追问daily | 作息越乱，心态越糟；谷歌再度实现量子霸权；技术进步的关键：通过文化创新分配认知负荷

█脑科学动态

Nature：饥饿与激素如何联手操控雌鼠攻击幼崽

我们做梦时大脑并未完全睡着？新研究揭示‘半清醒’状态

发现控制碳水和脂肪偏好的独立神经通路

重新定义产后精神健康：专家呼吁将其列为独立疾病以挽救生命

大脑在看到食物后毫秒内快速评估其多重属性

多发性硬化症患者唾液中存在“失衡”菌群

一种开销低、高效、完全模拟的神经网络计算硬件

█AI行业动态

基因组界的“ChatGPT”：Genos百亿参数大模型免费开源

Meta AI部门“瘦身”600人：为追求“超级智能”挥刀砍向官僚主义

█AI驱动科学

谷歌实现可验证的量子优势：量子回声算法超越经典超算

技术进步的关键：通过文化创新分配认知负荷

利用大模型预测交通事故：新AI框架提升评估可信度与决策干预

新算法seismic揭示阿尔茨海默病与特定神经元的遗传关联

作息越乱，心态越糟：日常节律是心理健康的关键指标

电化学新方法有望实现电池快充并延长寿命

脑科学动态

Nature：饥饿与激素如何联手操控雌鼠攻击幼崽

大脑如何整合饥饿和激素等多种内部信号来调控复杂的社会行为？弗朗西斯·克里克研究所的 Jonny Kohl 和 Mingran Cao 等研究人员通过研究雌性小鼠发现，饥饿感会通过一条特定的神经通路，抑制大脑中负责育儿行为的区域，从而将关爱行为转变为攻击行为，而这一转变又受到生殖激素水平的严格调控。

▷Arc AgRP → MPOA 投射介导饥饿诱发的幼崽攻击行为。Credit: Nature (2025).

研究团队发现，当未交配的雌性小鼠处于饥饿状态时，约有60%会对幼崽表现出攻击性，而饱食时则不会。通过一系列神经科学实验，他们揭示了这一行为开关背后的精确机制。研究表明，饥饿信号由下丘脑弓状核中的AgRP神经元（Agouti-related peptide neurons）发出，这些神经元通过释放神经肽Y，直接抑制大脑中对父母行为至关重要的内侧视前区（medial preoptic area, MPOA）。然而，这种抑制作用并非总能触发攻击行为。研究人员发现，攻击行为的发生还取决于小鼠所处的发情周期阶段。MPOA神经元的兴奋性受卵巢激素中孕酮与雌二醇比例的调节。只有当激素水平使MPOA神经元处于特定的“易感”状态时，来自AgRP神经元的饥饿抑制信号才能成功地将小鼠的行为从关爱切换为攻击。这两种信号最终汇聚在MPOA神经元的HCN通道（hyperpolarization-activated cyclic nucleotide-gated channels，一种影响神经元兴奋性的离子通道）上，共同决定了行为输出。研究发表在 Nature 上。

阅读更多：

Cao, Mingran, et al. “Integration of Hunger and Hormonal State Gates Infant-Directed Aggression.” Nature, Oct. 2025, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41586-025-09651-2

我们做梦时大脑并未完全睡着？新研究揭示‘半清醒’状态

梦境研究长期受限于小规模、不标准的数据集。由澳大利亚莫纳什大学协调，包括意大利卢卡IMT高等研究院Giulio Bernardi在内的国际研究团队创建了迄今最大的梦境-脑电数据库（DREAM），初步分析揭示了做梦时大脑的‘半清醒’状态。

研究团队通过整合全球20项研究、505名参与者和2643次觉醒的数据，建立了DREAM数据库，该库结合了脑电图等脑活动记录与参与者的梦境报告。对数据库的首次分析颠覆了传统认知，证实梦境不仅发生在活跃的快速眼动睡眠（REM）期，也同样出现在更深、更平静的非快速眼动睡眠（non-REM, NREM，深度睡眠阶段）中。尤为关键的是，当梦境在NREM期发生时，大脑的电活动模式（特别是低频delta波减少）与清醒状态更为相似，而非深度睡眠，这表明大脑可能处于一种“部分清醒”的混合状态。此外，研究人员利用人工智能算法分析EEG数据，能够准确预测被试在被唤醒前是否正在做梦。这一成果为客观研究意识的神经基础开辟了新途径。研究发表在 Nature Communications 上。

