追问daily | 多巴胺可以删除记忆；大脑如何处理无意识的声音？儿童与成人的色彩体验没啥区别

█脑科学动态

Nature：大脑的“社交积木”：快速理解复杂互动的秘密

记忆恢复与转化：大脑如何帮助我们识别过去？

荧光传感器揭示灵长类动物大脑中的多巴胺信号

大脑如何控制我们突然停止说话？

多巴胺不仅是快乐源泉，还能“删除”记忆

危急时刻的大脑：量子力学模型揭示其快速反应机制

儿童与成人的色彩体验惊人相似

大脑如何处理有意识和无意识的声音

█AI行业动态

Gemma 3：单GPU/TPU上运行的最强AI模型

新一代机器人 AI 问世，Gemini Robotics 让机器更懂你的指令

Cohere发布多语言生成式AI模型Command A

█AI驱动科学

机器学习助力生物膜降解，TeleProt发现高效核酸酶变体

弱监督与情境学习结合，临床NLP性能飞跃

导电水凝胶：让脊髓损伤研究更精准

外骨骼与数字孪生技术助力中风患者康复

脑科学动态

Nature：大脑的“社交积木”：快速理解复杂互动的秘密

大脑如何处理复杂的社交信息？伦敦大学学院（UCL）的Marco Wittmann及其团队通过一项新中，揭示了大脑如何使用“社交积木”来简化并理解复杂的社交互动。

研究团队使用功能性磁共振成像记录了88名参与者的大脑活动，研究发现，大脑在处理多人群体的社交互动时，使用了一种称为“基础函数”（basis functions）的压缩编码方式。这种编码方式类似于视觉和运动领域中的信息处理机制，能够将复杂的社交信息简化为几个关键维度。研究团队通过设计一个多人社交决策任务，发现大脑的背内侧前额叶皮层（dmPFC）和前扣带皮层（ACC）在社交认知过程中计算这些基础函数。这些基础函数以压缩格式总结了可能的社交互动，并根据任务需求灵活组合，从而帮助大脑在复杂的社交环境中做出快速决策。

此外，研究还发现，大脑在处理社交信息时，不仅使用“以代理为中心”的编码方式（即追踪每个个体的表现），还使用“顺序”编码方式（即按照信息接收的顺序追踪互动模式）。这两种编码方式共同作用，使得大脑能够高效地处理多人群体的社交互动。研究还通过行为实验验证了这些基础函数在决策中的重要性，发现参与者在包含群体决策的任务中表现更好，表明基础函数的压缩编码方式能够提高决策的准确性。研究结果发表在 Nature 上。

#认知科学 #大脑信号解析 #社交互动 #前额叶皮层 #fMRI

阅读更多：

Wittmann, Marco K., et al. “Basis Functions for Complex Social Decisions in Dorsomedial Frontal Cortex.” Nature, Mar. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41586-025-08705-9

记忆恢复与转化：大脑如何帮助我们识别过去？

近期，西北大学的Elizabeth Johnson及其国际合作团队通过分析儿童、青少年和年轻人的颅内脑电图数据，揭示了记忆痕迹在大脑中的恢复和转化过程，为理解记忆的神经基础提供了新视角。

▷任务、样本、行为表现和电极覆盖范围。Credit: Science Advances (2025).

研究人员利用颅内脑电图技术，记录了参与者在观看视觉场景后识别记忆时的神经活动。通过表征相似性分析，他们追踪了记忆痕迹的恢复和转化过程。研究发现，记忆识别依赖于两个独立的过程：恢复发生在颞叶皮层，而转化则发生在顶叶皮层。此外，研究还揭示了神经网络中泛化和分化在记忆编码和检索中的重要作用。通过深度神经网络模型，研究人员模拟了记忆痕迹的不同格式，发现记忆形成依赖于超越视觉特征的广义和记忆特异性表征格式。这一研究为理解记忆的灵活性和多面性提供了重要线索，并为未来研究记忆发展和神经生理学奠定了基础。研究发表在 Science Advances 上。

#神经科学 #记忆机制 #颅内脑电图 #表征相似性分析 #深度神经网络

阅读更多：

Rau, Elias M. B., et al. “Reinstatement and Transformation of Memory Traces for Recognition.” Science Advances, vol. 11, no. 8, Feb. 2025, p. eadp9336. science.org (Atypon), https://doi.org/10.1126/sciadv.adp9336

