9月28日，中国神经科学学会第十八届全国学术会议（CNS 2025）期间，由天桥脑科学研究院（中国）与中国神经科学学会联合主办的“BCI&AI脑机接口创新技术碧海论坛”成功举行。

今年是天桥脑科学研究院自2018年连续第8次支持CNS全国学术会议。作为由CNS评选的特色主题论坛，碧海论坛成功吸引了近400位专家学者亲临现场。钛媒体等主流科技媒体对论坛进行了直播，观看人次高达30万。

本次论坛聚焦脑机接口与人工智能的交叉领域，深度探讨了面向健康人群的脑机增强、脑机接口创新技术及类脑智能三大前沿版块。与会专家不仅分享了对脑机接口未来发展路径的前瞻思考，更提出了在人工智能辅助下的脑机接口新范式。

一、意念对话不是梦，BCI赋能健康人群实现里程碑进展

▷ 致辞/演讲嘉宾 陶虎，讲题《脑机接口-让大脑连接未来》。陶虎，脑虎科技创始人兼首席科学家。国家“万人计划”科技创新领军人才入选者、国家基金委优秀青年基金获得者、国家海外高层次人才引进计划青年项目入选者，享受国务院政府特殊津贴。中国神经科学学会脑机接口与交互分会创始主委、中国科协脑机接口产业技术路线图负责人。

天桥脑科学研究院研究员、脑虎科技（NeuroXess）创始人兼首席科学家陶虎分享了两项具有里程碑意义的最新研究成果。

由脑虎科技自主研发的256通道超高密度柔性脑机接口系统取得了突破性进展。该系统在灵长类动物实验中实现了100%的运动意图识别准确率。在人体应用方面，经过短短一周的训练后，该系统的信息传输速率便达到了每秒4.15比特。

更引人注目的是，该技术实现了静默中文解码，超人类语速交流（突破307字/分钟，超过正常人2倍）、意念办公、双脑互联远程实时意念对话等颠覆性应用。

这些成果与国际顶尖水平相比毫不逊色。例如，马斯克的Neuralink受试者在训练一周后实现了4.60 bps的运动控制水平，而美国加州大学旧金山分校（UCSF）Edward Chang团队的解码能力为每分钟78个英语单词。脑虎科技的成果与这些国际领先水平相当甚至更优，有力地证明了中国脑机接口技术的全球领先实力。

陶虎表示，脑虎科技正致力于拓展应用场景、提升系统稳定性并降低使用成本，来加速推进相关技术的商业化应用。

二、类脑计算：定制化大模型，开启智能交互新范式

▷ 演讲嘉宾 李国齐，讲题《类脑大模型及其在脑机接口的前景》。李国齐，中国科学院自动化所研究员，脑认知与类脑智能全国重点实验室副主任，通用类脑智能大模型北京市重点实验室主任，国家杰出青年基金获得者；在Nature、Nature子刊、Science子刊等期刊和AI顶会上发表论文200余篇，论文被引用1.8万余次；主持国家自然科学基金重点项目、联合重点项目、科技部重点研发项目等30余项；担任IEEE TNNLS，IEEE TCDS和清华大学学报-自然科学版编委；曾获得中国自动化学会自然科学一等奖，ECCV最佳论文奖提名，中国算力大会最佳论文奖，曾入选北京市杰青，中国科学院百人计划，DeepTech中国智能计算科技创新人物，中国算力青年先锋人物。

中国科学院自动化所李国齐研究员认为，专门面向脑机接口优化的定制化大模型，比通用大模型更适合这一领域的发展需求。为此，他的团队开发了SpikingBrain系统，采用树突神经元作为基本计算单元，能够高效处理事件驱动和时间稀疏的脑电信号，从而在提升信号编解码性能的同时，显著降低系统功耗。

这一突破性进展，源于李国齐团队在类脑计算领域的系统性创新。他们提出的大规模脉冲神经网络计算理论，成功将脉冲神经网络（SNN）与主流人工神经网络（ANN）的性能差距从20年缩短至1年。此外，他们开发的MetaLA统一框架在性能上已超越Mamba架构。

