临床进展

追问dailyNature：肠道也有第六感；章鱼也有橡胶手错觉；在太空中出生的婴儿将面临什么？

发布时间：2025-07-25 08:31人气：

　　肠道微生物如何实时影响我们的大脑和行为？针对这一问题，杜克大学的Diego V. Bohórquez、M. Maya Kaelberer、Winston W. Liu、Emily Alway和Naama Reicher等研究人员，发现了一种全新的感觉模式，他们称之为“神经生物感觉”（neurobiotic sense）。该研究揭示了一条连接肠道与大脑的直接神经通路，使大脑能够实时感知细菌信号并调控食欲。

　　研究团队发现，肠道内壁的微小传感细胞——神经足细胞（neuropod cells），扮演着“第六感”感受器的角色。它们能够通过一种名为TLR5的受体，特异性地识别出细菌用于游动的尾状结构中的一种常见蛋白——鞭毛蛋白（flagellin）。当研究人员将鞭毛蛋白直接注入小鼠结肠时，这些小鼠的食量明显减少。

　　进一步的机制研究表明，神经足细胞在感知到鞭毛蛋白后，会立即释放一种名为PYY的饱腹感激素，该激素激活连接肠道和大脑的“信息高速公路”——迷走神经（vagus nerve），从而向大脑发送“吃饱了”的信号。为了证实该通路的关键性，研究人员在基因层面敲除了神经足细胞上的TLR5受体，结果发现，这些小鼠对鞭毛蛋白完全没有反应，食量不减，体重也随之增加。这一发现首次证明，除了缓慢的免疫或代谢途径外，还存在一条纯粹的、快速的神经回路，让我们的身体能够实时“听懂”肠道细菌的语言，并据此调整摄食行为。研究发表在 Nature 上。

　　大脑如何储存并更新对熟悉空间的记忆？针对长期悬而未决的“表征漂移”问题，西北大学的Jason开云官方网址 R. Climer、Heydar Davoudi、Jun Young Oh及Daniel A. Dombeck团队通过一项精巧的实验发现，大脑的空间地图具有内在的动态性，即使在完全不变的环境中也会持续更新。

　　研究团队利用一个尖端的多感官虚拟现实系统，让小鼠在跑步机上导航一个视觉、嗅觉和速度等因素都被严格控制的虚拟迷宫。通过实时脑成像技术，他们发现，即使小鼠每天的体验完全相同，负责编码空间位置的海马体神经元群每天都有所不同。这一结果明确了“表征漂移”（representational drift，即大脑对同一事物的神经编码随时间发生变化）是一种大脑的内在机制，而非由环境或行为的微小变化导致。进一步分析揭示，神经元的兴奋性是决定记忆稳定性的关键：那些更易被激活的神经元，其编码的空间信息也更持久、更不容易“漂移”。这一发现不仅加深了对记忆储存机制的理解，也为探究衰老如何影响记忆提供了新线索，因为神经元兴奋性会随年龄下降。研究发表在 Nature 上。

　　精神分裂症患者的认知缺陷严重影响生活，但现有疗法效果不佳，而抗体药物又难以穿透血脑屏障。法国功能基因组学研究所的Jean-Philippe Pin、Philippe Rondard团队设计出一种源自骆驼的纳米抗体，能通过外周注射穿过血脑屏障，有效改善精神分裂症动物模型的认知功能。

　　研究团队开发了一种创新的双价纳米抗体（bivalent nanobody），它源于骆驼科动物的重链抗体，分子量远小于传统抗体，使其具备了穿越生理屏障的潜力。该纳米抗体被设计为一种高效的代谢型谷氨酸受体2（mGlu2，一种调节神经元兴奋性的关键蛋白）的正向别构调节剂（PAM，一种能增强受体对天然激动剂反应的分子），从而精准调控大脑内的神经活动。在实验中，研究人员将这种纳米抗体通过外周（如腹腔）注射到两种精神分裂症的临床前小鼠模型中，这两种模型都表现出与人类患者相似的NMDA受体功能低下和认知缺陷。结果令人振奋：纳米抗体成功突破了血脑屏障，并有效到达脑内靶点。更重要的是，单次注射就在动物模型中逆转了认知行为缺陷，且药效持久，一次给药效果可维持至少7天。这项研究为利用纳米抗体治疗精神分裂症乃至其他脑部疾病提供了有力的概念验证。研究发表在 Nature 上。

