旨在正面狙击未发布的苹果iPhone 17，同时配套硬件如Pixel Watch 4和Pixel Buds 2a也全部集成AI功能。

Pixel 10系列集成了多种强大的AI功能，为用户提供实用工具。Gemini Live（实时视频AI助手）能够通过视觉叠加功能在视频中高亮物体并提供指导，例如在咖啡制作过程中圈出步骤；Voice Translate（实时语音翻译工具）支持11种语言，实现无缝跨语言交流；Nano Banana（AI图像编辑模型）允许用户通过一句话指令编辑照片，如消除人物或调整光线；Camera Coach（AI摄影指导）基于Gemini打造，帮助用户改善构图和拍摄技巧；Pro Res Zoom（AI变焦技术）可实现100倍变焦并智能修复细节，提升拍照体验。

谷歌的AI集成不仅提升了手机性能，还通过Magic Cue（智能情境提示工具）等功能主动提供个人建议，对比苹果的Siri升级已被推迟到2026年，使得谷歌在AI手机领域占据先机。研究人员Lars Pragmate认为Nano Banana可能是Gemini 3的一部分，预示着更强的AI能力。这次发布重新定义了智能手机的未来，强调实用AI工具，让普通用户也能轻松享受AI带来的便利，同时硬件的耐用性和多任务处理能力也得到了显著增强。

#谷歌Pixel10 #AI手机 #Gemini #TensorG5 #智能手机革命

阅读更多：

https://blog.google/products/pixel/made-by-google-2025/

马斯克xAI陷隐私风暴，Grok数十万用户对话遭公开索引

埃隆·马斯克旗下的人工智能公司xAI近期因隐私问题陷入争议。该公司将其聊天机器人Grok与用户的数十万条对话内容通过“分享”功能公开，且未明确告知用户这些内容会被搜索引擎索引。英国记者Andrew Clifford等用户表示，他们在不知情的情况下发现自己的对话被谷歌收录，内容涵盖商业任务、个人咨询甚至敏感信息。尽管部分对话属于正常使用，但此事件暴露了xAI在用户告知和隐私保护方面的严重疏漏。

更令人担忧的是，公开的对话中包含大量违规内容，例如制造芬太尼等非法药物、编写恶意软件、构建炸弹以及暗杀马斯克的详细计划。这些内容明显违反了xAI自身禁止危害生命和武器开发的规定。尽管部分对话可能来自安全研究人员（如红队测试），但普通用户和专业研究人员（如艾伦人工智能研究所的Nathan Lambert）均表示未收到任何警告。

此次事件并非孤例，OpenAI此前也因类似问题叫停了对话索引功能。然而，xAI的应对措施滞后，且未回应外界质疑。投机者已开始利用此漏洞，通过刻意创建和分享对话操纵谷歌搜索结果以提升商业曝光。谷歌发言人Ned Adriance强调网站所有者对索引控制权，但xAI的默认设置无疑将用户置于风险之中。

#隐私泄露 #人工智能伦理 #数据安全 #xAI #Grok

阅读更多：

https://www.forbes.com/sites/iainmartin/2025/08/20/elon-musks-xai-published-hundreds-of-thousands-of-grok-chatbot-conversations/

AI 驱动科学

Borzoi模型：从DNA序列预测RNA表达谱，统一基因调控多层级分析

如何从根本的DNA序列破译复杂的基因表达之谜？Johannes Linder, Divyanshi Srivastava, Han Yuan, Vikram Agarwal 和 David R. Kelley 团队开发了一款名为Borzoi的AI模型。该模型能够直接从DNA序列中学习并预测完整的RNA表达谱，从而首次在单一模型中统一了对转录、剪接等多个基因调控层面的分析。

基因的表达过程极其复杂，RNA测序的结果同时受到转录、剪接和多聚腺苷酸化等多个环节的调控，且这些调控元件可能与基因本身相距甚远。传统模型难以应对这种复杂性。研究团队开发的Borzoi模型，利用深度学习技术，能够直接处理长达数十万个核苷酸的DNA序列，并输出精细的RNA-seq覆盖图谱，无需依赖已知的基因注释。这意味着模型能自主学习基因的结构和调控逻辑。通过分析Borzoi预测的表达谱，研究人员可以准确量化单个DNA碱基变异对基因表达量、可变剪接事件以及RNA分子成熟过程的影响。评估结果显示，Borzoi在预测遗传变异功能方面的表现优于多个专攻单一任务的顶尖模型。此外，通过归因分析，该模型还能反向揭示出哪些特定的DNA序列（如转录因子结合位点）是调控特定基因表达的关键。研究发表在 Nature Genetics 上。

