█腦科學動態

Nature：大腦的“社交積木”：快速理解復雜互動的秘密

記憶恢復與轉化：大腦如何幫助我們識別過去？

熒光傳感器揭示靈長類動物大腦中的多巴胺信號

大腦如何控制我們突然停止說話？

多巴胺不僅是快樂源泉，還能“刪除”記憶

危急時刻的大腦：量子力學模型揭示其快速反應機制

兒童與成人的色彩體驗驚人相似

大腦如何處理有意識和無意識的聲音

█AI行業動態

Gemma 3：單GPU/TPU上運行的最強AI模型

新一代機器人 AI 問世，Gemini Robotics 讓機器更懂你的指令

Cohere發布多語言生成式AI模型Command A

█AI驅動科學

機器學習助力生物膜降解，TeleProt發現高效核酸酶變體

弱監督與情境學習結合，臨床NLP性能飛躍

導電水凝膠：讓脊髓損傷研究更精準

外骨骼與數字孿生技術助力中風患者康復

腦科學動態

Nature：大腦的“社交積木”：快速理解復雜互動的秘密

大腦如何處理復雜的社交信息？倫敦大學學院（UCL）的Marco Wittmann及其團隊通過一項新中，揭示了大腦如何使用“社交積木”來簡化并理解復雜的社交互動。

研究團隊使用功能性磁共振成像記錄了88名參與者的大腦活動，研究發現，大腦在處理多人群體的社交互動時，使用了一種稱為“基礎函數”（basis functions）的壓縮編碼方式。這種編碼方式類似于視覺和運動領域中的信息處理機制，能夠將復雜的社交信息簡化為幾個關鍵維度。研究團隊通過設計一個多人社交決策任務，發現大腦的背內側前額葉皮層（dmPFC）和前扣帶皮層（ACC）在社交認知過程中計算這些基礎函數。這些基礎函數以壓縮格式總結了可能的社交互動，并根據任務需求靈活組合，從而幫助大腦在復雜的社交環境中做出快速決策。

此外，研究還發現，大腦在處理社交信息時，不僅使用“以代理為中心”的編碼方式（即追蹤每個個體的表現），還使用“順序”編碼方式（即按照信息接收的順序追蹤互動模式）。這兩種編碼方式共同作用，使得大腦能夠高效地處理多人群體的社交互動。研究還通過行為實驗驗證了這些基礎函數在決策中的重要性，發現參與者在包含群體決策的任務中表現更好，表明基礎函數的壓縮編碼方式能夠提高決策的準確性。研究結果發表在 Nature 上。

#認知科學 #大腦信號解析 #社交互動 #前額葉皮層 #fMRI

閱讀更多：

Wittmann, Marco K., et al. “Basis Functions for Complex Social Decisions in Dorsomedial Frontal Cortex.” Nature, Mar. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41586-025-08705-9

記憶恢復與轉化：大腦如何幫助我們識別過去？

近期，西北大學的Elizabeth Johnson及其國際合作團隊通過分析兒童、青少年和年輕人的顱內腦電圖數據，揭示了記憶痕跡在大腦中的恢復和轉化過程，為理解記憶的神經基礎提供了新視角。

?任務、樣本、行為表現和電極覆蓋范圍。Credit: Science Advances (2025).

研究人員利用顱內腦電圖技術，記錄了參與者在觀看視覺場景后識別記憶時的神經活動。通過表征相似性分析，他們追蹤了記憶痕跡的恢復和轉化過程。研究發現，記憶識別依賴于兩個獨立的過程：恢復發生在顳葉皮層，而轉化則發生在頂葉皮層。此外，研究還揭示了神經網絡中泛化和分化在記憶編碼和檢索中的重要作用。通過深度神經網絡模型，研究人員模擬了記憶痕跡的不同格式，發現記憶形成依賴于超越視覺特征的廣義和記憶特異性表征格式。這一研究為理解記憶的靈活性和多面性提供了重要線索，并為未來研究記憶發展和神經生理學奠定了基礎。研究發表在 Science Advances 上。

#神經科學 #記憶機制 #顱內腦電圖 #表征相似性分析 #深度神經網絡

閱讀更多：

Rau, Elias M. B., et al. “Reinstatement and Transformation of Memory Traces for Recognition.” Science Advances, vol. 11, no. 8, Feb. 2025, p. eadp9336. science.org (Atypon), https://doi.org/10.1126/sciadv.adp9336