　　大脑如何将海量的视觉信息分门别类地存入记忆，南加州大学（University of Southern California）的Dong Song、Charles Liu和Xiwei She团队，结合脑内电极记录和机器学习，发现海马体通过神经元放电的精确时间（而非频率）来对视觉记忆进行分类编码，成功“读”出了被试正在回忆的图像类别。

　　研究团队记录了24名癫痫患者大脑中植入的电极信号，当这些患者执行一项视觉记忆任务时，研究人员会向他们展示五类图片（动物、植物、建筑、车辆、小工具）。该研究的关键创新在于开发了一种可解释的机器学习模型，它能分析整个海马体神经元集群放电的时空模式，而无需像传统方法那样对信号进行平均或简化。分析结果表明，该模型可以仅根据神经信号的精确计时，就准确解码出患者正在回忆的图像类别。

　　这一发现的核心是，大脑采用了一种时间编码（temporal code）机制，即信息隐藏在神经元放电的毫秒级精确时间点上，而非仅仅是放电的快慢。此外，这种编码是分布式的，虽然有大量神经元参与，但每个神经元只在特定瞬间贡献关键信息，实现了高效与节能的平衡。这一突破不仅揭示了记忆的“文件归档”系统，也为开发用于治疗阿尔茨海默病等疾病的记忆假体（memory prostheses）奠定了重要基础。研究发表在 Advanced Science 上。

　　可卡因成瘾后的高复发率，不仅源于对快感的追求，也与戒断期的痛苦情绪密切相关。耶路撒冷希伯来大学（Hebrew University of Jerusalem）医学院的Yonatan M. Kupchik和Liran A. Levi等人，通过研究识别出一个在戒断期会过度活跃的“反奖励”大脑回路，它不仅驱动了戒断不适感，还可能扮演着抑制药物滥用的双重角色。

　　该研究聚焦于大脑深处一个名为腹侧苍白球（ventral pallidum）的区域。研究人员利用小鼠模型发现，该区域内一小组特定的谷氨酸能神经元，在可卡因戒断期间会变得异常活跃。这种过度活跃源于它们投射到两个关键厌恶中枢——外侧缰核（LHb，被认为是“反奖励中心”）和腹侧被盖区（VTA）的神经通路发生了持久性的增强。这个“反奖励”回路的激活，放大了戒断期的焦虑、抑郁等负面情绪。当再次接触可卡因时，该回路活动迅速下降，痛苦感得以缓解，从而形成了一个“为逃避痛苦而复吸”的恶性循环。

　　研究中最引人注目的发现是，当通过技术手段抑制这条VPGlu→LHb厌恶通路时，小鼠寻求可卡因的动机反而增强了。这表明，这条产生痛苦的回路可能也扮演着一种天然的“刹车”系统，通过让吸毒变得“不愉快”来防止药物过量。这一发现为成瘾治疗提供了新思路，即未来的疗法或许可以通过调节戒断期的情感痛苦来更有效地防止复发。研究发表在 Science Advances 上。

　　我们自身的面部表情是否以及何时影响我们对他人的情绪感知？针对这一问题，埃塞克斯大学（University of Essex）的J. Baker、S. Korb等人，利用精确的电刺激技术，发现人为引发的微笑能让人们更倾向于将中性表情解读为快乐，并首次揭示了这一过程在视觉处理早期阶段的神经机制。

　　研究团队采用了一种名为面部神经肌肉电刺激（fNMES，一种通过电流精确控制面部肌肉活动的技术）的前沿方法。在实验中，51名参与者观看中性或情绪模糊的面孔图像，并判断其是“快乐”还是“悲伤”。与此同时，研究人员通过fNMES在不同时间点（视觉处理早期或晚期）精确激活参与者的微笑肌肉（颧大肌），并使用脑电图（EEG）同步监测大脑活动。结果清晰地表明，当参与者的微笑肌肉被激活时，他们更有可能将中性的面孔判断为“快乐”，这证实了面部反馈能够直接诱发情绪感知的偏见。在神经层面，研究人员发现，早期的肌肉刺激显著减小了N170事件相关电位（N170 event-related potential，一个在面孔出现后约170毫秒出现的大脑信号，被认为是面孔结构编码的关键神经标志）的振幅。更小的N170振幅与将面孔判断为快乐的倾向相关。这表明，当大脑接收到来自面部肌肉的“快乐”信号时，视觉系统处理面孔信息的认知负荷便会降低。研究发表在 Communications Psychology 上。

