BUS: Вдохновленное мозгом несупервизированное саморефлексия для продвинутого мультимодального мышления

Появляющиеся данные свидетельствуют о том, что желчные кислоты, традиционно признанные за их роль в пищеварении, также влияют на функции мозга и память. Данное исследование изучало влияние двух вторичных желчных кислот, полученных из микробиоты, дезоксихолевой кислоты (DCA) и гликодезоксихолевой кислоты (GDCA), на память у мышей и связанные молекулярные механизмы. Самцы и самки мышей ежедневно получали пероральное введение DCA, GDCA или контролируемого вещества, и оценивалась пространственная рабочая и референсная память (в тесте Y-лабиринте) и память на распознавание (в тесте на распознавание нового объекта). После тестирования оценивалось выражение генов и активность сигнальных путей в лобной коре и гиппокампе. Введение GDCA после 10 дней нарушало память на распознавание, в то время как прием DCA в течение 12 дней ухудшал пространственную референсную память. Ни одна из желчных кислот, вводившихся в течение 5 дней, не повлияла на пространственную рабочую память. GDCA снизила уровень мРНК субъединиц NMDA-рецепторов (GluN1, GluN2A) и мРНК фактора нейротрофического происхождения головного мозга (BDNF) и ослабила сигнальную активность CREB в лобной коре, что соответствует наблюдаемому дефициту памяти на распознавание. GDCA не изменяла количество транскриптов, кодирующих рецепторы желчных кислот (FXR или TGR5), или их соответствующий уровень белка. В отличие от этого, DCA модифицировала мРНК и белки FXR и TGR5 по регионально специфическому принципу и снижала сигнальную активность CREB в гиппокампе, вероятно, способствуя дефициту пространственной памяти. В лобной коре DCA увеличивала фосфорилирование GluA1 и снижала экспрессию IL-1β и IL-6, что могло помочь сохранить память на распознавание. Исследование метагеномики фекальных образцов не выявило значительных микробиологических отличий, хотя тонкие, незначительные функциональные изменения генов указывали на ранние адаптации. Эти данные показывают, что DCA и GDCA оказывают различные эффекты на когнитивные функции, специфичные к рецепторам и регионам, идентифицируя желчные кислоты как модификаторы коммуникации между микробиомом, кишечником и мозгом.

Интерфейсы «мозг-компьютер» (BCI) произвели революцию в нейронауке, обеспечивая широкий спектр приложений, от моторной реабилитации до нейроэргономики. Традиционные имплантируемые BCI с инвазивными микроэлектродными массивами сталкиваются с несколькими проблемами, особенно с необходимостью проводных соединений и связанными с ними рисками имплантации. В данной статье представлен беспроводной BCI без батареи, объединяющий имплант и его внешнюю поддерживающую систему. Наше проектирование сосредоточено на антенном системе с двойной функцией: во-первых, механизм индуктивной связи обеспечивает беспроводную передачу энергии, достаточно обеспечивая питание интегральной схемы специального назначения (ASIC) для стимуляции и считывания без батареи в импланте. Во-вторых, антенна обратного рассеяния в импланте облегчает беспроводную связь с высокой скоростью передачи данных (до 32 Мбит/с) без батареи. Эта система не только улучшает взаимодействие с BCI, устраняя провода, но также сохраняет точность передачи данных и эффективность использования энергии, обещая более безопасный и эффективный интерфейс для выполнения задач, таких как управление роботизированными руками.

Механизмы реакций состоят из пошаговых последовательностей элементарных реакций, которые объясняют химические преобразования. Поэтому изучение логики механизмов имеет решающее значение для повышения фундаментального химического интеллекта больших языковых моделей (БЯМ). Пошаговое выведение механизмов реакций естественно соответствует парадигмам рассуждений БЯМ. Однако текущие химические БЯМ в первую очередь акцентируют внимание на грубых наименованиях реакций для предсказания продуктов и ретросинтеза, что часто приводит к физическим несоответствиям и галлюцинациям. В отличие от этого, специализированные небольшие генеративные модели для вывода механизмов, как правило, страдают от ограниченной способности к обобщению в различных химических пространствах. Чтобы преодолеть эти ограничения, мы создали новый обширный набор данных для рассуждения о механизмах реакций. Более того, мы разработали FukuyamaBench — сложный эталон, основанный на книге Фукуямы «Современные механизмы органических реакций», для строгой оценки производительности моделей в иерархическом рассуждении о механизмах. Наша дообученная модель Qwen3-30B-A3B достигает 8,3% точного совпадения путей в наборе FukuyamaBench Set~A, превосходя специализированную модель FlowER (5,1%), что демонстрирует, что обучение с учетом механизмов значительно улучшает химическое рассуждение в языковых моделях.