熒光傳感器揭示靈長類動物大腦中的多巴胺信號

多巴胺在靈長類動物大腦中的作用機制尚不明確，尤其是其在紋狀體中的信號傳遞如何影響行為和動機。京都大學和劍橋大學的研究團隊開發了一種熒光多巴胺傳感器，用于監測非人類靈長類動物大腦中的多巴胺信號。

?用熒光多巴胺傳感器檢測非人類靈長類動物大腦中的多巴胺信號。Credit: (KyotoU/Amita lab)

研究團隊對恒河猴進行了巴甫洛夫概率獎勵任務的訓練，并使用熒光多巴胺傳感器監測其大腦中的多巴胺信號。通過分析猴子的舔舐和凝視行為，研究團隊發現熒光傳感器能夠有效捕捉多巴胺瞬變。研究發現，紋狀體中的多巴胺信號因位置不同而有所變化。前殼核（anterior putamen）對未預測的獎勵表現出積極的反應，而尾狀核頭（caudate head）則表現出微弱的反應。這一發現對于理解背側紋狀體在認知和運動功能中的作用具有重要意義，尤其是在研究神經退行性疾病如帕金森病和路易體癡呆方面。研究發表在 PNAS 上。

#神經科學 #大腦信號解析 #多巴胺 #熒光傳感器 #神經退行性疾病

閱讀更多：

Hidetoshi Amita et al, Fluorescence detection of dopamine signaling to the primate striatum in relation to stimulus–reward associations, Proceedings of the National Academy of Sciences (2025). DOI: 10.1073/pnas.2426861122

大腦如何控制我們突然停止說話？

我們如何會突然主動停止言語？加州大學舊金山分校的Lingyun Zhao、Alexander B. Silva及其團隊發現了一個支持言語抑制控制的運動前皮層網絡，揭示了這一機制。

?言語停止時運動前神經激活。Credit: Nature Human Behaviour (2025).

研究團隊使用高密度皮層腦電圖（ECoG）記錄了13名難治性癲癇患者在進行言語停止任務時的神經活動。結果顯示，運動前額葉皮質中存在與停止說話相關的明顯活動，且這種活動主要發生在說話中途突然停止時，而非自然完成短語時。進一步的實驗通過電刺激驗證了這一機制，表明這一網絡支持言語的抑制控制。研究發表在 Nature Human Behaviour 上。

#神經科學 #神經機制與腦功能解析 #言語控制 #運動前皮層 #高密度皮層腦電圖

閱讀更多：

Zhao, Lingyun, et al. “Inhibitory Control of Speech Production in the Human Premotor Frontal Cortex.” Nature Human Behaviour, Mar. 2025, pp. 1–16. www.nature.com, https://doi.org/10.1038/s41562-025-02118-4

多巴胺不僅是快樂源泉，還能“刪除”記憶

多巴胺通常被認為與獎勵和學習相關，但其在記憶貶值中的作用尚不明確。密歇根州立大學的Alexander Johnson及其團隊通過實驗發現，多巴胺在降低與獎勵相關的記憶價值中發揮了關鍵作用，這一發現挑戰了傳統理論。

?通過活動依賴性標記和腹側被蓋區細胞的化學遺傳激活介導蔗糖獎勵貶值。Credit: Communications Biology (2025).

研究團隊首先訓練小鼠將聽覺提示（CS）與液體蔗糖獎勵建立關聯。在厭惡階段，研究人員僅呈現聽覺提示并將其與胃部不適誘導劑氯化鋰（LiCl）配對。通過活動依賴性標記技術，研究團隊標記了腹側被蓋區細胞，并在后續實驗中重新激活這些細胞，觀察其對蔗糖獎勵的享樂評價的影響。結果顯示，重新激活VTA細胞顯著降低了小鼠對蔗糖獎勵的喜好。

進一步，研究團隊利用光遺傳學和化學遺傳學技術驗證了VTA多巴胺細胞在獎勵貶值中的充分性和必要性。通過體內光纖光度法，研究人員還觀察到伏隔核中的多巴胺釋放與記憶貶值過程密切相關。此外，計算模型數據成功模擬了多巴胺信號在記憶重塑中的動態過程，進一步支持了多巴胺在編碼獎勵環境詳細特征中的關鍵作用。

