情緒體驗如慢性壓力和藥物使用會導(dǎo)致大腦功能的長期變化，從而引起行為適應(yīng)甚至障礙。南卡羅來納醫(yī)科大學(xué)的Makoto Taniguchi、Christopher Cowan和Rose-Marie Akiki，通過研究小鼠模型，揭示了一種新的基因調(diào)控機制——R環(huán)（R-loops）如何影響基因NPAS4的表達，進而調(diào)節(jié)情緒相關(guān)的行為變化。他們的研究發(fā)現(xiàn)不僅為理解大腦如何適應(yīng)情緒體驗提供了新視角，還為開發(fā)治療精神障礙的新型RNA療法鋪平了道路。

研究采用小鼠模型，集中探討了基因NPAS4的調(diào)控機制。研究人員發(fā)現(xiàn)，R環(huán)（R-loops，一種由長非編碼增強子RNA和DNA形成的RNA:DNA“三明治”結(jié)構(gòu)）能連接基因的增強子和啟動子區(qū)域，從而激活NPAS4的表達。通過阻斷R環(huán)在伏隔核（nucleus accumbens）區(qū)域的形成，小鼠不再表現(xiàn)出對可卡因的偏好；而在前額葉皮層區(qū)域，類似干預(yù)使小鼠對壓力的快感缺失行為減輕。

此外，研究指出，R環(huán)的這一調(diào)控作用在物種間高度保守，表明其可能具有重要的進化意義。研究進一步提出，R環(huán)機制可能廣泛存在于大腦其他區(qū)域，對神經(jīng)回路的功能適應(yīng)具有重要影響。這一發(fā)現(xiàn)深化了對大腦基因調(diào)控與行為關(guān)系的理解，為治療精神疾病提供了潛在的基因干預(yù)途徑研究結(jié)果發(fā)表在 Science 上。

精神分裂癥特有的統(tǒng)一大腦網(wǎng)絡(luò)

精神分裂癥的腦萎縮模式研究長期受到結(jié)果不一致的困擾，為此，麻省總醫(yī)院布里格姆分校腦回路治療中心的研究團隊開展了一項綜合性研究。他們整合了來自超過8000名參與者的神經(jīng)影像數(shù)據(jù)，結(jié)合坐標(biāo)網(wǎng)絡(luò)映射技術(shù)（Coordinate Network Mapping, CNM），發(fā)現(xiàn)了一個特定于精神分裂癥的腦萎縮網(wǎng)絡(luò)。研究揭示了該網(wǎng)絡(luò)在不同癥狀群體及病程階段的穩(wěn)定性，為精神分裂癥的神經(jīng)生物學(xué)研究提供了新視角，也為臨床腦刺激治療的靶點選擇奠定了基礎(chǔ)。

研究團隊首先從90項研究中提取數(shù)據(jù)，分析了1,636名新診斷患者、2,120名慢性患者和6,000余名健康個體的腦萎縮模式，并構(gòu)建了一張通用的腦萎縮地圖。然后，通過坐標(biāo)網(wǎng)絡(luò)映射技術(shù)，研究者評估了萎縮位置與大腦功能網(wǎng)絡(luò)的重疊情況，發(fā)現(xiàn)萎縮網(wǎng)絡(luò)與精神分裂癥相關(guān)區(qū)域（如雙側(cè)島葉、海馬體和梭形皮質(zhì)）一致，且與正常衰老、阿爾茨海默病等神經(jīng)退行性疾病和其他精神疾病的腦網(wǎng)絡(luò)明顯不同。此外，該網(wǎng)絡(luò)在病程和治療中保持穩(wěn)定，高風(fēng)險群體與患者之間也顯示了特定的連接模式差異。研究還發(fā)現(xiàn)，腦萎縮模式與心理過程相關(guān)區(qū)域呈負相關(guān)，進一步支持了精神分裂癥的特異性網(wǎng)絡(luò)假說。研究發(fā)表在 Nature Mental Health 上。