这些前沿成果，配合低功耗类脑芯片和全栈式训练平台，为脑机接口技术开辟了新路径，展现出类脑计算与大模型融合的巨大潜力。未来，这项技术有望实现更精准的信号处理和更自然、高效的人机交互。

三、纳米智能：探索脑机交互的“微观”路径

▷ 演讲嘉宾 贺强，讲题《纳米机器人与BCI：探索人脑与机器的微观连接》。贺强，哈尔滨工业大学教授，于2003年在中国科学院化学研究所获得博士学位。他提出了胶体马达、超分子胶体马达和游动纳米机器人的概念。是首位利用可控化学组装技术构建集自推进和智能药物递送于一体的超分子胶体马达的学者。基于此，他开发了多种可注射的游动纳米机器人，并将其应用于重大疾病的精准治疗。已发表200多篇同行评议论文，并拥有24项专利。目前，他担任中国化学会胶体与界面化学专业委员会成员，以及Small，ChemNanoMat和Colloid and Surface A的编委。

传统脑机接口主要依赖植入电极，而哈尔滨工业大学贺强教授另辟蹊径：将纳米机器人集群作为一种全新的脑机交互范式。这种“自下而上”的方法，通过纳米机器人的自组织行为，实现从个体到集群、从微观到宏观的信息传递与功能调控。

作为国际上首个成功研发自推进、一体化超分子胶体的团队，贺强教授将化学动力学与纳米技术相结合，开发出一种突破性的智能纳米系统。通过可控化学组装技术，这些纳米机器人不仅能主动穿越血脑屏障，还能响应光、磁场等外部刺激实现集群协同。与传统电极植入相比，这种柔性的微观调控方式大大降低了创伤风险，为脑疾病的精准治疗和脑机交互开辟了全新途径，展现了智能纳米系统在未来医疗领域的变革性潜力。

四、聚焦超声波：实现大脑深部的无创精准调控

▷ 演讲嘉宾 Jan Kubanek，讲题《聚焦超声神经调控和脑机接口》。Jan Kubanek，生物医学工程师和神经工程师，华盛顿大学生物医学工程/神经科学博士，他曾在斯坦福大学进行博士后深造，目前是犹他大学的助理教授。他的实验室开发了一种能够对人类大脑深部回路进行精确、可控调节的设备。已发表的研究表明，该设备可调节慢性疼痛、抑郁症和特发性震颤的症状。该方法目前正用于关键的临床试验。

来自犹他大学的Jan Kubanek介绍了由其团队开创的一种突破性的超声波脑机交互技术。不同于传统侵入式电极，这项技术利用超声波能穿透颅骨的特性，通过微秒级的精确聚焦，实现了对基底节和丘脑等大脑深部结构的非侵入性调控，创新性地解决了超声波在颅骨传导时的衰减问题，确保了治疗剂量的精准递送。

临床研究显示，这项技术能有效治疗特发性震颤、重度抑郁症和慢性疼痛，并能诱导持久的神经可塑性改变。特别是在慢性疼痛治疗中，仅需40分钟的扣带回刺激就能显著改善疼痛强度。目前，这一突破性技术已进入多中心临床试验阶段。更令人振奋的是，高频超声波技术已实现单细胞级别的精确调控，预示着人类与环境、人与人之间可能出现全新的认知互动方式。

五、智能双向进化：人机共生，重塑未来

▷ 演讲嘉宾 张越一，讲题《类脑计算驱动的脑机接口》。张越一，集智进化（MiroMind）AI研究员。已发表期刊会议论文100余篇（包括CCF-A类会议文章或IEEE汇刊文章50余篇），申请/授权中国发明专利20余项。曾主持国家自然科学基金青年项目、面上项目，参与科技部科技创新 2030项目。现任中国图形图像学会多媒体专委会副秘书长，参与组织过中国多媒体大会（ChinaMM）等活动。所指导的学生中多人次获得中国科学技术大学研究生国家奖学金和专项奖学金。目前的研究方向为：脑启发多模态大模型与智能体。