這一研究表明，多巴胺不僅通過傳統的獎勵預測誤差機制支持學習，還在編碼獎勵的感官特征和狀態轉換中發揮了重要作用。這一發現為理解多巴胺在記憶處理中的復雜功能提供了新視角，并為成癮、抑郁等神經精神疾病的治療提供了潛在方向。研究發表在 Communications Biology 上。

#認知科學 #記憶機制 #多巴胺 #化學遺傳激活 #計算模型

閱讀更多：

Fry, Benjamin R., et al. “Devaluing Memories of Reward: A Case for Dopamine.” Communications Biology, vol. 8, no. 1, Feb. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s42003-024-07440-7

危急時刻的大腦：量子力學模型揭示其快速反應機制

人類大腦在面臨重大風險時能夠比計算機更快地做出決策，這一現象引發了神經科學領域的廣泛關注。巴塞羅那龐培法布拉大學（UPF）和牛津大學的研究團隊設計了一種名為CHARM（復雜諧波分解）的新型大腦計算分析模型，首次將量子力學原理應用于大腦動態分析，揭示了大腦在危急情況下的快速決策機制。

?(a) 七個流形網絡之間的兩個移位功能連接矩陣反映了清醒狀態（頂部）和深度睡眠狀態（底部）中的不同相互作用。(b) 這些時間不對稱性通過七個流形網絡之間的箭頭（前 20%）說明，其中灰色箭頭對應負相互作用，棕色箭頭對應正相互作用，其粗細對應這些相互作用的值。(c) CHARM 潛在空間中的時空特征可以通過 Edge 亞穩態捕捉，清醒和睡眠之間存在顯著差異。Credit: Deco, G.; Sanz Perl, Y.; Kringelbach M.L

研究團隊開發的CHARM模型基于薛定諤方程，利用其數學結構捕捉大腦動態中的非局部性和長距離連接特性。研究分析了1000多人的神經影像數據，發現當大腦處于臨界狀態（介于有序與混亂之間的過渡狀態）時，長距離神經連接的效率顯著增強。這種狀態類似于水變成冰的過渡過程，大腦在此狀態下表現出加劇的特性。

CHARM模型還揭示了清醒和睡眠狀態下大腦動態的顯著差異，表明大腦區域網絡而非單個區域是關鍵的計算引擎。這一發現不僅解釋了大腦在危急情況下的快速決策能力，還為神經系統疾病（如精神分裂癥和抑郁癥）的診斷和治療提供了新思路。研究發表在 Physical Review E 上。

#神經科學 #計算模型與人工智能模擬 #量子力學 #大腦動態 #長距離神經連接

閱讀更多：

Deco, Gustavo, et al. “Complex Harmonics Reveal Low-Dimensional Manifolds of Critical Brain Dynamics.” Physical Review E, vol. 111, no. 1, Jan. 2025, p. 014410. APS, https://doi.org/10.1103/PhysRevE.111.014410

兒童與成人的色彩體驗驚人相似

兒童如何感知顏色？他們的意識體驗與成人有何異同？京都大學的Yusuke Moriguchi及其團隊通過開發一種觸摸屏界面，成功評估了幼兒的顏色體驗。研究發現，兒童與成人的色彩體驗結構高度一致，且跨文化和年齡差異極小。

研究團隊設計了一種觸摸屏界面，要求3-12歲的日本兒童、6-8歲的中國兒童以及日本成人對九種顏色的相似性進行評分，評分范圍從“非常相似”到“非常不相似”。實驗在線上和線下環境中進行，使用計算機或觸摸屏完成。結果顯示，兒童對顏色的體驗與成人幾乎相同，且這種體驗結構在不同年齡和文化中高度一致。盡管兒童對顏色名稱的理解和使用隨年齡增長而變化，但他們的色彩感受性結構保持一致。實驗環境對結果影響極小，證明了方法的穩健性。研究發表在 PNAS 上。

#認知科學 #意識模擬 #色彩體驗 #兒童發展 #跨文化研究

閱讀更多：

Moriguchi, Yusuke, et al. “Comparing Color Qualia Structures through a Similarity Task in Young Children versus Adults.” Proceedings of the National Academy of Sciences, vol. 122, no. 11, Mar. 2025, p. e2415346122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2415346122