荧光传感器揭示灵长类动物大脑中的多巴胺信号

多巴胺在灵长类动物大脑中的作用机制尚不明确，尤其是其在纹状体中的信号传递如何影响行为和动机。京都大学和剑桥大学的研究团队开发了一种荧光多巴胺传感器，用于监测非人类灵长类动物大脑中的多巴胺信号。

▷用荧光多巴胺传感器检测非人类灵长类动物大脑中的多巴胺信号。Credit: (KyotoU/Amita lab)

研究团队对恒河猴进行了巴甫洛夫概率奖励任务的训练，并使用荧光多巴胺传感器监测其大脑中的多巴胺信号。通过分析猴子的舔舐和凝视行为，研究团队发现荧光传感器能够有效捕捉多巴胺瞬变。研究发现，纹状体中的多巴胺信号因位置不同而有所变化。前壳核（anterior putamen）对未预测的奖励表现出积极的反应，而尾状核头（caudate head）则表现出微弱的反应。这一发现对于理解背侧纹状体在认知和运动功能中的作用具有重要意义，尤其是在研究神经退行性疾病如帕金森病和路易体痴呆方面。研究发表在 PNAS 上。

#神经科学 #大脑信号解析 #多巴胺 #荧光传感器 #神经退行性疾病

阅读更多：

Hidetoshi Amita et al, Fluorescence detection of dopamine signaling to the primate striatum in relation to stimulus–reward associations, Proceedings of the National Academy of Sciences (2025). DOI: 10.1073/pnas.2426861122

大脑如何控制我们突然停止说话？

我们如何会突然主动停止言语？加州大学旧金山分校的Lingyun Zhao、Alexander B. Silva及其团队发现了一个支持言语抑制控制的运动前皮层网络，揭示了这一机制。

▷言语停止时运动前神经激活。Credit: Nature Human Behaviour (2025).

研究团队使用高密度皮层脑电图（ECoG）记录了13名难治性癫痫患者在进行言语停止任务时的神经活动。结果显示，运动前额叶皮质中存在与停止说话相关的明显活动，且这种活动主要发生在说话中途突然停止时，而非自然完成短语时。进一步的实验通过电刺激验证了这一机制，表明这一网络支持言语的抑制控制。研究发表在 Nature Human Behaviour 上。

#神经科学 #神经机制与脑功能解析 #言语控制 #运动前皮层 #高密度皮层脑电图

阅读更多：

Zhao, Lingyun, et al. “Inhibitory Control of Speech Production in the Human Premotor Frontal Cortex.” Nature Human Behaviour, Mar. 2025, pp. 1–16. www.nature.com, https://doi.org/10.1038/s41562-025-02118-4

多巴胺不仅是快乐源泉，还能“删除”记忆

多巴胺通常被认为与奖励和学习相关，但其在记忆贬值中的作用尚不明确。密歇根州立大学的Alexander Johnson及其团队通过实验发现，多巴胺在降低与奖励相关的记忆价值中发挥了关键作用，这一发现挑战了传统理论。

▷通过活动依赖性标记和腹侧被盖区细胞的化学遗传激活介导蔗糖奖励贬值。Credit: Communications Biology (2025).

研究团队首先训练小鼠将听觉提示（CS）与液体蔗糖奖励建立关联。在厌恶阶段，研究人员仅呈现听觉提示并将其与胃部不适诱导剂氯化锂（LiCl）配对。通过活动依赖性标记技术，研究团队标记了腹侧被盖区细胞，并在后续实验中重新激活这些细胞，观察其对蔗糖奖励的享乐评价的影响。结果显示，重新激活VTA细胞显著降低了小鼠对蔗糖奖励的喜好。

进一步，研究团队利用光遗传学和化学遗传学技术验证了VTA多巴胺细胞在奖励贬值中的充分性和必要性。通过体内光纤光度法，研究人员还观察到伏隔核中的多巴胺释放与记忆贬值过程密切相关。此外，计算模型数据成功模拟了多巴胺信号在记忆重塑中的动态过程，进一步支持了多巴胺在编码奖励环境详细特征中的关键作用。