深度睡眠中的慢波如何促進記憶形成

深度睡眠中的慢波如何支持記憶形成一直是神經(jīng)科學(xué)的未解之謎。柏林夏里特醫(yī)學(xué)大學(xué)、Evangelisches Klinikum Bethel醫(yī)院和漢堡埃彭多夫大學(xué)醫(yī)學(xué)中心的研究人員通過模擬慢波睡眠電活動，探索了這一現(xiàn)象背后的神經(jīng)機制。研究顯示，慢波睡眠增強了新皮質(zhì)神經(jīng)元之間的突觸連接，使其在特定時間點更易于鞏固記憶。

研究團隊使用了來自45名接受神經(jīng)外科治療患者的大腦新皮質(zhì)組織切片，通過多神經(jīng)元膜片鉗記錄技術(shù)記錄慢波活動的影響。他們發(fā)現(xiàn)，慢波活動中的“上升態(tài)（UP state）”和“下降態(tài)（DOWN state）”是突觸增強的關(guān)鍵。在“上升態(tài)”結(jié)束后的短暫時間窗口內(nèi)，突觸傳遞效率達到最高水平，顯著增強了神經(jīng)元之間的連接。進一步分析顯示，這種突觸增強如果能夠激發(fā)目標(biāo)神經(jīng)元的動作電位，會穩(wěn)定轉(zhuǎn)化為長期突觸強度；如果未激發(fā)，則突觸會逐漸減弱。研究發(fā)表在 Nature Communications 上，這一發(fā)現(xiàn)為腦刺激技術(shù)的開發(fā)提供了關(guān)鍵性時間窗口的參考。

情緒經(jīng)歷如何塑造個體對他人情緒的反應(yīng)是一個重要的科學(xué)問題。意大利理工學(xué)院（IIT）和熱那亞IRCCS Ospedale Policlinico San Martino的研究團隊由Francesco Papaleo領(lǐng)銜，專注于揭示前額葉皮層中產(chǎn)生促腎上腺皮質(zhì)激素釋放因子（CRF）的神經(jīng)元在調(diào)節(jié)這一過程中的關(guān)鍵作用。通過臨床前測試和先進的神經(jīng)技術(shù)，該團隊證明了這些神經(jīng)元能夠基于情緒自我體驗，調(diào)節(jié)對他人情緒刺激的反應(yīng)。

研究發(fā)現(xiàn)，小鼠對同伴壓力情緒的反應(yīng)（趨近或回避）僅在其經(jīng)歷過相同負性事件后表現(xiàn)出來，且這種現(xiàn)象在雌性中受到發(fā)情周期影響，在雄性中受支配地位影響。研究通過在體微型內(nèi)窺鏡鈣成像技術(shù)觀察到，前額葉皮層中的CRF神經(jīng)元在小鼠經(jīng)歷相同負性事件后，對同伴壓力情緒的反應(yīng)顯著增強。這些神經(jīng)元的活躍度直接決定了小鼠由趨近轉(zhuǎn)為回避的行為模式。

進一步的光遺傳學(xué)實驗表明，抑制這些神經(jīng)元的活動可以減弱壓力經(jīng)歷對反應(yīng)的影響。這表明CRF神經(jīng)元不僅是一種“情緒記憶”的載體，還可能是調(diào)節(jié)社交行為的重要機制。這一發(fā)現(xiàn)有助于理解個體情緒經(jīng)歷與社交行為之間的神經(jīng)聯(lián)系，或為孤獨癥、創(chuàng)傷后應(yīng)激障礙等精神疾病的治療提供新思路。研究發(fā)表在 Nature Neuroscience 上。

學(xué)到老，有助延緩亨廷頓病癥狀進展

亨廷頓病是一種遺傳性神經(jīng)退行性疾病，通常在40歲左右發(fā)病，且目前尚無治愈方法。巴塞羅那大學(xué)和貝爾維奇生物醫(yī)學(xué)研究所認知與大腦可塑性小組的研究人員，與多個研究中心合作，通過結(jié)合認知儲備問卷評估和神經(jīng)影像技術(shù)，揭示了智力活躍的生活方式對亨廷頓病運動、認知及精神功能的保護作用。研究結(jié)果指出，終生保持高智力活動不僅減緩了腦灰質(zhì)的萎縮，還顯著減輕了疾病的整體癥狀進展。