阅读更多：

Wong, William, et al. “A Dream EEG and Mentation Database.” Nature Communications, vol. 16, no. 1, Aug. 2025, p. 7495. www.nature.com, https://doi.org/10.1038/s41467-025-61945-1

发现控制碳水和脂肪偏好的独立神经通路

大脑如何决定我们想吃脂肪还是碳水化合物？日本自然科学研究机构生理学研究所、名古屋大学和杉山女学园大学的 Yasuhiko Minokoshi、Ken-ichiro Nakajima 和 Nawarat Rattanajearakul 等研究人员，通过小鼠实验发现，大脑内存在两条完全独立的神经通路，分别掌管着对碳水化合物和脂肪的摄食偏好，揭示了食物选择背后的精准调控机制。

▷2DG 诱导的葡萄糖剥夺通过激活孤束核（NTS）、延髓腹外侧核（VLM）和下丘脑弓状核（ARC）中的神经肽 Y（NPY）神经元，促进下丘脑室旁核（PVH）中高碳水化合物饮食（HCD）和高脂肪饮食（HFD）的摄入。Credit: Yasuhiko Minokoshi

研究团队通过给小鼠注射2-脱氧-D-葡萄糖（2-deoxy-D-glucose, 2DG）模拟能量缺乏状态，并观察它们在高碳水化合物饮食（high-carbohydrate diet, HCD）和高脂肪饮食（high-fat diet, HFD）间的选择。利用光遗传学等神经调控技术，他们发现下丘脑室旁核（ PVH）是调控中心。当身体需要快速补充能量时，来自脑干的神经肽Y（neuropeptide Y, NPY）神经元会激活PVH中的一组特定神经元（AMPK-regulated CRH neurons），促使小鼠优先摄入碳水化合物。与此同时，另一条通路则负责脂肪的摄入：来自脑干和下丘脑弓状核（ ARC）的NPY神经元通过抑制PVH中的黑皮质素4受体（MC4R）神经元，来增加对高脂肪食物的摄取。研究还特别指出，ARC的NPY神经元专门驱动脂肪摄入，这可能与生物体对高能量食物的先天偏好有关。该发现首次清晰分离了大脑对两种宏量营养素的偏好控制通路。研究发表在 Metabolism 上。

阅读更多：

Rattanajearakul, Nawarat, et al. “Glucoprivation-Induced Nutrient Preference Relies on Distinct NPY Neurons That Project to the Paraventricular Nucleus of the Hypothalamus.” Metabolism - Clinical and Experimental, vol. 0, no. 0, Oct. 2025. www.metabolismjournal.com, https://doi.org/10.1016/j.metabol.2025.156415

重新定义产后精神健康：专家呼吁将其列为独立疾病以挽救生命

产后精神病是一种严重的精神疾病，但其在现有诊断体系中的地位模糊，导致治疗延误和悲剧风险。为解决此问题，由西奈山医院的 Veerle Bergink 领导的一个国际专家小组，通过全面回顾科学文献，强烈建议将产后精神病确立为一个独立的疾病诊断类别，以挽救生命并改善患者预后。

该国际专家组的共识声明指出，应将产后精神病（postpartum psychosis, PP）在《精神疾病诊断与统计手册》（DSM）中归类为双相情感障碍谱系内的一个独特疾病类别。这一建议基于多方面坚实的科学证据。首先，产后精神病具有独特的生物学基础，与分娩后剧烈的内分泌、免疫和大脑生理变化密切相关，其发病率在产后出现急剧高峰。其次，其遗传风险结构虽与双相情感障碍有重叠，但仍显示出独特性。临床上，大多数患者表现为躁狂、混合发作或伴有精神病性特征的抑郁等情感症状，并且对锂盐和电休克疗法等双相情感障碍的标准治疗反应极佳。更重要的是，约半数首次发病的女性未来会发展为双相情感障碍。专家组强调，目前的“围产期发病”标签无法准确描述其仅在产后急性发作的特性。确立其独立诊断地位对于早期识别、及时干预至关重要，有助于预防自杀和杀婴等悲剧性后果。研究发表在 Biological Psychiatry 上。

