智源&清华合作成果登上Science：脑科学多模态基础模型Brainμ支撑揭示“记忆-睡眠”调控的神经机制

一句话看懂：北京智源人工智能研究院与清华大学联合团队在《科学》发表研究，首次证实睡眠中的记忆重激活会反向调控睡眠结构。支撑这一发现的，是智源自研的脑科学多模态基础模型Brainμ，它成功将EEG、钙成像等异构神经信号统一建模，辅助科学家完成了跨个体、零样本的因果推断与验证。

事件核心：发生了什么

2026年6月4日，智源与清华大学的研究成果“Memory Reactivation Underlies Experience-Dependent Adaptive Regulation of Sleep”发表于《科学》。研究首次证实：负向记忆再激活会加剧睡眠碎片化，提升机体警觉性；正向记忆再激活则可增强睡眠连续性与抗干扰能力，打破了“睡眠仅是被动恢复”的传统认知。

技术支撑方面，智源悟界·Brainμ模型团队研发的Brainμ0，是本次研究的核心分析工具。该模型将小鼠EEG、双光子钙成像、Neuropixels等多种神经信号先转化为统一表征的“token”，再通过配套解码器实现跨个体、跨场景的睡眠状态识别、记忆信号预测与因果推断。研究团队在零样本（Zero-shot）条件下完成了验证，模型训练数据覆盖超过7万晚睡眠记录，并纳入了不同转基因背景、任务范式及脑区数据。

为什么重要

这项研究为“AI for Neuroscience”提供了一个可复现的范式：从单一任务小模型，转向覆盖多模态、跨品系、长期时序数据的基础模型。Brainμ的通用编码-解码架构，使得神经科学家不必为每个新实验范式重新训练模型，可通过零样本或少量数据微调快速适配，大幅降低了长周期、高成本的数据标注与假设验证门槛。

对行业而言，这标志着神经科学数据进入“多模态+大模型”分析阶段。此前，类似睡眠自动分型工具在面对新转基因品系时容易出现性能下降，而Brainμ通过大规模预训练实现了跨品系泛化，并与华为昇腾超节点配合，完成了超过10个月的稳定自动化分析，验证了其在真实科研环境中的长期可靠性。

对用户/开发者/创作者的影响

对AI开发者：Brainμ的tokenizer架构提供了一种可借鉴的跨模态对齐思路，尤其适合生物信号（EEG、fMRI、神经电生理）与其他传感器数据的统一建模。开发者可复用其推理适配经验，在昇腾等国产算力平台上构建类似的科学基础模型。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

对神经科学研究者：可直接使用Brainμ进行睡眠分期、记忆事件检测、跨品系比较等任务，无需编写复杂算法。目前智源已与北京生命科学研究所等机构合作落地，模型+人类专家双向验证结果保持一致。

对精神疾病与睡眠障碍领域从业者：研究揭示了记忆内容对睡眠结构的因果影响，为抑郁、焦虑等伴发睡眠障碍提供了理论线索，未来可能衍生出基于记忆调控的非药物干预方案。

值得关注的后续

1. Brainμ是否向学术界开放微调接口或预训练权重？目前公开信息显示其已在多个实验室使用，但普通研究者的获取渠道尚未明确。2. 模型是否会扩展到人类神经数据？当前版本基于小鼠数据设计，跨物种迁移还需额外训练与验证。3. 华为昇腾超节点推理适配方案是否将作为标准化服务输出？若生态开放，可能降低其他科学AI模型的部署成本。

来源：量子位 · 每日最新

智源&清华合作成果登上Science：脑科学多模态基础模型Brainμ支撑揭示“记忆-睡眠”调控的神经机制