研究納入45名亨廷頓病患者，使用認知儲備問卷（Cognitive Reserve Questionnaire, CRQ）評估患者的智力活動水平，并結(jié)合長達18個月的神經(jīng)影像隨訪數(shù)據(jù)，分析智力活動對大腦健康和疾病進展的影響。高認知儲備分數(shù)與灰質(zhì)萎縮減少顯著相關(guān)，特別是在額葉中部、補充運動區(qū)和中扣帶回等腦區(qū)，這些腦區(qū)負責(zé)整合執(zhí)行、運動和行為調(diào)控功能。

分析顯示，認知活躍的個體不僅認知能力表現(xiàn)更好，其運動和精神功能的退化速度也明顯降低。這表明通過教育、語言學(xué)習(xí)、智力游戲等方式激發(fā)長期智力活動，可以在亨廷頓病的早期階段甚至未診斷時提供保護。這項研究發(fā)表在 Scientific Reports 上。

自尊高低如何影響他人對你的“腦內(nèi)印象”？

人類的自尊水平會影響其對自身價值的感知，但這些心理學(xué)過程在復(fù)雜的社會環(huán)境中的神經(jīng)機制尚未被完全揭示。俄勒岡大學(xué)的研究人員利用功能性磁共振成像（fMRI），設(shè)計了一項涉及19個小組、107名參與者的實驗，探討自尊與大腦中“自我重演效應(yīng)”（self-recapitulation effect，即你的朋友在腦海中“想象你”時，他們的大腦會以一種和你自己“想自己”時類似的方式運作）的關(guān)系。

研究通過兩輪實驗探索“自我重演效應(yīng)”與自尊的關(guān)聯(lián)。第一輪行為實驗中，參與者填寫標(biāo)準(zhǔn)化問卷評估主觀自尊水平。第二輪中，參與者在fMRI掃描儀內(nèi)完成特征判斷任務(wù)，包括評價自己、普通美國人及同組同伴的特征。研究發(fā)現(xiàn)，“自我重演效應(yīng)”廣泛存在于與自我表征和社會認知相關(guān)的大腦區(qū)域，特別是內(nèi)側(cè)前額葉皮層（MPFC）。同時，數(shù)據(jù)表明，自尊水平較高的個體表現(xiàn)出更低的“自我重演效應(yīng)”準(zhǔn)確性（通過神經(jīng)相似性測量得出）。

這些發(fā)現(xiàn)意味著也許自尊水平較高的人具有更獨立的自我認知，因此他人更難以準(zhǔn)確“復(fù)刻”他們對自我的感知。高自尊者在社交中表現(xiàn)出更大的心理距離和個性化表征，這使得他們的內(nèi)在感知與他人對其的印象差異更大。研究發(fā)表在 Communications Psychology 上。

癡呆癥是全球范圍內(nèi)的重要公共健康問題，而相關(guān)風(fēng)險因素的可改變性為預(yù)防提供了可能。勞森研究所和舒立克醫(yī)學(xué)院與牙科學(xué)院的研究團隊，基于30,097名45歲以上加拿大成年人的數(shù)據(jù)，使用橫斷面分析法，探索了12種可改變的癡呆癥風(fēng)險因素，包括身體活動不足、聽力損失、肥胖、高血壓等，首次將睡眠障礙納入研究范圍。研究發(fā)現(xiàn)，加拿大約一半的癡呆癥病例與這些風(fēng)險因素相關(guān)，這一成果為個人預(yù)防和公共衛(wèi)生政策調(diào)整提供了重要依據(jù)。

研究數(shù)據(jù)來自加拿大老齡化縱向研究的基線數(shù)據(jù)。研究使用橫斷面分析，計算了12種可改變風(fēng)險因素對癡呆癥風(fēng)險的貢獻率（PAF）。結(jié)果顯示，最重要的四大風(fēng)險因素分別是：身體活動不足（10.2%）、中年聽力損失（6.5%）、中年肥胖（6.4%）以及中年高血壓（6.2%）。此外，睡眠障礙作為新興因素占3.0%。綜合來看，這12種風(fēng)險因素約占所有癡呆癥病例的49.2%。