　　随着人类计划开启前往火星的多年期任务，在太空中怀孕生子这一科幻场景正成为一个严肃的科学问题。Arun V. Holden在一篇前瞻性综述中，系统性地评估了微重力和宇宙辐射这两大核心挑战对人类生殖全过程的影响，并对在太空孕育新生命的可行性与风险进行了深入剖析。

　　该研究将复杂的怀孕过程分解为从受精到新生儿发育的十个关键生理阶段，并为每个阶段设定了基于地球数据的成功概率。研究的核心是理论分析星际飞行环境如何改变这些概率。研究指出，微重力对子宫内漂浮的胎儿影响不大，但会严重阻碍新生儿掌握走路等依赖重力的基本技能，并让分娩过程变得异常复杂。

　　然而，真正的“头号杀手”是银河宇宙射线（galactic cosmic radiation，简称GCR，由接近光速飞行的高能原子核构成，能穿透飞船和人体造成细胞损伤）。在怀孕初期，一次GCR的随机撞击就可能直接杀死脆弱的胚胎。随着胎儿长大，它和子宫成为更大的辐射“靶子”，一次撞击就可能损伤子宫肌肉，引发致命的早产。对于在太空中出生的婴儿而言，持续的辐射暴露将对其发育中的大脑构成长期威胁，可能导致认知和行为障碍。最终结论认为，尽管太空分娩理论上并非绝无可能，但其成功率远低于地球，是一项我们目前尚未准备好尝试的高风险实验。研究发表在 Experimental Physiology 上。

　　大脑如何感知“自我”的身体边界？此前研究发现哺乳动物会被“橡胶手错觉”欺骗，但这一现象是否适用于神经系统迥异的物种仍是未解之谜。日本琉球大学的Sumire Kawashima和Yuzuru Ikeda团队通过实验发现，章鱼同样会产生这种错觉，表明这种无脊椎动物也可能拥有整合视觉与触觉的身体所有权感。

　　研究团队将章鱼的一条手臂藏在不透明屏障后，并在其视野内放置一个姿态相同的假手臂。随后，研究人员用工具同步抚摸真、假两条手臂。实验结果惊人地发现，当研究人员在同步抚摸后突然夹捏假手臂时，所有章鱼都表现出强烈的防御反应，例如迅速改变肤色或试图逃跑。这证明章鱼的大脑将视觉上看到的假手臂与真实手臂被触碰的感觉联系起来，产生了橡胶手错觉（rubber hand illusion，即大脑将外部物体误认为身体一部分的现象）。为了确保结果的可靠性，研究人员还设置了对照实验：当抚摸不同步，或假手臂的姿态与真手臂不匹配时，章鱼则不会对被夹捏的假手臂产生任何反应。这一发现表明，章鱼的大脑能够整合多重感官信息来构建复杂的身体意象（body image），这种能力此前被认为可能为哺乳动物所特有。该研究揭示了自我感知机制可能比我们想象的更为古老和普遍。研究发表在 Current Biology 上。

　　全球约半数人口会在一生中经历神经系统或精神疾病困扰，包括成瘾、慢性疼痛、抑郁症、阿尔茨海默病（Alzheimers disease）等。这些疾病往往与深部脑区活动相关，传统药物和手术疗法存在局限。初创公司Nudge宣布获得由Thrive Capital和Greenoaks领投的1亿美元A轮融资，致力于开发非侵入式聚焦超声技术平台Nudge Zero，通过毫米级精度的脑刺激与成像技术，为患者提供无需手术的解决方案。目前该设备已进入人体试验阶段，每日用于优化系统性能。

　　Nudge的技术核心在于突破颅骨对超声波的扭曲效应——颅骨如同高度变形的透镜，且个体差异显著。团队通过整合硬件、软件与神经科学，开发了能实时调整参数的端到端脑机接口平台。该项目涉及物理学建模、信号处理、硬件设计等多领域创新，同时需要持续完善脑功能图谱。Nudge聚集了跨学科顶尖人才，其垂直整合模式为这项不可能任务提供了实现路径。