MiroMind AI研究员张越一提出，要让人类智能与人工智能相互启发、共同进化。

他指出，从最初的感知机到如今丰富的人工神经网络，神经科学的发展为计算领域带来了革命性突破。通过模仿大脑架构，我们创造出了此前无法实现的计算解决方案。

更重要的是，这种影响是双向的。深度学习不仅从大脑获得灵感，反过来也帮助我们更好地理解大脑的工作机制。通过优化人工神经网络，观察其中行之有效的模式，我们得以重新审视神经连接，深入了解大脑的组织方式。这种双向互动正在开启认知科学的新篇章。

正如天桥脑科学研究院与MiroMind创始人陈天桥先生所言：

人类不仅是AI的创造者，也是其演化路径的决定者。AI与人类共同组成生态系统，互动中形成反馈循环，重塑个体认知与社会结构。未来，最终具有自我意识的人工智能，是在镜像人类智能长期记忆之后实现人类智能和人工智能的共同进化。

本次碧海论坛不仅是一场前沿技术的集中展演，更是一次对未来的深刻展望。从超高密度柔性接口到定制化大模型，从纳米机器人到无创超声波，我们正在从不同维度推动脑机接口技术的边界。这些技术突破正在加速人机共生时代的到来，共同描绘出一幅人类智能与人工智能深度融合、共同进化的宏伟蓝图。

今天，天桥脑科学研究院（Tianqiao and Chrissy Chen Institute, The Chen Institute）与美国科学促进会（American Association for the Advancement of Science, AAAS）宣布，共同发起 2026 年“AI 驱动科学大奖”，旨在表彰全球范围内用人工智能技术（如机器学习、深度学习、强化学习等）在自然科学（包括生命科学和物质科学）研究领域解决关键问题、推动科学研究加速发展的青年科学家。

首届获奖者名单已于今年 7 月正式揭晓。三位获奖者——Zhuoran Qiao 博士、Aditya Nair 博士与 Alizée Roobaert 博士，凭借运用人工智能技术在生物化学、神经科学和海洋科学领域的突破性成果脱颖而出。三位获奖者将分享总额 5 万美元的现金奖励。此外，他们的获奖论文已同步发表于《科学》杂志^[1-3]，标志着相关成果获得学界高度认可。

申报对象

本奖项面向与人工智能相关领域的青年科学家开放。申报者须在申报时已取得 M.D.、Ph.D.或 M.D./Ph.D.学位，并且获学位时间不超过十年。这是新兴的学术领袖向全球展示工作成果，并在人工智能领域获得广泛认可的绝佳机会。

如何申报

申请者需提交一篇 1000 字的研究论文，描述他们最重要的研究发现，主题必须是利用人工智能相关技术，在其它科研领域做出了根本性的突破，而这些突破在未使用人工智能技术前是难以实现的。

申报通道

可访问天桥脑科学研究院官网：https://www.cheninstitute.org/prize

或直接登录《科学》杂志申报页面：https://www.science.org/content/page/chen-institute-science-prize-ai-accelerated-research

有关申报截止日期及更多详情，请参见申报页面。

展示机会

获奖者将受邀在“天桥脑科学研究院 AI 驱动科学研讨会”（Chen Institute Symposium for AI Accelerated Science, AIAS）及“天桥脑科学研究院 AI 驱动科学青年论坛”（Chen Institute Youth Forum for AI Accelerated Science）发表主旨演讲，参与高端圆桌讨论，并主持互动工作坊。获奖者及入围者还将被授予 “陈氏学者”称号。

了解更多会议信息，请访问：https://aias2025.org/

加入社区

欢迎加入我们的 AI 驱动科学社区成为 AIAS 会员，以获得更多的权益。申请邮箱：AItalents@cheninstitute.org

2024 年 AI 驱动科学大奖获奖论文：

[1] Zhuoran Qiao , AI to rewire life’s interactome: Structural foundation models help to elucidate and reprogram molecular biology.Science389,244-245(2025).DOI:10.1126/science.adx7802

[2] Aditya Nair , Unraveling the emergent chorus of the mind: Machine learning reveals how a hidden neural code orchestrates diverse emotion states.Science389,245-245(2025).DOI:10.1126/science.adx7811