研究發(fā)現(xiàn)，隨著年齡增長，這些因素對癡呆癥風(fēng)險的影響逐漸增加，男性和女性的PAF分別為51.9%和52.4%。這些結(jié)果表明，個人通過增加身體活動、定期檢查聽力、控制體重和血壓等簡單行動，可以顯著降低癡呆風(fēng)險。同時，這項研究為加拿大制定健康干預(yù)策略提供了科學(xué)依據(jù)，強調(diào)從中年階段甚至更早期進行預(yù)防的重要性。研究發(fā)表在 The Journal of Prevention of Alzheimer's Disease 上。

OpenAI在第六天的發(fā)布會上宣布了兩項重磅更新：ChatGPT的高級語音模式新增視頻與屏幕共享功能，以及全球范圍內(nèi)上線圣誕老人虛擬助手。這些新功能旨在提升用戶體驗，拉近人機互動的距離。

Kevin在發(fā)布會上詳細展示了這一功能的實際應(yīng)用。用戶在高級語音模式下可通過按鈕激活視頻功能，與ChatGPT實時互動。屏幕共享功能則允許用戶展示實時內(nèi)容，例如故障排除或信息回復(fù)，方便性顯著增強。通過本地多模態(tài)4.0模型，該功能能夠精準(zhǔn)識別音視頻內(nèi)容并實時響應(yīng)。OpenAI計劃在一周內(nèi)逐步為Plus和Pro訂閱者開放此功能，企業(yè)版與教育版用戶將在明年年初體驗。

此次更新中，圣誕老人以虛擬角色驚喜亮相。用戶通過語音模式即可與“圣誕老人”進行趣味對話，了解圣誕傳統(tǒng)、分享節(jié)日故事或進行互動娛樂。

微軟近日宣布推出Phi系列生成人工智能模型的最新成員——Phi-4。這一小語言模型擁有140億參數(shù)，與GPT-4o mini、Gemini 2.0 Flash和Claude 3.5 Haiku等小型模型競爭，具備運行速度快、成本低的優(yōu)勢。微軟表示，Phi-4在數(shù)學(xué)問題解決等領(lǐng)域取得顯著性能提升，這主要得益于訓(xùn)練數(shù)據(jù)質(zhì)量的全面提高。

Phi-4引入了高質(zhì)量的合成數(shù)據(jù)集，結(jié)合人類生成內(nèi)容的優(yōu)質(zhì)數(shù)據(jù)集以及一些未公開的訓(xùn)練后改進措施。這些創(chuàng)新使其性能實現(xiàn)了顯著飛躍。微軟指出，Phi-4目前僅限于通過Azure AI Foundry開發(fā)平臺訪問，并且僅用于研究目的，需遵守微軟的研究許可協(xié)議。

微軟的這一舉措反映了當(dāng)前人工智能領(lǐng)域的趨勢：越來越多的AI研究團隊聚焦于如何優(yōu)化合成數(shù)據(jù)和后期訓(xùn)練。Scale AI首席執(zhí)行官Alexandr Wang在推特中指出，人工智能研究正面臨“預(yù)訓(xùn)練數(shù)據(jù)墻”（Pre-training Data Wall）的挑戰(zhàn)，這一觀點得到了近期多方報道的印證。

值得一提的是，Phi-4是微軟Phi系列在關(guān)鍵開發(fā)人員Sébastien Bubeck離職后發(fā)布的首個模型。Bubeck曾是微軟AI副總裁，也是Phi模型開發(fā)的核心人物，他于今年10月加入OpenAI。這表明微軟在核心研發(fā)人員變動后，仍在繼續(xù)推動小語言模型領(lǐng)域的技術(shù)突破。

谷歌近日宣布推出全新操作系統(tǒng)——Android XR，與三星及高通合作，旨在為擴展現(xiàn)實（Extended Reality, XR）設(shè)備提供創(chuàng)新平臺。Android XR以AI技術(shù)為核心，結(jié)合增強現(xiàn)實（AR）和虛擬現(xiàn)實（VR）領(lǐng)域的積累，首批應(yīng)用于耳機和眼鏡設(shè)備，將計算體驗提升至全新維度。