#AI驱动科学 #预测模型构建 #基因调控 #计算生物学

阅读更多：

Linder, Johannes, et al. “Predicting RNA-Seq Coverage from DNA Sequence as a Unifying Model of Gene Regulation.” Nature Genetics, vol. 57, no. 4, Apr. 2025, pp. 949–61. www.nature.com, https://doi.org/10.1038/s41588-024-02053-6

在人类“手把手”教导下，AI一小时掌握绝活

如何让机器人更快地学会复杂精细的“手艺活”？加州大学伯克利分校的 Jianlan Luo, Sergey Levine 及同事们针对这一挑战，开发了一套名为 HiL-SERL 的人工智能训练协议。该协议创新性地将人类的实时指导与机器人的自主学习相结合，成功让机器人仅用一到两小时就能百分之百掌握高难度任务。

▷加州大学伯克利分校开发了一种新的人工智能训练协议，通过研究演示，并从人类反馈和自身实际尝试中学习，教会机器人完成复杂的任务，例如组装正时皮带，成功率高达 100%。Credit: University of California - Berkeley Robotics AI and Learning Lab

研究团队提出的新方法核心在于一种人机协同的强化学习框架。训练开始时，机器人首先观察人类专家的任务演示。随后，在机器人自己尝试的过程中，人类操作员可以随时介入，像“手把手教学”一样纠正其错误动作。最关键的是，机器人能将这些人类演示、实时纠正以及自身所有成功和失败的尝试数据全部整合，通过高效的算法进行自主学习和优化。在测试中，机器人面对了诸如用鞭子精确抽掉叠叠乐积木塔中的一块积木、在锅中翻鸡蛋、组装电脑主板等一系列对灵活性和精确度要求极高的任务。结果显示，经过短短1至2.5小时的训练，机器人便能以100%的成功率完成这些任务，其任务成功率和执行速度分别是传统模仿学习方法的2倍和1.8倍。研究发表在 Science Robotics 上。

#AI驱动科学 #机器人及其进展 #强化学习 #人机交互

阅读更多：

Luo, Jianlan, et al. “Precise and Dexterous Robotic Manipulation via Human-in-the-Loop Reinforcement Learning.” Science Robotics, Aug. 2025. world, www.science.org, https://www.science.org/doi/10.1126/scirobotics.ads5033

Nature：AI自动化科研被指剽窃，生成内容存在大量无署名观点复用

AI能否独立进行创新科研？随着自动化科研工具的兴起，其原创性受到质疑。印度科学学院的研究人员Tarun Gupta和Danish Pruthi发现，由大语言模型生成的所谓“新颖”研究观点，在很大程度上是对现有成果未经署名的巧妙复用，构成了难以追溯的观点剽窃。

研究团队系统评估了50份由AI生成的科研论文与方案，其中包括备受瞩目的Sakana AI公司的AI Scientist系统所产出的成果。他们邀请了13位领域专家，使用一个5分制的量表来评估这些AI作品与已有文献在核心方法论上的重合度。评估结果显示，高达24%的AI生成论文被专家评定为4分或5分，意味着其核心方法是“对已有成果的混合匹配”或“完全复刻”。当计入那些专家认为存在高度重合但原论文作者未予置评的案例时，该比例更是攀升至36%。尽管AI系统的开发者（如Sakana AI团队）强烈反驳“剽窃”的指控，辩称这仅仅是“未能引用相关文献”，是连人类研究者也时常会犯的错误，并且AI本身不具备“故意”欺诈的意图。然而，这项研究揭示了一个深刻的困境：AI在综合海量信息的同时，也可能模糊了创新与模仿的界限，对现有的学术诚信体系构成了严峻挑战。

#AI驱动科学 #自动化科研 #科研伦理 #大语言模型

阅读更多：

Ananya. “What Counts as Plagiarism? AI-Generated Papers Pose New Risks.” Nature, vol. 644, no. 8077, Aug. 2025, pp. 598–600. www.nature.com, https://doi.org/10.1038/d41586-025-02616-5

辛欧拉方法解锁脉冲神经网络潜力，提升时空处理性能

脉冲神经网络（SNNs）是实现超低功耗人工智能的关键，但其训练过程常因不稳定而受阻。Maximilian Baronig, Romain Ferrand, Silvester Sabathiel及Robert Legenstein的研究团队发现，问题根源在于沿用已久的模拟算法。他们提出一种简单的替代方法，不仅解决了稳定性难题，还显著提升了网络在时空数据处理任务上的性能，并简化了其在神经形态硬件上的实现。