这一研究表明，多巴胺不仅通过传统的奖励预测误差机制支持学习，还在编码奖励的感官特征和状态转换中发挥了重要作用。这一发现为理解多巴胺在记忆处理中的复杂功能提供了新视角，并为成瘾、抑郁等神经精神疾病的治疗提供了潜在方向。研究发表在 Communications Biology 上。

#认知科学 #记忆机制 #多巴胺 #化学遗传激活 #计算模型

阅读更多：

Fry, Benjamin R., et al. “Devaluing Memories of Reward: A Case for Dopamine.” Communications Biology, vol. 8, no. 1, Feb. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s42003-024-07440-7

危急时刻的大脑：量子力学模型揭示其快速反应机制

人类大脑在面临重大风险时能够比计算机更快地做出决策，这一现象引发了神经科学领域的广泛关注。巴塞罗那庞培法布拉大学（UPF）和牛津大学的研究团队设计了一种名为CHARM（复杂谐波分解）的新型大脑计算分析模型，首次将量子力学原理应用于大脑动态分析，揭示了大脑在危急情况下的快速决策机制。

▷(a) 七个流形网络之间的两个移位功能连接矩阵反映了清醒状态（顶部）和深度睡眠状态（底部）中的不同相互作用。(b) 这些时间不对称性通过七个流形网络之间的箭头（前 20%）说明，其中灰色箭头对应负相互作用，棕色箭头对应正相互作用，其粗细对应这些相互作用的值。(c) CHARM 潜在空间中的时空特征可以通过 Edge 亚稳态捕捉，清醒和睡眠之间存在显著差异。Credit: Deco, G.; Sanz Perl, Y.; Kringelbach M.L

研究团队开发的CHARM模型基于薛定谔方程，利用其数学结构捕捉大脑动态中的非局部性和长距离连接特性。研究分析了1000多人的神经影像数据，发现当大脑处于临界状态（介于有序与混乱之间的过渡状态）时，长距离神经连接的效率显著增强。这种状态类似于水变成冰的过渡过程，大脑在此状态下表现出加剧的特性。

CHARM模型还揭示了清醒和睡眠状态下大脑动态的显著差异，表明大脑区域网络而非单个区域是关键的计算引擎。这一发现不仅解释了大脑在危急情况下的快速决策能力，还为神经系统疾病（如精神分裂症和抑郁症）的诊断和治疗提供了新思路。研究发表在 Physical Review E 上。

#神经科学 #计算模型与人工智能模拟 #量子力学 #大脑动态 #长距离神经连接

阅读更多：

Deco, Gustavo, et al. “Complex Harmonics Reveal Low-Dimensional Manifolds of Critical Brain Dynamics.” Physical Review E, vol. 111, no. 1, Jan. 2025, p. 014410. APS, https://doi.org/10.1103/PhysRevE.111.014410

儿童与成人的色彩体验惊人相似

儿童如何感知颜色？他们的意识体验与成人有何异同？京都大学的Yusuke Moriguchi及其团队通过开发一种触摸屏界面，成功评估了幼儿的颜色体验。研究发现，儿童与成人的色彩体验结构高度一致，且跨文化和年龄差异极小。

研究团队设计了一种触摸屏界面，要求3-12岁的日本儿童、6-8岁的中国儿童以及日本成人对九种颜色的相似性进行评分，评分范围从“非常相似”到“非常不相似”。实验在线上和线下环境中进行，使用计算机或触摸屏完成。结果显示，儿童对颜色的体验与成人几乎相同，且这种体验结构在不同年龄和文化中高度一致。尽管儿童对颜色名称的理解和使用随年龄增长而变化，但他们的色彩感受性结构保持一致。实验环境对结果影响极小，证明了方法的稳健性。研究发表在 PNAS 上。

#认知科学 #意识模拟 #色彩体验 #儿童发展 #跨文化研究

阅读更多：

Moriguchi, Yusuke, et al. “Comparing Color Qualia Structures through a Similarity Task in Young Children versus Adults.” Proceedings of the National Academy of Sciences, vol. 122, no. 11, Mar. 2025, p. e2415346122. pnas.org (Atypon), https://doi.org/10.1073/pnas.2415346122

大脑如何处理有意识和无意识的声音

意识的本质一直是哲学、心理学和神经科学等领域的研究热点，而感官感知常被用作研究意识的代理。耶鲁大学的研究团队由Hal Blumenfeld教授领导，致力于探索听觉感知的神经机制。他们的研究揭示了有意识和无意识感知声音时大脑活动的显著差异，并提出了一个四部分框架来解释意识感知的神经机制。