阅读更多：

Bergink, Veerle, et al. “Postpartum Psychosis and Bipolar Disorder: Review of Neurobiology and Expert Consensus Statement on Classification.” Biological Psychiatry, vol. 0, no. 0, Oct. 2025. www.biologicalpsychiatryjournal.com, https://doi.org/10.1016/j.biopsych.2025.10.016

大脑在看到食物后毫秒内快速评估其多重属性

我们的大脑如何在毫秒之间对食物做出评价，从而影响饮食选择？Violet J. Chae、Tijl Grootswagers、Stefan Bode及Daniel Feuerriegel等研究人员合作，揭示了大脑在人们有意识地做出决定之前，就已对食物的多种属性进行了快速、并行的评估。

▷研究中展示的食品示例。Credit: Chae et al., 2025

研究团队结合脑电图和机器学习，探究了大脑评价食物的时间进程。研究中，110名参与者观看食物图片，其大脑活动被实时记录；另外421名参与者则对这些图片从健康、美味、熟悉度等12个维度进行评分。通过表征相似性分析（representational similarity analysis），研究者发现，早在看到食物图像约200毫秒时，大脑活动模式就已经反映出健康度、卡路里等多种属性的信息。这一过程发生在潜意识层面，远快于任何有意识的思考。令人意外的是，数据显示“健康度”的神经信号比“美味度”更早出现。研究进一步确认，大脑对不同属性的处理并非逐一进行，而是在相似的时间窗口内快速、并行地展开。最终，数据揭示了两个核心评价维度：“加工程度”（天然或加工）和“开胃程度”（美味与熟悉的结合），它们同样在200毫秒的极短时间内被大脑捕捉。研究发表在 Appetite 上。

阅读更多：

“Characterising the Neural Time-Courses of Food Attribute Representations.” Appetite, vol. 217, Feb. 2026, p. 108337. www.sciencedirect.com, https://doi.org/10.1016/j.appet.2025.108337

多发性硬化症患者唾液中存在“失衡”菌群

多发性硬化症（MS）是一种病因复杂的自身免疫性疾病，其与微生物群的关联备受关注。爱荷华大学的 Ashutosh Mangalam 及其团队将目光从肠道转向口腔，对MS患者的口腔微生态系统进行了迄今最全面的分析，揭示了MS患者独特的口腔微生物与代谢物特征，为理解疾病机制和开发新诊断工具提供了重要线索。

▷pwRRMS 和 HCs 口腔微生物组的 α 和 β 多样性分析。Credit: npj Biofilms and Microbiomes (2025).

该研究通过分析50名复发缓解型多发性硬化症患者和50名健康对照者的唾液样本，结合了鸟枪法宏基因组测序与非靶向代谢组学技术。结果发现，MS患者的口腔微生物群落存在显著失衡：构成健康口腔基础的链球菌（Streptococcus）等有益“早期定植”细菌减少，而具核梭杆菌（Fusobacterium nucleatum）等多种潜在致病菌则异常增多。在代谢层面，MS患者唾液中一种名为亚牛磺酸（hypotaurine，一种参与抗氧化防御和维持神经健康的保护性小分子）的水平显著降低，研究认为这与菌群的改变直接相关。此外，通过机器学习分析，研究人员发现维持口腔健康的五个关键微生物群落在MS患者体内显著丧失，这意味着其口腔微生态的协作网络已遭到根本性破坏。这些发现共同指向口腔作为一个重要的免疫-微生物互作场所，其失调可能参与了MS的炎症和免疫紊乱过程。研究发表在 npj Biofilms and Microbiomes 上。

阅读更多：

Fitzjerrells, Rachel L., et al. “Multiple Sclerosis Patients Exhibit Oral Dysbiosis with Decreased Early Colonizers and Lower Hypotaurine Level.” Npj Biofilms and Microbiomes, vol. 11, no. 1, Oct. 2025, p. 199. www.nature.com, https://doi.org/10.1038/s41522-025-00787-7