[3] Alizée Roobaert , Mapping the global coastal ocean with AI: Artificial neural networks can help better constrain the global carbon cycle in shallow seas.Science389,245-245(2025).DOI:10.1126/science.adx7826

Dr. Aditya Nair
加州理工学院和斯坦福大学博士后研究员及 NIH NeuroAI 项目青年学者

当你体验饥饿、愤怒或恐惧等情绪时，大脑中的特定神经回路会被激活。但如果观察这些回路中的单个细胞，往往会发现这些细胞的活动与人的情绪体验之间几乎没有明显的相关性。

“这是一个巨大的悖论：我们从动物实验中知道这些回路控制情绪，因为如果我们让这些回路失活，动物就会停止表现出情感行为。”天桥脑科学研究院与《科学》杂志 AI 驱动科学大奖优胜奖得主 Aditya Nair 这样说道，“但当我们记录单个神经元的活动时，却找不到与目标行为的直接联系。”

为了解开这个谜团，Nair 将与情绪（如攻击性）相关的下丘脑区域的神经活动数据输入到一个能够检测神经元间微妙互动模式的机器学习模型中。“这就像在听一场交响乐：如果你只听某一件乐器，什么都听不出来，”他解释道，“你需要听整个乐队，才能理解旋律。”

Nair 使用的算法揭示了这样一种现象：当神经元群体交换并循环信号时，它们会稳定在一种被称为“线吸引子”（line attractor）的复杂关系中。这是一种常见于数字神经网络、但在活体大脑中极少被观察到的机制，它允许连续变量随时间被存储。“这很重要，因为情绪有两个关键特性：强度会变化，而且会持续一段时间。”Nair 说，“通过将 AI 模型拟合到神经活动上，我们在大脑中发现了一种此前无法检测到的信号，同时具备这两种特性。”

这是一个具有重要潜在意义的突破，尤其对药物研发有深远影响。“动物无法自我报告情绪，只能通过有限的几种行为表现情感，”Nair 解释道。“现在，我们可以利用大脑活动来量化受试者的饥饿、愤怒或恐惧程度——这将极大提升精神疾病治疗的开发和测试效率。”

Nair 的方法未来还可能帮助神经科学家从更广泛的大脑活动模式中检测到涌现信号。“目前我们只研究了下丘脑的一个很小的区域，”Nair 说，“但我们正在开发工具包，用于建模更大脑区的活动，并读取当成千上万神经元同时进行多项计算时涌现的隐藏信号。”

为加速这一过程，Nair 开发了一个能够接收大脑活动数据并快速处理以揭示涌现信号的大型语言模型。目标是：让标准化分析能够被快速实施，即使研究者本身对 AI 不甚精通也能轻松上手。“我们正在让 AI 工具对整个科研社区变得更加易用，以加速研究和药物开发的进程。”Nair 表示。

Dr. Alizée Roobaert
比利时佛兰德海洋研究所（Vlaams Instituut voor de Zee）研究员

全球海洋每年吸收了大约四分之一的人类二氧化碳排放量——但虽然这一过程在公海得到了充分研究，沿海水域的贡献却出人意料地知之甚少。“这实在是太复杂了——有河流入海、与陆地的相互作用、水深各异等诸多因素，”天桥脑科学研究院与《科学》杂志 AI 驱动科学大奖优胜奖得主、佛兰德海洋研究所（VLIZ）“海洋气候变化的过去、现在与未来”课题组的研究员 Alizée Roobaert 表示，“虽然有一些局部研究，但全球沿海海洋到底吸收了多少二氧化碳，以及这种吸收如何随时间变化，依然存在很大不确定性。”

为了解决这个问题，Roobaert 与布鲁塞尔自由大学（Université Libre de Bruxelles）的 BGeoSys 团队合作，将全球沿海水域划分为边长 0.25 度的网格单元——在赤道附近每格约 28 公里。随后，Roobaert 叠加了全球数据（主要来自卫星遥感），涵盖海表温度、盐度、叶绿素 a 浓度等变量，并整合了约 1800 万个来自船只或浮标的沿海观测数据，包括不断变化的海表二氧化碳浓度测量。最终形成了一张覆盖全球海洋的高分辨率数据拼图，但二氧化碳测量值仅在部分网格中有数据。