大腦如何處理有意識和無意識的聲音

意識的本質一直是哲學、心理學和神經科學等領域的研究熱點，而感官感知常被用作研究意識的代理。耶魯大學的研究團隊由Hal Blumenfeld教授領導，致力于探索聽覺感知的神經機制。他們的研究揭示了有意識和無意識感知聲音時大腦活動的顯著差異，并提出了一個四部分框架來解釋意識感知的神經機制。

研究團隊設計了一項新穎的聽覺實驗，使用閾值水平的音調刺激（即在白噪聲背景下播放從不可察覺到完全可聽見的音調），并結合顱內腦電圖技術記錄大腦活動。這種方法能夠捕捉到高時空分辨率的神經信號，并分析寬帶伽馬功率（broadband gamma power, 40-115 Hz），這是一種反映局部神經元活動的指標。

研究結果顯示，當聲音被有意識感知時，大腦活動從早期聽覺區域開始，隨后在額葉眼區和丘腦出現早期活動增加，接著在額頂葉聯合皮層引發一波廣泛的活動。而未感知到的聲音則僅在早期聽覺區域表現出有限的神經活動。

?產生對外部聽覺刺激的意識的神經機制序列。Credit: NeuroImage (2025).

這一發現表明，聽覺感知涉及的網絡與視覺感知相似，支持了跨感官模式的共享意識機制假說。研究還提出了一個四部分框架來解釋意識感知的神經機制：（1）初級感覺區域的刺激檢測；（2）皮層下-皮層喚醒和顯著性網絡的短暫神經調節脈沖；（3）感覺皮層、檢測網絡和任務負網絡的信息流控制；（4）皮層層級處理和記憶編碼的持續波。這一框架為理解意識感知的時空動態提供了新的視角。研究發表在 NeuroImage 上。

#神經科學 #大腦信號解析 #聽覺感知 #意識模擬

閱讀更多：

“The Neural Activity of Auditory Conscious Perception.” NeuroImage, vol. 308, Mar. 2025, p. 121041. www.sciencedirect.com, https://doi.org/10.1016/j.neuroimage.2025.121041

AI 行業動態

Google DeepMind推出Gemma 3：單GPU/TPU上運行的最強AI模型

Google DeepMind近日發布了Gemma 3，這是一系列輕量級、先進的開放模型，基于與Gemini 2.0相同的研究和技術構建。Gemma 3旨在直接在設備上運行，從手機、筆記本電腦到工作站，幫助開發者創建AI應用。該模型提供多種尺寸（1B、4B、12B和27B），用戶可根據硬件和性能需求選擇最佳模型。Gemma 3在LMArena排行榜上表現優異，支持140種語言，具備高級文本和視覺推理能力，并擴展了上下文窗口至128k token。此外，Gemma 3還引入了量化版本，減少模型大小和計算需求，同時保持高精度。

Google DeepMind還推出了ShieldGemma 2，這是一個基于Gemma 3的4B圖像安全檢查器，提供三種安全類別的標簽：危險內容、色情內容和暴力內容。開發者可以進一步定制ShieldGemma以滿足其安全需求。Gemma 3和ShieldGemma 2支持多種開發工具和平臺，包括Hugging Face Transformers、Ollama、JAX、Keras、PyTorch等，并可部署在Google Cloud、NVIDIA GPU等多種硬件平臺上。

#Gemma3 #AI模型 #GoogleDeepMind #ShieldGemma2 #量化模型

閱讀更多：

https://blog.google/technology/developers/gemma-3/?utm_source=tw&utm_medium=social&utm_campaign=og&utm_content=&utm_term=

新一代機器人 AI 問世，Gemini Robotics 讓機器更懂你的指令

Google DeepMind 近日發布了基于 Gemini 2.0 研發的新一代機器人 AI 模型：Gemini Robotics 和 Gemini Robotics-ER。這兩個模型通過新增物理動作作為輸出方式，使機器人能夠直接執行任務，賦予它們更強的適應性、交互性和靈活性，能夠處理廣泛的現實世界任務。

Gemini Robotics 具備“視覺-語言-動作”（Vision-Language-Action, VLA）能力，可直接控制機器人執行任務。它利用 Gemini 2.0 的世界理解能力，使機器人能夠處理未見過的新物體、新指令和新環境，甚至完成訓練中未見過的新任務。在綜合泛化基準測試中，Gemini Robotics 的性能比其他最先進的 VLA 模型高出一倍以上。此外，它還能理解日常語言指令，并快速響應環境或指令的變化，支持執行需要精細動作的復雜任務。