Android XR平臺為開發(fā)者和制造商創(chuàng)造了活躍的生態(tài)系統(tǒng)。通過支持ARCore、Android Studio、Jetpack Compose等工具，開發(fā)者可以快速構(gòu)建XR應(yīng)用和游戲。該系統(tǒng)還與Lynx、索尼、XREAL等高通合作伙伴協(xié)作，推動多樣化設(shè)備的研發(fā)，同時與Magic Leap在AR與AI產(chǎn)品上展開合作。

首款搭載Android XR的設(shè)備由三星開發(fā)，代號為“Project Moohan”，計劃明年上市。用戶將可在虛擬與現(xiàn)實間自由切換，通過AI助手Gemini完成任務(wù)，例如計劃、研究及導(dǎo)航。Gemini甚至支持與內(nèi)容的對話式交互。此外，經(jīng)典的Google應(yīng)用，如YouTube、Google Photos和Google Maps也進行了全新優(yōu)化，為用戶帶來沉浸式體驗。

未來，Android XR還將擴展至智能眼鏡領(lǐng)域，融合實時翻譯、消息摘要及導(dǎo)航等功能，為日常生活提供全天候幫助。谷歌正在測試運行Android XR的眼鏡原型，期待通過實際反饋優(yōu)化產(chǎn)品并保護用戶隱私。

谷歌宣布其第六代張量處理單元（TPU）——Trillium全面上市，為AI計算領(lǐng)域帶來了革命性升級。這款最新的TPU在性能、擴展性和能源效率上取得了巨大進步，為各種復(fù)雜的AI工作負載提供支持。

Trillium TPU是谷歌云AI超級計算機的重要組成部分，其架構(gòu)融合了性能優(yōu)化硬件、開放軟件以及領(lǐng)先的機器學(xué)習(xí)框架。Trillium的關(guān)鍵改進包括：訓(xùn)練性能提升4倍、推理吞吐量提高3倍、能源效率提升67%、每芯片峰值計算性能提升4.7倍，以及高帶寬內(nèi)存（HBM）和芯片間互連（ICI）帶寬均加倍。這些升級使其能夠支持從大規(guī)模語言模型（LLM）到嵌入密集型模型的多種AI應(yīng)用。

谷歌已利用Trillium訓(xùn)練其最先進的AI模型Gemini 2.0。研究人員指出，這款TPU在成本效率上同樣表現(xiàn)優(yōu)異，相比前代產(chǎn)品，Trillium的每美元性能提升高達2.5倍。此外，其獨特的動態(tài)主機卸載功能通過主機DRAM與HBM結(jié)合，提高了大規(guī)模訓(xùn)練任務(wù)的效率。例如，在訓(xùn)練Llama-2-70B模型時，Trillium實現(xiàn)了99%的線性擴展效率。

諸如AI21 Labs這樣的企業(yè)已率先采用Trillium加速AI開發(fā)。其首席技術(shù)官Barak Lenz表示，Trillium在速度、規(guī)模和成本效率上都帶來了顯著提升，為下一代復(fù)雜語言模型的研發(fā)奠定了基礎(chǔ)。

在首屆“2024 AIGC視覺應(yīng)用論壇”上，快手（Kuaishou）副總裁兼大模型團隊負責(zé)人張迪分享了可靈AI（Keling AI）的最新成果。這款人工智能生成內(nèi)容工具上線僅半年，已完成16次版本迭代，用戶規(guī)模突破600萬，累計生成超過6500萬個視頻和1.75億張圖片。

據(jù)快手11月20日發(fā)布的財報顯示，不到一個月內(nèi)，可靈AI用戶從500萬增長至600萬，生成的視頻數(shù)量從5100萬增長至6500萬，圖片數(shù)量從1.5億增加至1.75億，展現(xiàn)出強勁的增長勢頭。

商業(yè)化方面，可靈AI已推出會員付費體系及API服務(wù)，月流水超千萬，成為快手生態(tài)中的重要收入增長點。張迪表示，這些成績得益于團隊對AI技術(shù)的持續(xù)優(yōu)化以及用戶需求的深刻洞察。