研究团队设计了一项新颖的听觉实验，使用阈值水平的音调刺激（即在白噪声背景下播放从不可察觉到完全可听见的音调），并结合颅内脑电图技术记录大脑活动。这种方法能够捕捉到高时空分辨率的神经信号，并分析宽带伽马功率（broadband gamma power, 40-115 Hz），这是一种反映局部神经元活动的指标。

研究结果显示，当声音被有意识感知时，大脑活动从早期听觉区域开始，随后在额叶眼区和丘脑出现早期活动增加，接着在额顶叶联合皮层引发一波广泛的活动。而未感知到的声音则仅在早期听觉区域表现出有限的神经活动。

▷产生对外部听觉刺激的意识的神经机制序列。Credit: NeuroImage (2025).

这一发现表明，听觉感知涉及的网络与视觉感知相似，支持了跨感官模式的共享意识机制假说。研究还提出了一个四部分框架来解释意识感知的神经机制：（1）初级感觉区域的刺激检测；（2）皮层下-皮层唤醒和显著性网络的短暂神经调节脉冲；（3）感觉皮层、检测网络和任务负网络的信息流控制；（4）皮层层级处理和记忆编码的持续波。这一框架为理解意识感知的时空动态提供了新的视角。研究发表在 NeuroImage 上。

#神经科学 #大脑信号解析 #听觉感知 #意识模拟

阅读更多：

“The Neural Activity of Auditory Conscious Perception.” NeuroImage, vol. 308, Mar. 2025, p. 121041. www.sciencedirect.com, https://doi.org/10.1016/j.neuroimage.2025.121041

AI 行业动态

Google DeepMind推出Gemma 3：单GPU/TPU上运行的最强AI模型

Google DeepMind近日发布了Gemma 3，这是一系列轻量级、先进的开放模型，基于与Gemini 2.0相同的研究和技术构建。Gemma 3旨在直接在设备上运行，从手机、笔记本电脑到工作站，帮助开发者创建AI应用。该模型提供多种尺寸（1B、4B、12B和27B），用户可根据硬件和性能需求选择最佳模型。Gemma 3在LMArena排行榜上表现优异，支持140种语言，具备高级文本和视觉推理能力，并扩展了上下文窗口至128k token。此外，Gemma 3还引入了量化版本，减少模型大小和计算需求，同时保持高精度。

Google DeepMind还推出了ShieldGemma 2，这是一个基于Gemma 3的4B图像安全检查器，提供三种安全类别的标签：危险内容、色情内容和暴力内容。开发者可以进一步定制ShieldGemma以满足其安全需求。Gemma 3和ShieldGemma 2支持多种开发工具和平台，包括Hugging Face Transformers、Ollama、JAX、Keras、PyTorch等，并可部署在Google Cloud、NVIDIA GPU等多种硬件平台上。

#Gemma3 #AI模型 #GoogleDeepMind #ShieldGemma2 #量化模型

阅读更多：

https://blog.google/technology/developers/gemma-3/?utm_source=tw&utm_medium=social&utm_campaign=og&utm_content=&utm_term=

新一代机器人 AI 问世，Gemini Robotics 让机器更懂你的指令

Google DeepMind 近日发布了基于 Gemini 2.0 研发的新一代机器人 AI 模型：Gemini Robotics 和 Gemini Robotics-ER。这两个模型通过新增物理动作作为输出方式，使机器人能够直接执行任务，赋予它们更强的适应性、交互性和灵活性，能够处理广泛的现实世界任务。

Gemini Robotics 具备“视觉-语言-动作”（Vision-Language-Action, VLA）能力，可直接控制机器人执行任务。它利用 Gemini 2.0 的世界理解能力，使机器人能够处理未见过的新物体、新指令和新环境，甚至完成训练中未见过的新任务。在综合泛化基准测试中，Gemini Robotics 的性能比其他最先进的 VLA 模型高出一倍以上。此外，它还能理解日常语言指令，并快速响应环境或指令的变化，支持执行需要精细动作的复杂任务。

Gemini Robotics-ER 则专注于空间理解（Embodied Reasoning，ER具身推理），帮助研究人员让机器人更好地适应真实环境。它具备更强的空间感知能力，能够进行 3D 物体检测、智能路径规划和动作安全性评估，确保机器人在复杂环境中的安全操作。

