q-bio
04-13 00:00
本研究构建了一个定量框架，用于评估量子相干性在生物校准参数下是否能为神经计算带来优势。该框架整合了一个三层模型（包含³¹P核自旋记忆、电子自旋量子-经典界面和经典自由基对电化学），并采用了基于能量守恒递归交换测试的近似协变量子纠错（CQEC）。研究发现，各层呈现特异性：第一层处于自然保相干状态（$\gamma_\mathrm{eff} \approx 10^{-6}$），而第二层则受退相干主导（$\gamma_\mathrm{eff} \approx 4.5$）。在对称二元决策任务中，CQEC能维持L↔R隧穿相干性（在$\gamma = 0.5$时最高可达168倍），延长对称双阱系统在退相干导致对称性破缺前于简并态间振荡的时间窗口。研究明确指出了该模型尚未解决的挑战，为未来严肃的量子脑假说设定了必须达成的定量目标。
量子脑模型量子纠错相干动力学神经计算自旋系统生物物理学
q-bio
04-13 00:00
本研究结合问卷调查与高分辨率结构磁共振成像，对222名大学生的生成式AI对话代理使用模式进行了分析。研究发现，高频的通用及功能性AI使用与更高的学业成绩（GPA）、更大的背外侧前额叶及距状皮层灰质体积，以及增强的海马网络聚类和局部效率相关。相反，高频的社交情感型AI使用则与更差的心理健康状况（抑郁、社交焦虑）以及负责社交情感处理的颞上回和杏仁核区域体积减小相关。这表明，同一类AI工具根据使用模式和动机的不同，可能对大脑和心理健康产生截然不同的影响。
生成式ai大脑结构心理健康学业表现神经影像学使用模式
q-bio
04-13 00:00
本研究提出Gaze2Report框架，旨在解决现有AI生成放射学报告时缺乏医生先验知识、与疾病表现对齐不佳的问题。方法核心在于利用眼动注视数据，通过扫描路径预测模块和图神经网络生成联合视觉-注视标记，结合指令与报告标记构成多模态提示，用于微调大语言模型的LoRA层进行自回归报告生成。该框架实现了基于注视引导的视觉学习，并集成了实时扫描路径预测，使得模型在推理阶段无需实际注视输入，提升了报告质量与临床实用性。
放射学报告生成眼动注视多模态提示大语言模型微调图神经网络扫描路径预测
q-bio
04-13 00:00
本文在广义概率过程理论框架下，统一分析了经典与量子认知决策模型。研究表明，任何顺序决策数据均可由广义经典仪器模型描述，甚至简单确定性模型也能复现所有认知效应。然而，若将模型限制为由测量诱导的仪器（如经典贝叶斯或量子POVM模型），则无法解释某些效应。作者提出，要严格排除经典仪器模型，需在联合决策建模中利用并行组合，并寻找违反贝尔不等式的真实认知数据。
量子认知过程理论决策模型概率理论认知效应贝尔不等式
q-bio
04-13 00:00
本研究通过西北大西洋亚极地海域的高频原位观测，对比了全球通用模型（VGPM）与区域调优模型（BIO）对净初级生产力（NPP）的估算。研究发现，卫星估算的NPP值被高估了2.5至4倍。VGPM模型因使用全球光合参数和简化的深度假设，导致垂直结构失真，并因叶绿素产品未进行区域校准而错过了夏季藻华。BIO模型虽使用了区域叶绿素产品，但光合-辐照（P-I）参数的赋值差异仍是偏差主因。研究表明，克服P-I参数赋值挑战是提升卫星与实测NPP一致性的关键。
净初级生产力卫星遥感原位观测高纬度海洋模型校准生物碳泵
q-bio
04-13 00:00
本研究提出了CrossAbSense框架，通过结合预训练蛋白质语言模型编码器与可配置的注意力解码器，构建了针对不同生物物理属性的预测模型。在包含242个治疗性IgG的GDPa1基准测试中，该模型在五项可开发性检测中的三项上，性能比现有基线提升了12-20%。研究发现，解码器的最佳架构与初始生物学假设相反：仅需自注意力即可预测与聚集相关的属性（如疏水相互作用色谱、多反应性），而表达产量和热稳定性等依赖于重链与轻链兼容性的属性，则需要双向交叉注意力。该框架已应用于100个IgLM生成的抗体设计，展示了大幅降低实验筛选成本的潜力。
抗体设计可开发性预测蛋白质语言模型注意力机制生物物理属性
