智源清华脑科学大模型Brainμ登Science揭示记忆睡眠机制

最新的研究成果揭示了一个有趣的现象：睡眠中的记忆重激活，竟然反过来参与调控睡眠本身的动态变化。这为理解“记忆-睡眠”之间复杂的双向作用机制，提供了一条全新的实验证据链。

睡眠与记忆之间的相互影响，长期以来一直是神经科学领域关注的核心问题。过往的大量研究已经证实，睡眠对记忆巩固起着关键作用。但反过来，作为睡眠中大脑活动的重要组成，记忆重放是否也会影响睡眠结构？特别是，记忆内容如何能够灵活地参与睡眠的稳态调控？这个问题一直悬而未决。其难点在于，如何从睡眠活动、记忆活动等多模态、长时程的海量数据中，精准捕捉记忆相关神经活动与睡眠状态变化之间的因果关系，并进一步加以验证。

2026年6月4日，北京智源人工智能研究院与清华大学联合开展的研究，围绕这一难题取得了重要进展。相关成果以“Memory Reactivation Underlies Experience-Dependent Adaptive Regulation of Sleep”为题，发表在国际顶级学术期刊《科学》（Science）上。北京智源人工智能研究院悟界·Brainμ模型团队负责人雷博研究员与清华大学生命学院钟毅教授，为本文的共同通讯作者。

研究明确指出，睡眠中的记忆重激活参与调控了睡眠动态。值得一提的是，本研究中一个关键的支撑力量，是智源研究院AI+神经科学团队研发的脑科学多模态基础模型Brainμ0。这个模型在记忆-睡眠多模态数据分析、辅助科学家进行假设验证、以及睡眠状态识别等关键环节中提供了关键支撑，也展示了AI for neuroscience基础模型参与复杂生命科学基础研究的巨大潜力。

1 智源自研神经科学基础模型Brainμ，面向神经科学多模态数据的AI分析基座

现代神经科学数据已经进入了多模态、高通量、长时程的记录时代。随之而来的一个共性挑战是：多源神经数据异质性极强，如何实现统一表征与联合分析难度极高。针对这一需求，智源研究院研发了脑科学多模态基础模型Brainμ0。它的核心模块Brainμ Tokenizer扮演了“万能翻译器”的角色——能将EEG、双光子钙成像数据、Neuropixels等不同类型的神经信号，转化为对齐的神经活动表征token，使得这些看似毫不相关的数据能够在同一个框架下进行分析。再配合配套的基础模型解码器，Brainμ0可以支持跨个体、跨场景的数据标注、特定神经活动事件识别、神经活动预测、跨模态对齐等基础研究任务。

图1 Brainμ Tokenizer (Mouse) 结构示意图

（图源：AI生成）

2 从“睡眠促进记忆”到“记忆反向调控睡眠”：AI基础模型辅助神经科学假设验证

基于Brainμ模型强大的多模态神经信号编解码能力，研究团队提出了一条全新的“AI+基础研究”思路——使用神经科学基础模型来辅助假设验证与信号因果推断。在本次发表于Science的研究中，Brainμ0被用于处理和分析睡眠EEG信号与记忆相关的单细胞双光子钙成像信号。模型不仅帮助研究人员确认了记忆活动的神经信号可以有效地预测睡眠相位变化的发生，还能辅助区分“伴随记忆重激活的睡眠”（Memory Reactivation Sleep, MRS）与“非伴随记忆重激活的睡眠”（Non-MRS），为数据驱动的假设验证提供了有力支持。在整个研究过程中，Brainμ在零样本（Zero-shot）场景下，实现了跨个体、跨场景的数据分析与验证，充分体现了基础模型在神经科学数据分析中的泛化潜力。

研究团队首次证实：负面记忆的再激活会加剧睡眠碎片化、提升机体警觉性；而正向记忆的再激活，则能显著增强睡眠的连续性与抗干扰能力。这一发现碘伏了传统的认知：睡眠并非一个单一的被动恢复过程，它同样会受到既往经验和记忆内容的动态影响。这不仅为睡眠-记忆双向调控机制建立了全新的科学框架，也为抑郁、焦虑等精神疾病伴发的睡眠障碍，提供了全新的机制视角与治疗思路。

图2 Brainμ模型辅助神经科学家验证记忆活动与睡眠动态性关系

3 从机制验证到自动化分析：Brainμ构建“AI+神经科学家”新范式

除了本次研究中的假设验证和神经信号分析，Brainμ0模型已经在多个神经科学前沿实验室的真实科研场景中落地应用，辅助神经科学家进行跨物种、跨模态的数据分析与科学假设验证，覆盖了记忆、情绪、脑疾病等相关研究方向。

以智源研究院与北京生命科学研究所（NIBS）的联合研究为例，Brainμ0被应用于小鼠睡眠神经活动的自动化分析。以往的小鼠睡眠自动分析算法，在面对新的实验范式或新转基因品系时，往往会出现性能下降的问题，限制了其在真实科研中的稳定应用。与那些面向单一任务或单一数据类型的小模型不同，Brainμ0的训练数据覆盖了超过7万晚睡眠记录，并纳入了不同转基因背景、任务范式、脑区及其他模态数据。因此，它具备更强的跨个体、跨任务、跨模态泛化能力。在与北生所刘清华团队的合作中，Brainμ0被用于不同转基因品系小鼠长期睡眠数据的自动化分析，并通过了超过3000晚睡眠数据的“模型+人类专家”双向验证。同时，研究团队联合华&为，使用昇腾超节点以及全栈AI4S能力对Brainμ模型进行了深度的推理适配与优化，已持续支持超10个月的自动化分析。相关分析不仅实现了Zero-shot跨品系泛化，且这10个月的数据分析结果，均与专业睡眠神经科学博士研究生的分析结果保持了较高的一致性。

图3 Brainμ辅助跨场景、跨个体的小鼠睡眠自动化分型

（图源：AI生成）

Brainμ基于多模态基础模型的架构设计，具备灵活的下游任务适配能力，可以面向不同实验范式和数据类型，提供统一的神经信号表征以及基于大语言模型的推理分析。面向未来，智源研究院将持续推进Brainμ等科学智能基础模型的研发与落地，直面脑科学领域高复杂度、多模态、跨尺度的数据挑战，探索AI与神经科学基础研究深度融合的新范式，推动人工智能成为助力复杂生命科学问题解析和基础研究突破的重要工具。

原文链接：
https://doi.org/10.1126/science.aed8630

来源：互联网