一种开销低、高效、完全模拟的神经网络计算硬件

为应对AI计算日益增长的能耗挑战，并弥合现有硬件与人脑在效率上的巨大差距，Jiabao Ye、Wannian Wang、Caiping Shi、Xuecheng Cui、Bing Chen及其同事设计并制造了一种全新的全模拟神经网络计算硬件（FANCH）。该硬件通过模拟人脑的数据压缩和全模拟信号处理方式，旨在彻底摆脱传统架构的能效瓶颈，为边缘计算提供低功耗、高效率的解决方案。

当前AI硬件普遍基于冯·诺依曼架构，计算与存储分离导致了严重的能效瓶颈。即使是部分类脑计算芯片，也因采用数字或混合信号设计，依赖高功耗的模数转换器（ADCs）和数模转换器（DACs），限制了效率提升。为突破这一限制，研究团队开发了一种全模拟神经网络计算硬件（FANCH）。该系统在芯片和系统层面均实现了彻底的模拟化，模仿人脑高效处理信息的方式。其核心创新在于两点：首先，它引入了输入数据压缩机制以降低计算复杂度；其次，从信号输入到结果输出，整个计算流程均由专门的模拟电路完成，根除了A/D转换带来的巨大能耗。团队还采用软硬件协同设计方法优化了硬件的泛化能力。在标准的手写数字识别任务测试中，FANCH的识别准确率与纯软件计算的基准相比仅相差0.36%，但其能效远超现有的主流AI加速芯片。这一成果为开发低功耗、高效率的边缘计算设备提供了一条极具前景的技术路径。研究发表在 Science Advances 上。

阅读更多：

Ye, Jiabao, et al. “An Overhead-Reduced, Efficient, Fully Analog Neural-Network Computing Hardware.” Science Advances, Oct. 2025. world, www.science.org, https://www.science.org/doi/10.1126/sciadv.adv7555

AI 行业动态

基因组界的“ChatGPT”：Genos百亿参数大模型免费开源

2025年10月23日，在第二十届国际基因组学大会（ICG-20）上，华大生命科学研究院与之江实验室联合发布了全球首个百亿参数人类基因组通用基础模型——Genos。长期以来，如何从人类30亿碱基对中“读懂”生命的深层奥秘是基因组研究的巨大挑战。Genos的推出，标志着研究范式从简单的碱基序列“读出”迈向对生命底层逻辑的“读懂”，有望为临床诊断和前沿科学研究带来颠覆性变革。为了捕捉人类丰富的遗传多样性，Genos系统整合了包括人类泛基因组参考联盟（HPRC）等多个权威资源，首次汇集了全球范围内636个“端粒到端粒”（Telomere-to-Telomere, T2T，指从染色体一端到另一端的完整序列）级别的高质量人类基因组作为训练数据，旨在从源头上减少数据偏见。该模型采用了混合专家架构（Mixture-of-Experts, MoE，一种高效的神经网络架构，仅激活模型中与任务最相关的部分以降低计算成本），使其在拥有百亿级参数知识总量的同时，推理成本远低于同等规模模型，实现了“既强大，又好用”的目标。

Genos具备百万碱基对的超长上下文分析能力和单碱基分辨率，在基因组元件识别、远程调控预测等多项经典任务中表现全面超越现有最佳水平（SOTA）。尤其在直接面向临床应用的致病性突变解读任务中，Genos实现了92%的准确性，与之江实验室开发的021科学基础模型（021 LSM）结合后，准确率更是高达98.3%。为实现“共有、共为、共享”的核心理念，华大生命科学研究院宣布，Genos模型已全面、彻底地开源开放，同时提供12亿参数和100亿参数两个版本，依据MIT开源协议公开发布在GitHub、Hugging Face等平台。此外，该模型被深度整合进DCS Cloud云平台，提供免费推理服务，极大地降低了基因组智能分析的门槛。

阅读更多：

https://academic.oup.com/gigascience/advance-article/doi/10.1093/gigascience/giaf132/8296738