该研究聚焦于一种先进的自适应漏积分激发（adaptive leaky integrate-and-fire, adLIF）神经元模型，它在处理时序数据方面潜力巨大，但在训练中常因参数敏感和模型不稳定而失败。研究团队通过严谨的理论分析指出，这些问题并非模型本身缺陷，而是由标准的欧拉前向（Euler-Forward）离散化方法造成的。他们提出，采用计算量相同但性质更优的辛欧拉（Symplectic-Euler）方法，可以消除参数间的意外耦合，使模型动态更忠实于其连续形式，从而彻底解决稳定性问题。基于该发现，他们构建的自适应SNNs在多个基准数据集（包括语音和心电图识别）上取得了超越当前最先进水平的性能。更重要的是，分析表明adLIF神经元的自适应特性能够内在地稳定网络活动，这意味着网络无需依赖批次标准化等复杂的外部技术即可高效训练，极大地降低了在神经形态芯片上部署的难度。研究发表在 Nature Communications 上。

#AI驱动科学 #计算模型与人工智能模拟 #脉冲神经网络 #神经形态计算

阅读更多：

Baronig, Maximilian, et al. “Advancing Spatio-Temporal Processing through Adaptation in Spiking Neural Networks.” Nature Communications, vol. 16, no. 1, July 2025, p. 5776. www.nature.com, https://doi.org/10.1038/s41467-025-60878-z

人类神经类器官展现出学习与记忆所需的基本构件

约翰斯·霍普金斯大学的Dowlette-Mary Alam El Din, Thomas Hartung, Lena Smirnova及同事们对源自人类干细胞的神经类器官进行了系统性研究，首次证实这些微型大脑模型具备了实现基本学习和记忆所必需的分子、细胞及网络层面的所有关键构件。

研究团队利用人类诱导性多能干细胞培育出包含多种神经细胞类型的神经类器官。他们通过施加一种模拟海马体学习模式的θ爆发刺激（theta-burst stimulation）来测试类器官的反应。结果显示，这种刺激成功地在类器官中诱导了突触可塑性，具体表现为长时程增强，这是学习和记忆在细胞层面的核心机制。此外，研究还发现类器官的神经网络活动表现出临界性。分子层面上，在受到刺激后，与记忆形成密切相关的即刻早期基因（immediate early genes）表达显著增加。这些发现共同证明，神经类器官不仅搭建了基础的神经回路，还拥有了响应外界输入并进行信息编码和存储的生物学基础。研究发表在 Communications Biology 上。

#神经科学 #神经机制与脑功能解析 #类器官智能 #学习与记忆

阅读更多：

Alam El Din, Dowlette-Mary, et al. “Human Neural Organoid Microphysiological Systems Show the Building Blocks Necessary for Basic Learning and Memory.” Communications Biology, vol. 8, no. 1, Aug. 2025, p. 1237. www.nature.com, https://doi.org/10.1038/s42003-025-08632-5

通过单个神经元读取大脑网络结构与功能

如何从海量神经元活动中解码大脑网络的“布线图”及其功能？Ruochen Yang, Heng Ping, Xiongye Xiao, Roozbeh Kiani及Paul Bogdan等研究人员开发了一种全新的计算框架。他们发现，通过分析单个神经元复杂的放电节律，即可推断其所在网络的结构和任务。

研究团队引入了多重分形分析（multifractal analysis，一种用于表征复杂系统中标度行为的数学工具），专门用于分析神经元脉冲间隔序列中蕴含的丰富动态信息。该方法能捕捉到传统统计方法忽略的非线性、非平稳的高阶动态特征。通过在多种模拟脉冲神经网络上进行验证，研究团队证明，这种分析方法对网络拓扑结构的变化高度敏感，却对输入信号的强度变化表现出良好的稳健性。这意味着，即使在外部刺激不确定的情况下，它也能可靠地“读出”网络的内在结构。更重要的是，该方法不仅能区分静态的网络结构，还能分辨出为执行不同计算任务而“训练”出的功能网络。这一成果表明，单个神经元的复杂放电模式是其所在网络结构和功能的“指纹”。研究发表在 Nature Communications 上。

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

阅读更多：

Yang, Ruochen, et al. “Spiking Dynamics of Individual Neurons Reflect Changes in the Structure and Function of Neuronal Networks.” Nature Communications, vol. 16, no. 1, July 2025, p. 6994. www.nature.com, https://doi.org/10.1038/s41467-025-62202-1

整理｜ChatGPT

编辑｜丹雀、存源

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。如果您有进一步想要讨论的内容，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。

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。