接下来，Roobaert 利用机器学习揭示变量间的复杂关系，并逐步补全空白区域。“一旦算法理解了这些变量如何相互作用，它就能重构缺失的二氧化碳测量值。”Roobaert 解释道。最终，她得到了全球沿海二氧化碳吸收随时间变化的地图，其准确率约为以往的 10 倍，细节也显著提升。“这是目前基于观测、用于估算全球沿海水域二氧化碳吸收贡献的最先进方法，”Roobaert 表示。

除了加深我们对沿海水域在海洋碳循环中作用的理解，Roobaert 的高分辨率地图还能为特定区域的海气碳交换提供更准确的洞见。“对于‘蓝色经济’来说，这类数据至关重要——只有了解沿海水域如何影响碳循环，才能量化人类活动的影响，”Roobaert 说。

目前，Roobaert 和 VLIZ 团队正致力于进一步完善这一方案。当前的重点之一是为欧洲北海绘制分辨率高达 1 公里的二氧化碳分布更精细地图。其他目标还包括叠加海洋深度数据，制作四维地图，详细展示碳在水体柱中随时间的扩散过程。“真正驱动我的是，知道自己的工作正在弥补关键数据空白，帮助人们更好地理解海洋在全球碳循环中的作用，”Roobaert 表示，“我们正在用 AI 实现真正的全球影响，这也是我不断前行的动力。”

Dr. Zhuoran Qiao
机器学习科学家
旧金山 Chai Discovery 公司创始科学家

有时候，即便是获奖科学家也会在实验室里栽跟头。

在北京大学读本科时，Zhuoran Qiao 梦想着专攻全合成，利用复杂的实验室方法合成有机化合物。但他很快被现实“叫醒”了。“这就像做饭不好吃一样——我在实验操作上真的不太在行。”Zhuoran Qiao 笑着说，“我总是把实验搞砸，还把自己弄伤。”几次烫伤手指和实验失败后，Zhuoran Qiao 决定转向其他方向。“结果发现，我在用计算机模拟化学反应方面还挺有天赋，”他说，“在计算机上‘做实验’对我来说顺利多了。”

这其实还是谦虚了。今年春天，Zhuoran Qiao 凭借利用生成式 AI 模拟蛋白质结构的研究，成为首届“天桥脑科学研究院与《科学》杂志 AI 驱动科学大奖”的得主。他的突破性成果有望彻底改变制药领域。

“Zhuoran Qiao 的工作令人震撼地展示了 AI 加速科学发现的力量——多亏了他的努力，过去需要耗费数月甚至数年繁重劳动的研究，现在几秒钟就能完成，”天桥脑科学研究院创始人雒芊芊表示，“他让研究人员能够快速设计新分子，为那些曾被认为‘无药可治’的疾病带来了全新的治疗路径。”

科学发现之路

在中国学习计算化学后，Zhuoran Qiao 于 2018 年前往加州理工学院，在 Anima Anandkumar 教授和化学与 AI 创新者 Thomas Miller 教授的实验室攻读博士学位。在那里，Zhuoran Qiao 开始利用机器学习，打通量子数据与分子结构高层描述之间的桥梁。“用 AI，我们能获得以往需要极高计算量才能得到的结构洞见，”Zhuoran Qiao 说。

2021 年，正值 Zhuoran Qiao 不断完善自己的模型时，谷歌 DeepMind 发布了 AlphaFold——一个能根据氨基酸序列预测复杂蛋白质结构的 AI 模型，进一步凸显了计算模拟的潜力。AlphaFold 的能力让 Zhuoran Qiao 惊叹不已：蛋白质的折叠方式比宇宙中的原子还多，但 AlphaFold 却能极其准确地快速预测蛋白质结构。“这是个了不起的突破，”Zhuoran Qiao 说，“但我也看到还有两点不足。”

首先，AlphaFold2 只研究孤立的蛋白质，而药物研发需要模拟蛋白质与小分子的相互作用。其次，AlphaFold2 给出的是静态快照，但蛋白质在体内的生化环境中始终处于动态变化之中。“要理解蛋白质的功能，就必须捕捉其全部动态过程，”Zhuoran Qiao 解释道。