Gemini Robotics-ER 則專注于空間理解（Embodied Reasoning，ER具身推理），幫助研究人員讓機器人更好地適應真實環境。它具備更強的空間感知能力，能夠進行 3D 物體檢測、智能路徑規劃和動作安全性評估，確保機器人在復雜環境中的安全操作。

Google DeepMind 還采用了多層安全策略，確保機器人不會做出危險動作，并發布了新的安全數據集（ASIMOV 數據集），用于檢測 AI 機器人在現實場景中的潛在風險。未來，這些技術有望在工業制造、家庭助手、物流倉儲和醫療護理等領域得到廣泛應用。

#機器人 #AI #GoogleDeepMind #GeminiRobotics #空間理解

閱讀更多：

https://deepmind.google/technologies/gemini-robotics/

Cohere發布多語言生成式AI模型Command A

Cohere公司發布了最新的多語言生成式AI模型Command A，旨在為全球企業提供高效的人工智能解決方案。該模型支持256,000個標記的上下文長度，相當于600頁文本內容，顯著提升了模型處理長文檔的能力。此外，Command A的設計使其僅需兩塊GPU即可運行，降低了企業部署AI模型的硬件成本。這些特性使Command A成為GPT-4o和DeepSeek-V3等模型的有力競爭者。

Cohere公司由Aidan Gomez、Ivan Zhang和Nick Frosst于2019年創立，總部位于多倫多和舊金山。Aidan Gomez是2017年引發大型語言模型革命的Transformer論文的共同作者之一。Cohere專注于為企業提供生成式AI解決方案，致力于開發高效、實用的語言模型，以滿足企業在文檔摘要、信息檢索和多語言響應等方面的需求。

Command A模型在多個方面進行了優化，以滿足企業需求。首先，模型支持檢索增強生成（RAG，Retrieval-Augmented Generation），這意味著它可以在生成響應時結合外部知識庫的信息，提供更準確和上下文相關的答案。其次，Command A具備外部工具使用能力，能夠與計算器、電子郵件客戶端等應用程序交互，執行復雜任務。此外，模型的多語言能力得到增強，支持全球主要語言，使其適用于跨國企業的多語言需求。在硬件需求方面，Command A的設計使其僅需兩塊GPU即可運行，降低了企業部署AI模型的成本。這些改進使Command A在處理長文檔、多語言任務和復雜交互方面表現出色，成為企業應用AI的有力工具。

#大語言模型 #生成式AI #多語言模型 #企業應用

閱讀更多：

https://venturebeat.com/ai/cohere-targets-global-enterprises-with-new-highly-multilingual-command-a-model-requiring-only-2-gpus/

AI 驅動科學

機器學習助力生物膜降解，TeleProt發現高效核酸酶變體

蛋白質工程在工業和治療領域具有重要應用，但傳統的定向進化方法存在局限性。Neil Thomas、David Belanger、Chenling Xu等研究人員開發了TeleProt，一個結合進化和實驗數據的機器學習框架，用于優化核酸酶NucB的活性。

?圖形摘要。Credit：Cell Systems（2025）.

研究團隊使用TeleProt框架，結合超高通量微流控平臺，對NucB進行工程改造。TeleProt在多個方面優于DE，包括命中率、多樣性和初始文庫設計。研究團隊還發布了包含55,000個核酸酶變體的數據集，為ML引導設計提供了寶貴資源。研究發表在 Cell Systems 上。

#認知科學 #預測模型構建 #蛋白質工程 #機器學習 #核酸酶

閱讀更多：

Thomas, Neil, et al. “Engineering Highly Active Nuclease Enzymes with Machine Learning and High-Throughput Screening.” Cell Systems, vol. 0, no. 0, Mar. 2025. www.cell.com, https://doi.org/10.1016/j.cels.2025.101236

弱監督與情境學習結合，臨床NLP性能飛躍

臨床自然語言處理面臨標記數據不足和隱私保護等挑戰。Enshuo Hsu和Kirk Roberts等人提出了一種結合弱監督和情境學習的方法，通過微調大型語言模型生成弱標簽，顯著提高了模型性能。