q-bio
04-13 00:00
本研究提出了一种名为“Cluster-First Labelling”的云原生端到端自动化流程，旨在解决组织病理学全切片图像（WSI）中大量组织成分（如细胞、细胞核）标注工作繁重的问题。该流程首先对WSI进行分块与筛选，利用Cellpose-SAM模型分割组织成分，通过预训练的ResNet-50提取神经嵌入特征，并使用UMAP降维与DBSCAN聚类，将形态相似的对象归为一类。在此范式下，标注者只需标注代表性聚类而非单个对象，从而将标注工作量降低数个数量级。在涵盖人类、大鼠、兔子共13种组织类型的3696个组织成分上的评估显示，其加权聚类-标签对齐准确率达到96.8%，其中7种组织类型达到完全一致。
病理图像分析自动标注无监督聚类图像分割深度学习
q-bio
04-13 00:00
本研究构建了一个开源数据集及处理代码，用于基于50Hz三轴加速度计信号对日常活动进行分类。数据来自23名健康受试者，包含躺、坐、站、走、跑五种标准化活动。研究开发了两种分类器：一种基于信号处理区分高/低活动水平（F1分数0.79），另一种基于卷积神经网络（CNN）进行五分类（F1分数0.83）。该开源资源为健康监测、临床决策支持及个性化干预提供了重要的行为上下文分析工具。
活动识别加速度计卷积神经网络开源数据健康监测行为分类
q-bio
04-13 00:00
本文提出EvoLen，一种为DNA语言模型设计的进化引导分词器。针对DNA序列缺乏自然语言中明确的词边界和组合规则的问题，EvoLen将跨物种进化信号直接整合到分词过程中。其核心方法包括：利用进化分层对DNA序列分组，为每组训练独立的BPE分词器，并通过优先保留保守模式的规则合并词汇表，最后采用基于动态规划的长度感知解码。实验表明，与标准BPE相比，EvoLen能更好地保留调控基序等功能性序列模式，提升不同基因组上下文的分化能力，并与进化约束更一致，同时在多种DNA语言模型基准测试中达到相当或更优的性能。这证明了分词过程引入的关键归纳偏差，以及融入进化信息能产生更具生物学意义和可解释性的序列表示。
dna语言模型进化引导分词序列表示调控基序跨物种分析生物信息学
q-bio
04-13 00:00
本研究首次提出“快车道假说”计算模型，解释冯·埃科诺神经元（VENs）的功能。VENs是仅存在于人类、类人猿等具有复杂社会认知物种前扣带回皮层和脑岛的大双极投射神经元。模型将其建模为具有快速膜时间常数（$\tau_m = 5\,ms$）和稀疏树突输入（8个传入）的泄露积分发放神经元，与标准锥体神经元（$\tau_m = 20\,ms$，80个传入）形成对比。在一个包含2000个神经元的脉冲神经网络上进行社会辨别任务训练，结果显示典型（2% VENs）、自闭症样（0.4% VENs）和额颞叶痴呆样（VENs消融）条件下，网络最终分类准确率均达99.4%，但决策速度存在显著差异。典型网络决策最快，证实VENs通过提供稀疏快速通路，实现了速度与准确性的生物权衡。
计算神经科学社会决策脉冲神经网络速度准确性权衡冯·埃科诺神经元前扣带回皮层
q-bio
04-13 00:00
本研究改进了多物种溯祖模型下，确保基因树集合覆盖物种树所有二分结构所需基因位点数目的理论上界。新方法显著降低了Uricchio等人（2016）的原有界，使其在更广泛的参数范围内低于生物学上现实的基因位点数量，从而增强了ASTRAL等汇总方法在实际数据集应用中的有限样本保证。理论分析深化了对短支系条件下Kingman溯祖过程吸收时间的渐近理解，并通过模拟验证了新界在不同物种树拓扑下的优越性。
多物种溯祖模型基因树推断统计保证计算系统发育学理论界
q-bio
04-13 00:00
本研究在先前仅考虑几何形状的量子退火分子对接方法基础上，引入了关键的物理化学相互作用。通过将库仑力、范德华力、氢键和疏水相互作用作为校正项整合到QUBO（二次无约束二进制优化）问题中，构建了一个新的优化模型。实验利用D-Wave量子退火器进行，结果表明，这些物理相互作用的加入显著提高了分子对接结果的准确性，为基于量子计算的药物发现提供了更可靠的工具。