就在这时，Zhuoran Qiao 灵机一动：为何不用扩散模型（diffusion model）？这类模型后来也用于流行的生成式 AI 图像工具。正如米开朗基罗雕刻大卫像时，一点点剔除多余的石头，扩散模型则是逐步消除目标之外的噪音。比如，输入“戴高帽的猫”的提示，模型会从一堆随机像素出发，结合关于猫和帽子的训练数据，逐步逼近目标图像。

Zhuoran Qiao 意识到，同样的方法可以用于模拟蛋白质的复杂动态分子景观。“你从所有可能原子位置的随机混合出发，然后逐步去噪，最终得到三维结构，”他解释道。这里不再是文本提示，而是生化数据：蛋白质序列的进化特征、小分子的化学图谱，以及预测小分子与蛋白质如何相互作用的“接触图”。“利用这些，扩散模型可以映射每一个原子，最终还原分子结构，”Zhuoran Qiao 说。
通俗来说，这意味着 Zhuoran Qiao 的预测引擎不仅能预测蛋白质如何折叠，还能预测其与其他分子（包括潜在药物）如何相互作用。

构建“计算显微镜”

在 AI 出现之前，模拟一个蛋白质是个极其庞杂的任务，要么依赖艰苦的晶体学或光谱成像，要么靠逐原子计算机模拟。“过去大家用蛮力解决这个问题，但模拟一个蛋白质要花费数年 GPU 时间，而且还要人工设置参数，”Zhuoran Qiao 解释道。而他的生成式模型只需几秒钟就能准确还原复杂分子体系。“速度提升了一百万倍，结果往往与实验数据非常接近，”他说。

实际上，这个预测引擎为研究者提供了一个“计算显微镜”，让他们无需繁琐计算和实验，就能洞悉复杂生化系统的运作。它甚至可能帮助科学家突破传统成像的极限，探索那些尚未被实验观察到的“暗蛋白”。“我们的模型可以从已知蛋白质中泛化，帮助我们跨越这一障碍，”Zhuoran Qiao 说，“这对新药开发至关重要。”

初步研究会集中在设计针对已知蛋白质的小分子。“如果你已经有关于信号通路的生物学假说，可以用我们的工具找到能触发该效果的分子，”Zhuoran Qiao 说，“这依然不是个简单问题，但我们的引擎显著加速了搜索过程。”更具雄心的是，这个引擎还能用于从零设计蛋白质，比如开发新型蛋白质传感器，甚至创建一连串生物工程蛋白质相互作用，解锁新的生物功能。有前景的应用之一，是利用“分子胶”让致病蛋白与专门降解生化物质的蛋白结合。“通过模拟这些复杂动态，我们或许能主动清除体内的致病蛋白，”Zhuoran Qiao 说，“这还只是起步阶段，但机会无限。”

最终目标不仅是加速传统研究，更是实现药物发现自动化，让研发走向人类科学家未曾设想的新方向。“我们希望构建能自动生成全新分子的工作流，”Zhuoran Qiao 说，“从长远来看，我们能够替代药物研发中大量传统的人工流程。”

走出学术圈

为了实现这个目标，Zhuoran Qiao 开始将目光投向学术之外。2023 年，他加入了 Iambic Therapeutics，这家初创公司源自他导师在加州理工的实验室；今年，他又以创始科学家的身份创立了 Chai Discovery。“学术界是原型开发的好地方，但要产生真正的现实影响，就需要更大的团队和更多资源，”Zhuoran Qiao 解释道。

团队协作带来了令人瞩目的成果：Iambic 的 NeuralPLexer 模型刷新了结构预测的行业标准，Chai 最新模型能以 16%的成功率设计新型抗体——这是此前水平的 100 倍提升。Chai Discovery 联合创始人 Joshua Meier 称之为“蛋白质的 Photoshop”，带来了强大的新见解。“数字生物学不再是科幻——它已经成为现实，”他说。