Meta AI部门“瘦身”600人：为追求“超级智能”挥刀砍向官僚主义

Meta正在对其人工智能部门进行一次重大的组织重塑。据 Axios 获得的一份内部备忘录显示，该公司正在其超级智能实验室裁减约 600 个职位，旨在解决其长期人工智能工作中出现的过度官僚主义问题。此次裁员将影响 FAIR AI 研究（FAIR AI research，Meta 内部的长期人工智能研究部门）、产品相关 AI 和 AI 基础设施部门。Meta 首席人工智能官 Alexandr Wang 在备忘录中解释道，通过缩减团队规模，决策过程将更加精简，团队成员将承担更大的责任和影响力，以创造更灵活的运营模式。首席执行官 Mark Zuckerberg 几个月前就对现有 AI 工作未能带来突破或性能提升表示担忧，这是导致此次重组的关键因素。尽管面临裁员，Meta 鼓励受影响的美国员工申请公司内部的其他职位，并期望大多数人能在内部找到新的岗位。

与裁员形成鲜明对比的是，Meta 正同步加速其新的战略方向和人才招募。新成立的 TBD 实验室（TBD Lab，Meta 新成立的人工智能研究部门）在此次裁员中幸免，并且该公司正为其积极招聘顶尖人才，凸显了 Meta 致力于迈向“超级智能”的决心。这次重组和 TBD 实验室的成立，恰逢 Meta 对 Scale AI（一家数据标注和模型训练公司）进行了 150 亿美元的投资，并聘请了 Alexandr Wang。在人才引进方面，Meta 持续积极行动，最近聘请了前 OpenAI 研究机构的研究科学家 Ananya Kumar。此前，Meta 还成功招募了 Andrew Tulloch，他是 Thinking Machines 公司的联合创始人之一。 Alexandr Wang 对公司正在训练的模型、计算计划和构建的产品表示兴奋，并对实现超级智能的目标充满信心，证明此次组织调整是其长期 AI 战略的一部分。

阅读更多：

https://www.axios.com/2025/10/22/meta-superintelligence-tbd-ai-reorg

AI 驱动科学

Nature ：谷歌实现可验证的量子优势：量子回声算法超越经典超算

为解决量子计算结果难以验证且实用性不足的挑战，由谷歌量子AI团队及其合作者（包括谷歌DeepMind、加州大学伯克利分校等，诺奖得主Michel Devoret也参与其中）开发出一种可验证的量子算法，首次在硬件上实现了超越顶尖超级计算机的量子优势，为量子计算的实际应用铺平了道路。

研究团队在谷歌最新的Willow量子芯片上，运行了一种名为量子回声（Quantum Echoes）的新算法。该算法的核心是测量一种特殊的量子可观测量——非时间序相关器（out-of-time-order correlator, OTOC），其过程类似一个精密的回声实验：向系统发射信号，轻微扰动一个量子比特，再精确地反转演化过程以测量返回的“回声”。这种方法利用了相长干涉（constructive interference）效应来放大信号，从而实现极高精度的测量。实验结果显示，该算法在解决原子相互作用问题时，比目前最强的Frontier超级计算机快13000倍，将一项需要3.2年才能完成的计算缩短到了几小时。更重要的是，这是量子计算机首次成功运行可验证的算法，其结果是稳定的量子期望值，可在其他同等量子计算机上重复验证，标志着量子计算从理论优势迈向了实用和可靠。为进一步确认其准确性，团队还模拟了分子结构，结果与传统的核磁共振（Nuclear Magnetic Resonance, NMR）数据高度一致。研究发表在 Nature 上。

阅读更多：

Abanin, Dmitry A., et al. “Observation of Constructive Interference at the Edge of Quantum Ergodicity.” Nature, vol. 646, no. 8086, Oct. 2025, pp. 825–30. www.nature.com, https://doi.org/10.1038/s41586-025-09526-6

技术进步的关键：通过文化创新分配认知负荷

为何技术越先进，操作却可能越困难？针对技术复杂性常超出个人认知极限并阻碍其发展的问题，斯坦福大学商学院的 Helena Miton 与芝加哥大学布斯管理学院的 Joshua Jackson 共同发表研究，提出了一个核心观点：成功的技术演进离不开能够有效分配认知负荷的文化创新。

▷技术与认知分布的协同进化动力学。Credit: Trends in Cognitive Sciences (2025).