　　这项技术或将开启医疗新纪元：无需阿片类药物缓解慢性疼痛，实时调控创伤后应激障碍（PTSD）患者的记忆反应，甚至加速语言学习进程。Nudge联合创始人表示，这并非科幻场景，而是正在推进的工程蓝图。随着资金注入，团队将加速技术临床转化，重新定义脑健康干预的未来。

　　美国白宫近日正式发布长达28页的「AI行动计划」，由特朗普签署并宣布将全力推动美国在人工智能领域的全球领导地位。该计划围绕三大核心支柱展开：加速AI创新、构建AI基础设施以及引领国际AI外交与安全。其中，放松监管成为首要政策，废除拜登时期的AI限制措施，鼓励科技企业自由创新。此外，计划特别强调开源AI模型的战略价值，支持学术界和初创企业使用开源技术，并推动「美国版DeepSeek」项目，以缩小与封闭模型的差距。白宫AI「沙皇」David Sacks表示，美国正面临一场AI竞赛，必须通过政策支持确保胜利。

　　在基础设施方面，美国计划简化数据中心审批流程，加速超算建设，并保障电力供应。半导体制造业也被列为重点，旨在重振本土芯片生产，同时加强AI在国防和情报领域的应用。人才培训同样被纳入计划，政府将投资于电工、暖通技术员等高需求职业的培养。此外，美国还将通过「PermitAI」等项目优化环境审批流程，甚至动用联邦土地支持基建。

　　上海创智学院（GAIR）领衔的研究团队近日取得重大突破，其开发的AI超智能系统ASI-Arch在完全自主条件下发现了106个超越人类设计的神经网络架构。该系统在长达数月的自主研究中进行了1773次独立实验，消耗超过20000GPU小时计算资源，其发现的架构在多个基准测试中超越了Mamba2和Gated DeltaNet等人类设计的顶尖模型。这一突破标志着科学研究正从人力驱动转向算力驱动，开启了长期自主超智能（Long-Horizon Superintelligence）的新纪元。

　　ASI-Arch系统由研究员、工程师、分析师和认知库四个模块构成闭环进化系统。与传统神经架构搜索（NAS）技术不同，ASI-Arch实现了从自动化优化到自动化创新的范式转变，能够像人类科学家一样提出全新假说、实现并验证创新构想。研究团队首次建立了科学发现缩放定律(Scaling Law for Scientific Discovery)，证明科学发现的速度和质量与计算资源投入呈稳定缩放关系，为解决重大科学挑战提供了新思路。

　　如何高效解读大量残缺的古代铭文？谷歌DeepMind的Yannis Assael、Thea Sommerschield、Shakir Mohamed与诺丁汉大学的Alison Cooley等研究人员合作，开发了一款名为Aeneas的生成式AI模型，旨在通过AI技术辅助历史学家修复、溯源和理解古罗马时期的拉丁文本。

　　研究团队开发的Aeneas是一个基于三个神经网络构建的生成式人工智能模型，它接受了来自世界三大数据库、超过17万条拉丁铭文的训练。该模型的核心功能是帮助历史学家完成三项关键任务：修复铭文的缺失部分、预测其地理来源以及推断其创作年代。与传统工具不同，Aeneas不仅给出答案，还会提供一份来自其数据库的相似铭文列表作为证据支撑。

　　在与历史学家的合作测试中，Aeneas展现了卓越的性能。历史学家认为其提供的上下文建议在90%的情况下都很有用。在断代任务上，Aeneas的预测误差在13年以内，远小于历史学家单独判断时的31年。更重要的是，在修复文本和确定地理来源这两项任务上，人机协作的成果超过了历史学家或AI单独工作的表现。例如，在分析一块来自撒丁岛的青铜军事证书残片时，Aeneas成功修复了受损文本，并精准地将其与其他相关文物联系起来。研究发表在 Nature 上。

　　传统计算机在处理数据排序时，因存储与计算分离而效率低下。如何将排序这一“硬骨头”任务直接在内存中完成，是下一代计算架构的关键挑战。北京大学的Yuchao Yang、Yaoyu Tao、Lianfeng Yu等人组成的团队，利用忆阻器开发了一种可重构的存内排序（sort-in-memory）系统，无需传统比较操作即可高效完成原位数据排序。

　　▷排序任务在众多应用中无处不在。基于 CPU/GPU 或 ASIC 的排序系统采用大量比较单元。其性能受限于 CMOS 器件以及内存与比较单元之间的带宽。近内存排序可以缓解带宽瓶颈。基于忆阻器辅助逻辑的内存排序利用了忆阻器，但仍然依赖于比较操作。我们采用 TNS/CA-TNS 策略的无比较 MSIM 解决了这三个瓶颈。Credit: Yu et al.