目前，DeepMind 的 AlphaFold 数据库已被超过 200 万名研究者使用，完成了以往需 10 亿年才能完成的分析；2024 年，AlphaFold 的两位创始人获得了诺贝尔化学奖。现在，Zhuoran Qiao 说，研究者们正迈入“后 AlphaFold”时代，利用更强大、更专业的模型加速发现。“我们有机会以前所未有的规模绘制蛋白质相互作用图谱，”他说，“我很幸运能参与这场变革。”

现在，Zhuoran Qiao 表示，是时候抓住这个机遇，打造能带来临床变革性成果的实用工具和工作流了。“这对我来说很有情感意义，”Zhuoran Qiao 补充道，“如果我们能做到这一点，整个计算药物研发的方式都将被彻底改变。”

天桥脑科学研究院（Tianqiao and Chrissy Chen Institute）与美国科学促进会（American Association for the Advancement of Science, AAAS）今天联合宣布，首届“天桥脑科学研究院与《科学》杂志 AI 驱动科学大奖”获奖名单正式公布。这一重要年度奖项旨在表彰利用 AI 赋能科学发现的创新性研究。三位获奖者将分享总计 5 万美元的现金奖励，其获奖研究论文也将在《科学》杂志上发表。

大奖得主：

• Dr. Zhuoran Qiao，机器学习科学家，旧金山 Chai Discovery 公司创始科学家，因其在生物化学领域运用 AI 的突破性工作获得大奖。

优胜奖得主：

• Dr. Aditya Nair，加州理工学院和斯坦福大学的博士后研究员及 NIH NeuroAI 项目青年学者，他的研究专注于将 AI 和神经科学相结合。
• Dr. Alizée Roobaert，比利时佛兰德海洋研究所（Vlaams Instituut voor de Zee）研究员，开发了监测海洋气候动态的创新 AI 解决方案。

“我们收到了来自世界各地、涵盖众多科学领域的投稿申请。”天桥脑科学研究院创始人雒芊芊表示，“在 AI 正根本性地加速全球科学发现的时代，我们很高兴能够发掘这三位杰出的年轻研究者，他们正在使用强大的新技术拓展人类知识的前沿。”

“我们一如既往地对 2024 年 AI 驱动科学大奖的高质量、富有想象力的投稿感到兴奋。”《科学》杂志高级编辑 Yury V. Suleymanov 表示，“这三位早期职业科学家展示了他们在AI领域的前沿技术，他们用创新的AI方案解决了科学家在多个领域面临的重大挑战和机遇。”

获奖研究亮点

大奖：将蛋白质置于计算显微镜下

Dr. Qiao 在诺贝尔奖获奖研究基础上，运用生成式 AI 技术预测蛋白质折叠，并使用先进的机器学习技术创建动态模型，展示折叠蛋白质如何随时间变化，以及它们如何与较小分子相互作用。这一“计算显微镜”能够以惊人的速度和准确性预测蛋白质行为，为药物发现提供了强大的新工具。“我们正在以前所未有的规模解锁绘制这些分子相互作用的巨大机会，并利用这一点快速开发新药物和治疗方法。”Dr. Qiao 表示。

优胜奖：聆听大脑的隐秘合唱

目前，神经成像技术的突破使研究人员能够监测单个神经元的活动，而 Dr. Nair 正在使用 AI 揭示神经元相互作用时出现的隐秘合唱与和声。他的研究表明，这些相互作用形成持久的、自我延续的模式，可以独立于任何单个神经元的活动来编码和调节持久的心理或情感状态——如兴奋、愤怒或饥饿。他的模型还揭示了，这些持久的网络效应是由作用缓慢的神经肽（neuropeptides）介导的，这使得它们随着时间的推移更加稳定。

优胜奖：了解沿海水域如何吸收二氧化碳

世界海洋吸收了约四分之一的人为二氧化碳排放，但人们对沿海海洋在推动全球海洋碳汇方面的作用知之甚少。Dr. Roobaert 使用神经网络融合全球卫星数据和来自沿海二氧化碳测量的 1800 万个数据点，创建了第一个沿海水域二氧化碳吸收的高分辨率模型。通过将零散数据集连接起来，她的方法为世界海洋的健康状况及其在气候学中的作用提供了真正的全球性概览。