Кворм-сенсоринг (QS) известен в биологии как форма межклеточной коммуникации, опосредованной сигнальными молекулами, называемыми автоиндукторами. Протокол QS регулирует переход от индивидуального к коллективному поведению клеток, как только достигается критическая плотность популяции. С помощью численных симуляций мы исследуем, как дефекты влияют на переход QS и структурную организацию полученных колоний. Наша модельная система состоит из смеси медленно («холодные») и быстро («горячие») диффузирующих коллоидных частиц, подчиняющихся протоколу QS, наряду с дефектными частицами, характеризующимися постоянной диффузией. Поразительная реэнтрантная солидфикация QS частиц, характеризующаяся дальнодействующим порядком, индуцируется горячими дефектами, в то время как холодные дефекты приводят к образованию аморфных структур с лишь краткосрочным порядком. Эти результаты углубляют наше понимание взаимодействия QS и предоставляют механизм для контроля степени организации в системах QS, с потенциальными приложениями в робототехнике, социальных науках и медицине - например, для преодоления антимикробной устойчивости.

Взаимосвязи структура-свойство являются основополагающими для биологии, химии и науки о материалах, где функция, реактивность и физический ответ возникают из пространственной, химической и периодической организации. Механистическое объяснение этих взаимосвязей требует интерпретации структурных доказательств с помощью научных принципов и физических ограничений, начиная с стереохимии и связи и заканчивая симметрией, энергиями и периодическим порядком. Однако применение искусственного интеллекта к этому процессу представляет собой общую задачу представления и логического вывода: модели должны сохранять информацию о структурах, характерную для области, и демонстрировать, как конкретные доказательства поддерживают предсказания в этих рамках. Здесь мы представляем SciReasoner, многомодальную научную модель, основанную на native структурной логике, охватывающую белки, небольшие молекулы и неорганические кристаллы. SciReasoner дискретизирует координаты, топологии и периодические связи в единый словарь, учитывающий структуру, рассматривая структурные токены как адресуемые единицы доказательства во время логического вывода. В контролируемом по гомологии прогнозировании систематики генов SciReasoner улучшает аннотацию клеточных компонентов для белков с низкой гомологией и сиротоподобных белков, увеличивая $F_{\max}$ с 0.42 до 0.55. В химии он увеличивает точность одностадийного ретросинтеза с 0.63 до 0.72, генерируя следы разрыва на уровне фрагментов и проверки предшественников. В науке о материалах его представления разделяют элементарные и композитные фазы и разрешают режимы с высоким и низким энергетическим зазором. По 86 тестовым задачам SciReasoner достигает лучших в своем классе результатов по 67 задачам. Двойная слепая экспертная оценка оценивала его логические следы как предпочтительные или хотя бы сопоставимые с таковыми у модели большого языка передового уровня в 98% случаев. Делая структуру проверяемым субстратом для логического вывода в рамках научных ограничений, SciReasoner связывает точное предсказание с интерпретируемым научным выводом.

Хобот слона является ловким и универсальным манипулятором, производительность которого до сих пор не имеет аналогов в робототехнике. В предыдущих работах акцент делался на модульности, и были построены относительно маломасштабные непрерывные роботы. Мы берем естественный хобот вида *Loxodonta africana* в качестве модели и предлагаем другой подход к дизайну, который предпочитает структурную непрерывность и динамические свойства, которые правдоподобно имитируют естественный хобот, обеспечивая при этом высокую адаптивность к окружающей среде и людям. Вместо того чтобы нацеливаться на предписанное поведение, мы показываем, что биомиметический дизайн, основанный на макроскопических свойствах природной системы, позволяет выполнять движения, подобные слонихе, и захватывать предметы. Мы создаём с помощью 3D-печати 85-сантиметровую мягкую, сужающуюся, объемно-тесселированную непрерывную руку, которая сочетается с приводом на основе сухожилий, имитирующим продольные и косые мышцы естественной модели. Мы демонстрируем захват объектов различной формы и размера с помощью всего тела и обсуждаем сравнение с биологическим хоботом, подчеркивая аспекты как биологии, так и робототехники.