　　该研究的核心是一种基于忆阻器（memristor，一种具有记忆功能的电子元件）阵列的新型计算架构。传统排序依赖大量的比较和交换操作，控制流程复杂，难以在内存中高效实现。为解决此问题，团队提出了一种创新的“无比较”排序方法，称为TNS（digit-read Tree Node Skipping，一种通过直接读取数据“位”来跳过无需处理节点的排序策略）。该方法利用忆阻器的物理特性，将数据排序转化为一系列高效的并行读写操作，从根本上避开了传统排序算法的瓶颈。该系统具有高度可重构性，通过外围电路设计，能够处理包括浮点数在内的多种数据类型。实验结果显示，与传统排序硬件相比，该系统的吞吐量、能效和面积效率分别提升了7.70倍、160.4倍和32.46倍。团队还在神经网络剪枝等实际应用中验证了该系统的有效性。研究发表在 Nature Electronics 上。

　　#AI驱动科学 #计算模型与人工智能模拟 #存内计算 #忆阻器 #硬件加速

　　如何让复杂的科学数据变得直观易懂？面对传统表格难以交互、专业工具门槛高的困境，德国杜伊斯堡-埃森大学医学人工智能研究所的Felix Wiegand和Johannes Köster等人开发了一款名为Datavzrd的开源工具。该工具旨在让所有领域的科研人员，无论是否具备编程能力，都能轻松地将繁杂的表格数据转化为便携、美观的交互式HTML报告。

　　Datavzrd颠覆了传统数据报告的生成方式。用户无需编写任何代码，只需在一个简单的文本文件中描述希望展示的数据列、交互方式及图表类型，Datavzrd便能自动生成一个独立的、功能强大的HTML报告。这份报告可以在任何浏览器中离线打开，支持对数百万行数据进行即时筛选、排序和搜索，还能链接多个相关表格，实现数据的层级化探索。研究团队通过两个实例展示了其强大功能：一是为分子肿瘤委员会生成患者专属的基因与治疗方案交互报告；二是在考古学研究中，将不同遗址的文物数据进行关联呈现。该工具弥合了静态电子表格与需要专业维护的复杂网络应用之间的鸿沟，极大地促进了科学数据的透明、高效交流。研究发表在 PLOS One 上。

　　大型语言模型在医疗领域的应用前景广阔，但它们能否胜任复杂的伦理判断？西奈山伊坎医学院与以色列拉宾医学中心的Shelly Soffer、Vera Sorin、Girish N. Nadkarni和Eyal Klang等研究人员合作发现，即使是先进的AI模型，在面对经过修改的伦理难题时也会依赖“认知捷径”，暴露出与人类相似的思维盲点。

　　研究团队借鉴了关于人类“快思慢想”的理论，测试了多个大型语言模型处理反常规问题的能力。他们向AI提出了一系列经过精心修改的经典医学伦理困境。例如，在一个著名的“外科医生困境”谜题中，研究人员明确告知AI，受伤男孩的父亲就是外科医生。然而，部分AI模型仍然给出了原版谜题的标准答案——外科医生是男孩的母亲，完全忽略了新给出的关键信息。在另一个案例中，研究人员设定一对父母已经同意为孩子进行救命的输血，但AI模型却依然输出了应对“父母拒绝输血”这一经典困境的建议。数据显示，AI模型在这些医学伦理问题上的错误率高达76%至96%。这种现象表明，AI的回答严重依赖其训练数据中的固有模式，表现出一种类似人类的快速、直觉式思维（System 1 thinking，即基于联想和过往经验的启发式思考），而非进行严谨的逻辑分析。这暴露了将AI直接用于高风险临床决策的潜在风险。研究发表在 npj Digital Medicine 上。