研究团队通过分析“飞行堡垒”轰炸机因操作过于复杂而坠毁等历史案例指出，技术的成功应用受限于人类的认知能力。为此，人类社会发展出了“认知负荷分配”（cognitive load distribution）的策略，即将复杂的认知任务分解，一部分外包给环境（认知卸载，cognitive offloading），如使用待办事项清单；另一部分则分散给不同的人，形成劳动分工。然而，这种分配会带来高昂的协调成本，协调失败是许多重大工业灾难（如切尔诺贝利核事故）的根源。论文的核心论点是，为了在这种认知负荷与协调成本之间取得平衡，人类社会在文化层面不断创新。这些创新形式多样，从简单的航空检查清单、标准化的操作语言，到复杂的项目管理软件和组织管理层级，其共同目标是让认知分配过程更高效、更可靠。研究者认为，这些文化创新与技术复杂性之间存在协同进化关系——文化创新解决了现有技术的认知瓶颈，从而为更复杂技术的诞生创造了条件。研究发表在 Trends in Cognitive Sciences 上。

阅读更多：

Miton, Helena, and Joshua C. Jackson. “Complex Technology Requires Cultural Innovations for Distributing Cognition.” Trends in Cognitive Sciences, vol. 0, no. 0, Sept. 2025. www.cell.com, https://doi.org/10.1016/j.tics.2025.08.003

利用大模型预测交通事故：新AI框架提升评估可信度与决策干预

传统交通事故预测模型因准确性和可解释性不足而面临瓶颈。为解决这一难题，约翰霍普金斯大学的Hao "Frank" Yang及其研究团队开发了一个名为SafeTraffic Copilot的人工智能框架。该框架利用大型语言模型的强大能力，不仅能更准确地预测事故风险，还能为交通安全决策提供可靠、可解释的干预依据。

▷SafeTraffic 事件数据集的构建过程。Credit: Nature Communications (2025).

研究团队将交通事故预测重构为一个基于文本的推理任务。首先，他们构建了SafeTraffic Event数据集，将来自美国五个州的超过66,000起真实事故案例的多模态数据转化为统一的文本格式。随后，团队在此数据集上定制并微调了一个大型语言模型SafeTraffic LLM，使其能够精准预测事故类型、严重程度及受伤人数，其平均预测表现比现有方法提升了33.3%至45.8%。该框架的一大突破是引入了SafeTraffic Attribution归因系统，它不仅能解释模型决策的依据，还能进行“假设”（what-if）分析，例如预测调整交通信号灯时长对事故率的影响。研究发现，酒驾和鲁莽驾驶是导致严重事故的最危险因素，其风险是其他行为的三倍。SafeTraffic Copilot通过提供置信度分数来解决AI的“黑箱”问题，增强了预测结果在实际应用中的可信度。研究发表在 Nature Communications 上。

阅读更多：

Zhao, Yang, et al. “SafeTraffic Copilot: Adapting Large Language Models for Trustworthy Traffic Safety Assessments and Decision Interventions.” Nature Communications, vol. 16, no. 1, Oct. 2025, p. 8846. www.nature.com, https://doi.org/10.1038/s41467-025-64574-w

新算法seismic揭示阿尔茨海默病与特定神经元的遗传关联

阿尔茨海默病的遗传基础长期存在一个谜团：基因数据指向大脑的免疫细胞，而患者死亡的却是记忆神经元。莱斯大学与波士顿大学的Qiliang Lai和Vicky Yao等人开发了一款名为seismic的强大计算工具，该工具能够精准整合遗传学和细胞生物学数据，首次从遗传层面证实了阿尔茨海默病与特定记忆神经元的直接关联。

▷识别细胞类型-性状关联的通用框架及地震学概述。Credit: Nature Communications (2025).

研究团队为解决阿尔茨海默病研究中的核心矛盾，开发了名为seismic的计算框架。该方法创新性地整合了两种大规模生物数据：全基因组关联研究和单细胞RNA测序。以往的方法常因依赖武断的参数设置和忽略数据细节而难以得出可靠结论。seismic通过一种新的特异性评分算法，能够更稳健地识别出哪些细胞类型与特定的遗传风险高度相关，并能进一步 pinpoint 驱动这种关联的关键基因。研究团队应用seismic分析阿尔茨海默病数据时发现，当使用基于疾病生物标志物（如脑脊液中的tau蛋白水平）的GWAS数据，而非宽泛的临床诊断数据时，算法明确地将遗传风险指向了脆弱的记忆形成神经元，而不是传统认为的小胶质细胞。这一发现不仅解决了长期的科学争论，也证明了在研究复杂疾病时，采用更精细的细胞分类和更精确的疾病指标至关重要。研究发表在 Nature Communications 上。