兒童醫(yī)學(xué)研究所（CMRI）的科學(xué)家們正在參與一個名為π-HuB的國際合作項目，旨在通過結(jié)合蛋白質(zhì)組學(xué)和人工智能，為醫(yī)學(xué)和健康護理帶來革新。研究團隊動員了來自全球?qū)W術(shù)界、政府和工業(yè)衛(wèi)生部門的專家，以期解決人體蛋白質(zhì)組的復(fù)雜性并推動醫(yī)療技術(shù)的發(fā)展。該項目的研究方法包括多模態(tài)蛋白質(zhì)組數(shù)據(jù)的整合和AI技術(shù)的應(yīng)用，目標(biāo)是通過三維數(shù)字化模型Meta Homo Sapiens以及π-HuB導(dǎo)航儀提升疾病的預(yù)測、診斷與治療水平。

π-HuB項目聚焦于研究蛋白質(zhì)組（proteome）在不同人體狀態(tài)下的動態(tài)變化。研究人員將利用最新的蛋白質(zhì)組技術(shù)和計算科學(xué)，以前所未有的分辨率探索人體生物學(xué)。項目的三大核心目標(biāo)包括：首先，揭示人體生物學(xué)的基本原理；其次，建立一個3D數(shù)字化模型Meta Homo Sapiens，展示人體各部分隨時間變化的狀態(tài)；第三，開發(fā)π-HuB導(dǎo)航儀，提高疾病診斷與治療的精度，并加強疾病的預(yù)警和預(yù)防。項目的第一階段正在進行中，CMRI的ProCan項目為這一技術(shù)的實現(xiàn)提供了重要支持。研究表明，π-HuB項目將對未來生物醫(yī)學(xué)研究和智能醫(yī)療產(chǎn)生深遠影響。研究發(fā)表在 Nature 上。

九州大學(xué)的研究人員長期致力于研究人工智能中的深度神經(jīng)網(wǎng)絡(luò)，尤其是如何理解其內(nèi)部的決策過程。傳統(tǒng)的AI可視化方法簡化了數(shù)據(jù)結(jié)構(gòu)，難以準(zhǔn)確顯示神經(jīng)網(wǎng)絡(luò)如何處理信息。為了解決這個問題，研究人員提出了k*分布方法，這種方法能夠更清晰地可視化和分析神經(jīng)網(wǎng)絡(luò)如何組織數(shù)據(jù)，并提供有關(guān)AI可靠性和準(zhǔn)確性的新見解。

為了更好地理解深度神經(jīng)網(wǎng)絡(luò)如何處理數(shù)據(jù)，九州大學(xué)的研究團隊開發(fā)了一種名為k分布方法的新技術(shù)。與傳統(tǒng)的降維技術(shù)（如t-SNE和UMAP）不同，k分布方法通過局部鄰域分析保留了更多的高維信息，避免了關(guān)鍵信息的丟失。研究表明，深度神經(jīng)網(wǎng)絡(luò)在分類數(shù)據(jù)時，潛在空間中的樣本分布呈現(xiàn)三種不同的排列方式：集群（clustered）、破碎（fractured）和重疊（overlapped）。在集群排列中，相似的數(shù)據(jù)被緊密地分組，而在重疊和破碎排列中，相似數(shù)據(jù)分布不均或與不相關(guān)數(shù)據(jù)混合，導(dǎo)致分類錯誤的可能性增大。該方法還能夠應(yīng)用于不同的神經(jīng)網(wǎng)絡(luò)架構(gòu)、神經(jīng)網(wǎng)絡(luò)層級、輸入數(shù)據(jù)變換等方面，提供了深度理解神經(jīng)網(wǎng)絡(luò)行為的新視角。研究發(fā)布在IEEE Transactions on Neural Networks and Learning Systems上。