Google DeepMind 还采用了多层安全策略，确保机器人不会做出危险动作，并发布了新的安全数据集（ASIMOV 数据集），用于检测 AI 机器人在现实场景中的潜在风险。未来，这些技术有望在工业制造、家庭助手、物流仓储和医疗护理等领域得到广泛应用。

#机器人 #AI #GoogleDeepMind #GeminiRobotics #空间理解

阅读更多：

https://deepmind.google/technologies/gemini-robotics/

Cohere发布多语言生成式AI模型Command A

Cohere公司发布了最新的多语言生成式AI模型Command A，旨在为全球企业提供高效的人工智能解决方案。该模型支持256,000个标记的上下文长度，相当于600页文本内容，显著提升了模型处理长文档的能力。此外，Command A的设计使其仅需两块GPU即可运行，降低了企业部署AI模型的硬件成本。这些特性使Command A成为GPT-4o和DeepSeek-V3等模型的有力竞争者。

Cohere公司由Aidan Gomez、Ivan Zhang和Nick Frosst于2019年创立，总部位于多伦多和旧金山。Aidan Gomez是2017年引发大型语言模型革命的Transformer论文的共同作者之一。Cohere专注于为企业提供生成式AI解决方案，致力于开发高效、实用的语言模型，以满足企业在文档摘要、信息检索和多语言响应等方面的需求。

Command A模型在多个方面进行了优化，以满足企业需求。首先，模型支持检索增强生成（RAG，Retrieval-Augmented Generation），这意味着它可以在生成响应时结合外部知识库的信息，提供更准确和上下文相关的答案。其次，Command A具备外部工具使用能力，能够与计算器、电子邮件客户端等应用程序交互，执行复杂任务。此外，模型的多语言能力得到增强，支持全球主要语言，使其适用于跨国企业的多语言需求。在硬件需求方面，Command A的设计使其仅需两块GPU即可运行，降低了企业部署AI模型的成本。这些改进使Command A在处理长文档、多语言任务和复杂交互方面表现出色，成为企业应用AI的有力工具。

#大语言模型 #生成式AI #多语言模型 #企业应用

阅读更多：

https://venturebeat.com/ai/cohere-targets-global-enterprises-with-new-highly-multilingual-command-a-model-requiring-only-2-gpus/

AI 驱动科学

机器学习助力生物膜降解，TeleProt发现高效核酸酶变体

蛋白质工程在工业和治疗领域具有重要应用，但传统的定向进化方法存在局限性。Neil Thomas、David Belanger、Chenling Xu等研究人员开发了TeleProt，一个结合进化和实验数据的机器学习框架，用于优化核酸酶NucB的活性。

▷图形摘要。Credit：Cell Systems（2025）.

研究团队使用TeleProt框架，结合超高通量微流控平台，对NucB进行工程改造。TeleProt在多个方面优于DE，包括命中率、多样性和初始文库设计。研究团队还发布了包含55,000个核酸酶变体的数据集，为ML引导设计提供了宝贵资源。研究发表在 Cell Systems 上。

#认知科学 #预测模型构建 #蛋白质工程 #机器学习 #核酸酶

阅读更多：

Thomas, Neil, et al. “Engineering Highly Active Nuclease Enzymes with Machine Learning and High-Throughput Screening.” Cell Systems, vol. 0, no. 0, Mar. 2025. www.cell.com, https://doi.org/10.1016/j.cels.2025.101236

弱监督与情境学习结合，临床NLP性能飞跃

临床自然语言处理面临标记数据不足和隐私保护等挑战。Enshuo Hsu和Kirk Roberts等人提出了一种结合弱监督和情境学习的方法，通过微调大型语言模型生成弱标签，显著提高了模型性能。

研究提出了一种由LLM驱动的弱监督方法，通过使用LLM创建弱标签，减少对领域专业知识的依赖，并利用最新的提示监督微调技术对LLM进行微调。研究评估了四种实验设置，包括Llama-SFTn-WS-BERTn和Llama-WS-BERTn等。在三个生物医学基准上进行的评估显示，使用微调后的Llama2-13B生成的弱标签对BERT进行弱监督和微调，能够显著提高性能，且避免了在生产环境中部署LLM的计算负担。研究发表在Scientific Reports上。