阅读更多：

Lai, Qiliang, et al. “Disentangling Associations between Complex Traits and Cell Types with Seismic.” Nature Communications, vol. 16, no. 1, Oct. 2025, p. 8744. www.nature.com, https://doi.org/10.1038/s41467-025-63753-z

作息越乱，心态越糟：日常节律是心理健康的关键指标

随着独居成为一种普遍生活方式，其伴随的心理健康问题日益受到关注。韩国科学技术院（KAIST）的Uichin Lee团队突破了传统监测方法的局限，通过一项试点研究证明，利用家庭物联网（IoT）传感器数据，可以有效揭示日常生活规律性与心理健康之间的密切联系，为开发个性化远程心理健康护理系统提供了新思路。

▷不规律性高组（红色）和不规律性低组（蓝色）平均心理健康状况比较。Credit: Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies (2025).

研究团队对20个年轻的单人家庭进行了为期四周的追踪研究，在他们家中部署了包括智能家电、睡眠垫和运动传感器在内的多种物联网设备，并结合了智能手机与可穿戴设备的数据。分析结果明确指出，日常生活节奏的规律性是影响心理健康的核心因素，其重要性甚至超过了某些特定行为的频率。当个体的日常作息变得不规律时，其心理健康状况普遍随之恶化。研究还发现了一些具体的关联，例如，睡眠时间的减少与更高水平的抑郁、焦虑和压力直接相关，而室内活动量的锐减或冰箱使用频率的异常增加，则可能分别反映出个体在压力下的“嗜睡”或“暴饮暴食”倾向。有趣的是，当参与者通过可视化工具回顾自己的数据时，他们普遍认为这有助于自我洞察，对隐私的担忧也随之降低。研究发表在 Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies 上。

阅读更多：

Koh, Youngji, et al. “Harnessing Home IoT for Self-Tracking Emotional Wellbeing: Behavioral Patterns, Self-Reflection, and Privacy Concerns.” Proc. ACM Interact. Mob. Wearable Ubiquitous Technol., vol. 9, no. 3, Sept. 2025, p. 96:1-96:36. ACM Digital Library, https://doi.org/10.1145/3749485

电化学新方法有望实现电池快充并延长寿命

如何让电池充电更快、寿命更长是能源技术的核心挑战。沙迦大学的 Anis Allagui 及其合作者针对这一问题，通过研究混合离子电子导体（MIECs）的充电机制，开发出一种新的电化学分析方法，为设计性能更优的储能设备提供了坚实的理论与实验基础。

▷厚度为 L 的薄膜电化学插入示意图。b) 用于测量 MIEC-电解质体系的实验装置。Credit: Advanced Materials (2025).

研究团队致力于解决混合离子电子导体（MIECs，一类对下一代电池和生物电子设备至关重要的材料）中复杂的电荷传输问题。他们创新性地将频域分析工具电化学阻抗谱（Electrochemical Impedance Spectroscopy, EIS）与时域分析工具计时电流法（chronoamperometry）相结合，以全面表征材料的充电动态。研究的核心是应用了分数扩散模型（fractional diffusion models），该理论能更好地描述许多复杂材料中普遍存在的、传统模型难以解释的异常扩散现象。研究人员在三种代表性材料（PEDOT:PSS、三氧化钨（WO3）和n-PBDF聚合物薄膜）上验证了他们的方法。结果显示，该模型不仅成功建立了频域阻抗和时域电流之间的精确定量关系，还准确预测了材料的性能，例如，更薄的薄膜展现出更快的充放电行为。这一框架为优化电化学设备提供了明确的设计原则，有望推动开发充电更快、能量密度更高、寿命更长的下一代电池。研究发表在 Advanced Materials 上。

阅读更多：

Zhang, Heyi, et al. Transient Charging of Mixed Ionic‐Electronic Conductors by Anomalous Diffusion. advanced.onlinelibrary.wiley.com, https://doi.org/10.1002/adma.202507739. Accessed 23 Oct. 2025

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。