研究提出了一種由LLM驅動的弱監督方法，通過使用LLM創建弱標簽，減少對領域專業知識的依賴，并利用最新的提示監督微調技術對LLM進行微調。研究評估了四種實驗設置，包括Llama-SFTn-WS-BERTn和Llama-WS-BERTn等。在三個生物醫學基準上進行的評估顯示，使用微調后的Llama2-13B生成的弱標簽對BERT進行弱監督和微調，能夠顯著提高性能，且避免了在生產環境中部署LLM的計算負擔。研究發表在Scientific Reports上。

#認知科學 #大模型技術 #自然語言處理 #弱監督 #臨床數據

閱讀更多：

Hsu, Enshuo, and Kirk Roberts. “Leveraging Large Language Models for Knowledge-Free Weak Supervision in Clinical Natural Language Processing.” Scientific Reports, vol. 15, no. 1, Mar. 2025, p. 8241. www.nature.com, https://doi.org/10.1038/s41598-024-68168-2

導電水凝膠：讓脊髓損傷研究更精準

脊髓損傷研究需要一種既能傳輸清晰信號又能在患者移動時保持柔韌性的材料。賓漢姆頓大學的Siyuan Rao及其團隊，包括Sizhe Huang、Qianbin Wang等，與多所大學和醫院合作，開發了一種新型導電水凝膠電極。這種電極能夠記錄小鼠脊髓神經元和腿部肌肉的電信號，解決了傳統硬質材料在軟組織中造成的損傷問題。

?TRAIN 支持的自由移動肌電圖 (EMG) 記錄。Credit: Nature Communications (2025).

研究團隊使用含有導電碳納米管的水凝膠，通過循環拉伸創建電各向異性滲透路徑，制造出具有抗疲勞性和低電化學阻抗的各向異性水凝膠纖維。這些纖維被制成生物電子設備并植入小鼠體內，成功記錄了麻醉和自由運動狀態下的肌電信號。研究結果顯示，這些設備在植入后八個月內仍能保持功能，展示了其在神經生理學研究中的長期監測潛力。研究發表在 Nature Communications 上。

#神經技術 #疼痛 #腦機接口 #水凝膠電極 #脊髓損傷

閱讀更多：

Huang, Sizhe, et al. “Anisotropic Hydrogel Microelectrodes for Intraspinal Neural Recordings in Vivo.” Nature Communications, vol. 16, no. 1, Jan. 2025, p. 1127. www.nature.com, https://doi.org/10.1038/s41467-025-56450-4

外骨骼與數字孿生技術助力中風患者康復

中風患者常常面臨手臂和手部運動功能障礙，影響日常生活。慕尼黑工業大學的研究團隊，包括Sandra Hirche、Hossein Kavianirad和Neha Das，開發了一種結合外骨骼和功能性電刺激（FES）的系統，幫助患者恢復運動能力。研究結果顯示，24名患者在使用該系統后，手臂和手的運動能力顯著提高。

?Wolfgang Korisanski 是已經測試了新外骨骼和電刺激系統的 24 名患者之一。Credit: Sabrina Bauer / TUM.

研究團隊使用功能性電刺激刺激前臂肌肉，并結合外骨骼支撐整個手臂。系統還包括一個數字孿生，記錄每位患者的個性化需求，并通過控制回路提供個性化支持。此外，研究人員開發了一款電腦游戲，訓練患者抓握和移動手臂。研究結果顯示，該系統能夠顯著提高患者的運動能力，并允許患者在家中進行持續訓練。研究發表在 2024 10th IEEE RAS/EMBS International Conference for Biomedical Robotics and Biomechatronics (BioRob) 上。

#神經技術 #個性化醫療 #外骨骼 #功能性電刺激 #數字孿生

閱讀更多：

Das, Neha, et al. “Framework for Learning a Hand Intent Recognition Model from sEMG for FES-Based Control.” 2024 10th IEEE RAS/EMBS International Conference for Biomedical Robotics and Biomechatronics (BioRob), 2024, pp. 1320–27. IEEE Xplore, https://doi.org/10.1109/BioRob60516.2024.10719910

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。如果您有進一步想要討論的內容，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。

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。

Chen Institute與華山醫院、上海市精神衛生中心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天橋神經科學研究院。

Chen Institute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、、等。