#认知科学 #大模型技术 #自然语言处理 #弱监督 #临床数据

阅读更多：

Hsu, Enshuo, and Kirk Roberts. “Leveraging Large Language Models for Knowledge-Free Weak Supervision in Clinical Natural Language Processing.” Scientific Reports, vol. 15, no. 1, Mar. 2025, p. 8241. www.nature.com, https://doi.org/10.1038/s41598-024-68168-2

导电水凝胶：让脊髓损伤研究更精准

脊髓损伤研究需要一种既能传输清晰信号又能在患者移动时保持柔韧性的材料。宾汉姆顿大学的Siyuan Rao及其团队，包括Sizhe Huang、Qianbin Wang等，与多所大学和医院合作，开发了一种新型导电水凝胶电极。这种电极能够记录小鼠脊髓神经元和腿部肌肉的电信号，解决了传统硬质材料在软组织中造成的损伤问题。

▷TRAIN 支持的自由移动肌电图 (EMG) 记录。Credit: Nature Communications (2025).

研究团队使用含有导电碳纳米管的水凝胶，通过循环拉伸创建电各向异性渗透路径，制造出具有抗疲劳性和低电化学阻抗的各向异性水凝胶纤维。这些纤维被制成生物电子设备并植入小鼠体内，成功记录了麻醉和自由运动状态下的肌电信号。研究结果显示，这些设备在植入后八个月内仍能保持功能，展示了其在神经生理学研究中的长期监测潜力。研究发表在 Nature Communications 上。

#神经技术 #疼痛 #脑机接口 #水凝胶电极 #脊髓损伤

阅读更多：

Huang, Sizhe, et al. “Anisotropic Hydrogel Microelectrodes for Intraspinal Neural Recordings in Vivo.” Nature Communications, vol. 16, no. 1, Jan. 2025, p. 1127. www.nature.com, https://doi.org/10.1038/s41467-025-56450-4

外骨骼与数字孪生技术助力中风患者康复

中风患者常常面临手臂和手部运动功能障碍，影响日常生活。慕尼黑工业大学的研究团队，包括Sandra Hirche、Hossein Kavianirad和Neha Das，开发了一种结合外骨骼和功能性电刺激（FES）的系统，帮助患者恢复运动能力。研究结果显示，24名患者在使用该系统后，手臂和手的运动能力显著提高。

▷Wolfgang Korisanski 是已经测试了新外骨骼和电刺激系统的 24 名患者之一。Credit: Sabrina Bauer / TUM.

研究团队使用功能性电刺激刺激前臂肌肉，并结合外骨骼支撑整个手臂。系统还包括一个数字孪生，记录每位患者的个性化需求，并通过控制回路提供个性化支持。此外，研究人员开发了一款电脑游戏，训练患者抓握和移动手臂。研究结果显示，该系统能够显著提高患者的运动能力，并允许患者在家中进行持续训练。研究发表在 2024 10th IEEE RAS/EMBS International Conference for Biomedical Robotics and Biomechatronics (BioRob) 上。

#神经技术 #个性化医疗 #外骨骼 #功能性电刺激 #数字孪生

阅读更多：

Das, Neha, et al. “Framework for Learning a Hand Intent Recognition Model from sEMG for FES-Based Control.” 2024 10th IEEE RAS/EMBS International Conference for Biomedical Robotics and Biomechatronics (BioRob), 2024, pp. 1320–27. IEEE Xplore, https://doi.org/10.1109/BioRob60516.2024.10719910

整理｜ChatGPT

编辑｜丹雀、存源

关于追问nextquestion

天桥脑科学研究院旗下科学媒体，旨在以科学追问为纽带，深入探究人工智能与人类智能相互融合与促进，不断探索科学的边界。如果您有进一步想要讨论的内容，欢迎评论区留言，或后台留言“社群”即可加入社群与我们互动。

关于天桥脑科学研究院

天桥脑科学研究院（Tianqiao and Chrissy Chen Institute）是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一，围绕全球化、跨学科和青年科学家三大重点，支持脑科学研究，造福人类。

Chen Institute与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室；与加州理工学院合作成立了加州理工天桥神经科学研究院。

Chen Institute建成了支持脑科学和人工智能领域研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括、、、科研型临床医生奖励计划、、等。