分子系統(tǒng)的量子計算往往需要巨大的計算資源，特別是在超級計算機上執(zhí)行。這使得模擬變得昂貴且耗時。加州大學(xué)伯克利分校和勞倫斯伯克利國家實驗室的研究團隊通過提出一種新的機器學(xué)習(xí)架構(gòu)——高效縮放注意力原子間勢（EScAIP），顯著加速了原子模擬，減少了內(nèi)存需求，并提高了效率。該研究已在2024年NeurIPS會議中被接受，并將在會上展示。

本研究的核心創(chuàng)新是提出了“高效縮放注意力原子間勢”（EScAIP），該方法通過在圖神經(jīng)網(wǎng)絡(luò)中應(yīng)用多頭自注意力機制，優(yōu)化了原子間的相互作用建模。與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)原子間勢（NNIP）相比，EScAIP能夠在減少計算內(nèi)存需求五倍的同時，將推理速度提高十倍。此外，EScAIP通過較少的物理約束設(shè)計，使得模型能夠在不同的化學(xué)系統(tǒng)中展示出卓越的表現(xiàn)。經(jīng)過訓(xùn)練后，EScAIP在多個基準(zhǔn)數(shù)據(jù)集上達到了最好的性能，包括催化劑（如Open Catalyst Project）、材料（如Materials Project）和分子（如SPICE）。這一進展意味著，今后更多的研究團隊將能夠高效訓(xùn)練并應(yīng)用這一模型，從而推動材料科學(xué)、化學(xué)反應(yīng)機制和藥物開發(fā)等領(lǐng)域的發(fā)展。

大型語言模型（LLM）近年來在自然語言處理（NLP）中取得了顯著成就，但在教育應(yīng)用中依然面臨挑戰(zhàn)。為了解決教育領(lǐng)域中對專門知識、個性化學(xué)習(xí)和簡明解釋的需求，研究人員提出了WisdomBot模型，該模型結(jié)合了教育理論，尤其是布盧姆分類法（Bloom's Taxonomy），通過引入教育知識，旨在提升LLM在教育環(huán)境中的表現(xiàn)。

WisdomBot的設(shè)計采用了布盧姆分類法（Bloom's Taxonomy）來幫助模型獲取和組織教育知識，并通過自學(xué)技術(shù)培養(yǎng)模型的多元認知能力。為了增強模型回答事實性問題的準(zhǔn)確性，研究團隊還引入了檢索增強策略，包括本地知識庫和搜索引擎的輔助檢索。經(jīng)過微調(diào)后的WisdomBot在多個教育任務(wù)中展現(xiàn)出超越原始模型的能力，尤其在專業(yè)問答、測試題生成以及智能輔導(dǎo)方面表現(xiàn)突出。同時，WisdomBot還具備了較強的創(chuàng)造力、個性化調(diào)整和邏輯推理能力，展示了更強的高級認知能力。研究發(fā)表在 Frontiers of Digital Education 上。該研究為教育AI的發(fā)展提供了新的思路，標(biāo)志著教育領(lǐng)域AI技術(shù)應(yīng)用的重要突破。

滑鐵盧大學(xué)量子計算研究所（IQC）的研究團隊，Pooya Ronagh和Arsalan Motamedi，提出了一種新的量子算法，用于解決生成式人工智能中的計算瓶頸問題。通過研究量子計算在分析周期性問題中的應(yīng)用，團隊展示了量子計算如何加速分子動力學(xué)等領(lǐng)域的計算，推動藥物研發(fā)和材料創(chuàng)新。

該研究利用量子傅里葉變換構(gòu)建了一個量子算法，應(yīng)用于周期性函數(shù)的吉布斯采樣，解決了常見的分子動力學(xué)模擬問題。研究表明，量子計算機在插值和微分周期性函數(shù)時，效率受到傅里葉系數(shù)衰減速率的影響。通過提出新的分析條件，研究團隊證明該算法能夠在吉布斯分布的均值估計中實現(xiàn)多項式量子加速，特別在處理高溫下的Morse函數(shù)時，能夠顯著提高采樣精度。這一發(fā)現(xiàn)為量子計算在生成式AI和藥物設(shè)計中的應(yīng)用提供了理論支持，揭示了量子計算超越傳統(tǒng)AI方法的潛力。研究發(fā)表在 Proceedings of Machine Learning Research 上。