　　#AI驱动科学 #计算模型与人工智能模拟 #大语言模型 #医学伦理 #认知偏见

　　模仿古代头足类动物，软体机器人RoboNautilus实现高效低噪水下推进

　　如何高效模仿头足类动物的喷射推进是软体机器人领域的一大挑战。康涅狄格大学的Mihai Mishu Duduta, Dominic Flores及其同事，受古代鹦鹉螺启发，开发了一款名为RoboNautilus的全软体水下机器人，成功展示了一种由固态人造肌肉驱动的高效、低噪音水下运动新方法。

　　研究团队以白鹦鹉螺（Nautilus belauensis）为模型，通过3D打印技术制造了RoboNautilus的外壳，并巧妙设计内部结构以实现浮力与自扶正。其推进系统的核心是一种模仿动物外套膜的多层介电弹性体执行器（Dielectric Elastomer Actuators, DEAs），这是一种固态人造肌肉，在高电压下会发生形变。通过周期性地施加电压，DEA膜片能像心脏一样收缩和舒张，从而吸入并强力喷射水流，产生推进力。

　　实验测量表明，该系统在2千伏电压下可产生17毫牛的推力，驱动机器人以高达每分钟40厘米的速度游动，其运输成本低至2.51，显示出极高的能量效率。与传统依赖刚性马达或笨重液压系统的方案不同，RoboNautilus完全由软体材料构成，实现了安静、无扰动的运动。此外，机器人还集成了摄像头、温度和盐度传感器，证明了其在敏感海洋生态系统中进行环境监测的巨大潜力。研究发表在 npj Robotics 上。

　　如何让机器人既能安全地在人身边工作，又能胜任擦洗盘子、马桶等高强度家务？针对这一挑战，美国东北大学的Jakub F. Kowalewski、Keeyon Hajjafar、Alyssa Ugent和Jeffrey Ian Lipton团队开发了一款名为SCCRUB的柔性机械臂，它巧妙地结合了柔顺性和动力，能够高效清除顽固污渍。

　　该研究的核心在于一款创新的柔性机械臂，其结构基于TRUNC单元（Torsionally Rigid Universal Couplings，一种能在弯曲和伸展时传递扭矩的柔性联轴器），这使得机械臂既轻便安全，又能输出相当于手钻的扭矩。为解决擦洗时产生的巨大反作用力，团队设计了一个反向旋转的刷头，成功将作用在臂上的反作用力矩减少了85%。控制方面，研究人员训练了一个神经网络来学习机械臂复杂的力学特性，实现了精确的位置和力控制。在测试中，SCCRUB机器人被用于清洁粘有焦糊番茄酱的盘子和粘稠果酱的马桶座圈，结果显示它平均清除了高达99.7%的污渍，远超传统冲洗的效果。这项工作证明了柔性机器人同样可以胜任高强度的物理任务。

　　当前自主无人机在复杂环境中导航时，常受限于昂贵硬件和低效软件。上海交通大学的Yuang Zhang, Yu Hu, Yunlong Song, Danping Zou和Weiyao Lin团队受昆虫飞行启发，开发了一种创新的端到端导航方法，利用轻量级AI和物理学原理，使无人机群能在未知环境中实现前所未有的高速自主飞行。

　　▷基于视觉的敏捷群体导航，利用可微分物理训练的端到端神经网络控制器，在杂乱环境中实现机器人群体导航。Credit: Nature Machine Intelligence (2025).

　　研究团队开发了一种极其轻量级的人工神经网络（ANN），它仅凭12×16像素的超低分辨率深度图作为输入，就能直接生成无人机的飞行控制指令。该方法的核心创新在于采用了可微分物理学习（differentiable physics learning，一种将机器人物理模型直接嵌入AI训练过程的技术，允许通过模拟器反向传播误差，从而极大提升训练效率），在模拟环境中对网络进行高效训练。实验结果令人瞩目。该系统不仅使单个无人机在未知复杂环境中的导航成功率达到90%，更实现了无人机群在无需任何通信或中央协调的情况下，自组织地高速穿行于真实的森林，最高速度可达20米/秒，是此前顶尖方案的两倍。更重要的是，整个高性能系统能够流畅运行在一块成本仅为21美元的廉价计算板上，证明了极简的硬件和数据也能催生出强大的涌现智能。研究发表在 Nature Machine Intelligence 上。

　　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：！征稿截止日期为8月1日。