奖项设置与后续活动

大奖得主 Dr. Qiao 获得 3 万美元现金奖励，其论文会发表在今天的《科学》杂志印刷版和在线版。优胜奖得主 Dr. Nair 和 Dr. Roobaert 各获得 1 万美元现金奖励，论文将在《科学》杂志的在线版发表。所有获奖者还将获得《科学》杂志在线版五年订阅，并成为荣誉陈氏学者（Chen Scholars）。

2025 年 10 月 27-28 日，三位获奖者将在旧金山举行的首届“天桥脑科学研究院 AI 驱动科学研讨会”上展示他们的研究成果。他们还将与诺贝尔奖得主 Dr. Jennifer Doudna、Dr. David Baker，以及其他全球顶尖学者、行业领袖和研究人员同台交流。研讨会面向公众免费开放，需要注册参加。详情请访问：https://aias2025.org/

2025 年度的“AI 驱动科学大奖”申请通道将在 8 月开启，我们热情欢迎广大青年科学家们在 https://www.cheninstitute.org/prize 提前注册，以便及时收到通知。申请者应在 AI 相关的领域工作；在申请时持有医学博士、哲学博士或医学博士/哲学博士学位，并在过去 10 年内获得该学位。

同时，欢迎您加入我们的科学社区，并申请成为 AIAS 会员，以获得更多的权益。申请邮箱：AItalents@cheninstitute.org。

7 月 12 日，由天桥脑科学研究院与复旦大学附属华山医院联合主办的“碧海——聚焦超声波脑机接口与神经调控学术研讨会”在上海华山医院举行。来自国内外生物物理、生物医学工程、基础医学、临床医学领域的专家学者，围绕聚焦超声技术在脑疾病治疗中的三大方向——高强度热消融、血脑屏障开放与药物递送、低强度神经调控，分享了最新研究进展与临床转化成果。

华山医院院长、国家神经疾病医学中心主任、天桥脑科学研究院（中国）院长毛颖教授指出，聚焦超声凭借无创、精准的优势，已成为国家脑科学战略布局的关键技术。

▷毛颖院长

全球聚焦超声波领域知名领军人物、多伦多大学 Kullervo Hynynen 教授回顾了该技术治疗特发性震颤、帕金森病和阿尔茨海默病的里程碑进展，并提出低成本头盔式定位等创新方向。

犹他大学 Jan Kubanek 团队开发的便携式设备 Spire，无需磁共振引导即可实现抑郁症和慢性疼痛的精准调控。上海市精神卫生中心张天宏教授介绍了超声热消融技术在强迫症等精神疾病中治疗取得的显著效果。范德堡大学 LiMin Chen 教授展示了磁共振引导聚焦超声在慢性疼痛治疗中的突破。台湾大学 Hao-Li Liu 教授介绍了自主研发的 NaviFUS 系统，在胶质瘤和癫痫治疗中显著延长患者生存期并减少发作频率。华山医院张俊海团队分享了聚焦超声热消融在子宫腺肌症等疾病中的临床应用。

▷孙阶博士（左），Jan Kubanek 教授 （右）

来自中华医学会超声医学分会、北京协和医院、华山医院、上海市精神卫生中心、浙江大学医学院二院、武汉同济医院、福建医科大学一院等的知名神经、超声医学科专家参加了会议，并进行了热烈的讨论交流。会议由天桥脑科学研究院聚焦超声首席科学家孙阶博士主持。
此次将聚焦超声波作为脑机接口新的技术方向，正是盛大与天桥脑科学研究院整合国际优势资源，在这一前沿领域开辟的全新赛道。

▷与会专家与嘉宾在华山医院合影

过去 10 年，盛大和天桥脑科学研究院在脑机接口最硬核的侵入式赛道超前布局，频频出手，成果喜人。在国际上，支持加州理工学院 Richard Andersen 院士的运动解码、UCSF Edward Chang 院士的语言解码研究，取得了世界级重大突破成果。在中国，支持、孵化和投资中科院陶虎教授创办的脑虎科技，已成为中国侵入式脑机接口估值最高的企业和准独角兽，上海市认定的科创行业八大赋能者之一。