量子计算分子对接药物发现qubo模型量子退火
q-bio
04-13 00:00
本研究提出PaceLLM模型，旨在解决大语言模型在长上下文处理中面临的信息衰减与语义碎片化问题。模型受大脑工作记忆与皮层模块化结构启发，引入两大创新：1）持久激活机制，模拟前额叶皮层神经元的持续放电，通过激活级记忆库动态检索、重用和更新关键前馈网络状态以对抗信息衰减；2）皮层专家聚类，模拟任务适应性神经特化，将前馈网络权重重组为语义模块，以建立跨令牌依赖关系并减轻碎片化。实验表明，PaceLLM在LongBench的多文档问答任务上性能提升6%，在Infinite-Bench任务上提升12.5-17.5%，并在“大海捞针”测试中将可测量上下文长度扩展至20万令牌。该方法无需结构大改即可提升模型的长上下文性能与可解释性。
大语言模型长上下文理解脑启发计算工作记忆前馈网络优化语义模块化
q-bio
04-13 00:00
本文提出神经科学、通用人工智能与神经形态计算正融合为一个统一的研究范式。基于大脑生理学框架，文章指出突触可塑性、稀疏脉冲通信和多模态关联等原理，为结合人类与机器智能的下一代AGI系统提供了设计蓝图。综述从早期连接主义模型追踪至当前大语言模型，揭示了Transformer注意力、基础模型预训练和多智能体架构如何映射神经生物学过程。同时探讨了忆阻交叉阵列、存内计算及新兴量子/光子器件等物理基质，以突破冯·诺依曼瓶颈，实现硅基大脑级能效。最后指出了该交叉领域的四大挑战：脉冲动力学与基础模型整合、终身可塑性、具身智能中语言与感知运动学习的统一，以及先进神经形态自主系统的伦理保障。
神经形态计算通用人工智能脑机融合脉冲神经网络存内计算ai伦理
q-bio
04-13 00:00
本研究通过理论与模拟，系统揭示了在持续在线学习过程中，即使任务表现保持稳定，神经表征仍会随时间逐渐变化（即表征漂移）的一个重要机制：学习系统需要不断忽略的任务无关刺激，其引入的学习噪声会持续驱动任务相关表征发生长期漂移。研究在基于Hebbian的学习规则（如Oja规则、相似性匹配）和随机梯度下降（应用于自编码器和监督双层网络）中均验证了这一现象，发现漂移速率随任务无关子空间中数据方差和维度的增加而上升。该发现将刺激结构、任务定义与学习规则联系起来，为理解大脑终身学习及利用漂移信号揭示底层计算提供了新视角。
表征漂移在线学习任务无关刺激hebbian学习神经计算终身学习
q-bio
04-13 00:00
本研究利用人脑连接组计划的扩散磁共振成像数据，通过神经突定向弥散与密度成像模型提取灰质微观结构参数，并应用主成分分析构建全局微观结构因子。研究发现，源自各向同性体积分数的因子能解释显著的个体间差异，并与NIH工具箱测量的特定认知得分（如阅读、词汇和认知流畅性）显著相关。该方法为研究大脑结构与功能关系提供了超越区域特异性分析的补充性生物标志物。
扩散磁共振成像灰质微观结构认知预测主成分分析神经突成像
q-bio
04-13 00:00
本文提出了一种基于沙普利值的框架，用于评估基因调控布尔网络中节点对特定目标节点的重要性。该框架包含两种互补的度量：敲除沙普利值和敲入沙普利值。作者还提出了一种基于传播的高效计算方法，通过利用网络的逻辑结构，避免了耗尽的模拟。该方法对于无环网络是精确的，对于有环网络也能提供良好的近似。在Cell Collective数据库的基准模型上的评估表明，传播方法能准确恢复节点重要性排序，同时实现了显著的加速。
沙普利值布尔网络基因调控节点重要性计算效率
q-bio
04-13 00:00
本研究从熵增视角提出一个普适的衰老理论。作者将生物信息随时间的变化类比为物理距离，并拟合为包含时间项的平流-扩散方程（一种正态分布）。该方程的解可用于测量不同生物系统的熵。模型表明，熵随突变或表观突变的积累而增加，且熵的尺度与生命之树中各物种的寿命相关。这一“熵管理”视角为理解进化如何获得更长寿命提供了潜在的机制见解和可检验的假说。
衰老理论熵增突变积累信息丢失平流扩散方程寿命尺度