中国科学家首次看清神经元的“三张面孔”
基于光学成像，首次实现单神经元“功能-结构-分子”三模态解析。
脑智卓越中心供图
神经元三模态研究的部分团队成员，从左到右依次为王凯、徐圣进、赵钰琛、刘星兰。
脑智卓越中心供图
本报讯（中青报·中青网记者 张渺）大脑是一个极其精密的信息处理系统，神经元则是其基本计算单元。
要理解大脑，不仅要知道神经元“在做什么”，还要知道它“长什么样、怎么连接”以及“由什么构成”。
然而，这三类信息长期来自不同实验体系，难以整合。
如今，中国科学院脑科学与智能技术卓越创新中心（以下简称“脑智卓越中心”）的研究团队成功突破这一瓶颈。
近日，相关研究成果在国际学术期刊《细胞》在线发表。
该研究由脑智卓越中心王凯研究团队和徐圣进研究团队联合攻关完成。
脑智卓越中心研究员王凯提到，当前脑科学研究的共识是，大量神经元的集群活动是大脑执行其功能的物质基础。
一个非常重要的问题是，神经元的分子特征和它的结构连接是如何共同塑造它的功能的。
“理解这个问题，可以帮助我们理解大脑如何通过特化神经元的结构、分子构成，来构筑执行功能的大脑网络。
”王凯对中青报·中青网记者说。
为此，研究团队自主研发了基于成像的多模态解析平台IMC，首次实现了对同一神经元在体钙活动、全脑投射形态与3D原位基因表达谱的高精度整合解析。
该工作突破了长期存在的单神经元三模态数据获取和跨尺度配准的技术瓶颈，为复杂脑功能解析和脑疾病机制研究提供了重要技术平台。
“实现三模态在同一个神经元上的联合解析，是我们研究的主要技术目标。
实现这个目标面临很多技术困难，包括技术兼容问题、如何能在不同模态中追踪到同一个细胞的问题等。
为了解决这些问题，我们创立了兼容的多模态解析技术平台。
”王凯说。
据介绍，为建立IMC平台，团队打通了从活体功能记录、全脑形态重构到3D原位分子检测的技术链路。
而IMC平台的建立，离不开两项由团队自主研发并已申请发明专利的底层技术，即多平面并行化双光子显微镜和双色编码膨胀荧光原位杂交技术。
研究团队依托IMC平台，以小鼠初级视觉皮层为切入点，获得207个具有在体功能活动和形态信息的神经元，进一步获得141个神经元的完整三模态数据集，包括皮层内投射神经元和锥体束神经元。
“我们的解析平台本身可以观测分子、结构、功能三个层面的性质，既适用于正常生理状态，也适用于病理状态。
以帕金森病为例，在分子层面发生变化后，会导致结构上多巴胺神经元死亡或凋亡，微环境随之改变，功能反应也出现异常，最终行为输出也跟着变化。
我们的工具可以在这三个层面进行系统观测，完全可以应用到疾病病理机制的研究中。
”脑智卓越中心研究员徐圣进说。
据悉，本研究产生的单神经元多模态数据已开放下载，研究人员可通过专门的数据平台浏览和下载。
该研究建立的IMC平台为单神经元多模态研究提供了新的范式。
与传统方法相比，它使研究者能够从真实同源数据出发，分析分子身份、形态结构和功能响应之间的关系。
未来，该平台可扩展到更多脑区、细胞类型和行为范式，用于解析任务相关计算、环路结构和分子身份之间的关系，也可用于研究脑疾病中特定神经元亚型的功能异常、联接改变和分子状态变化。
“后续的脑图谱计划或神经解析技术，可以通过该平台采集的真实同源数据作为桥梁，把原来的数据库进行整合，将一个个‘数据孤岛’连通起来。
”徐圣进说。
中青报·中青网记者 张渺 来源：中国青年报
OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型
Ai2（艾伦人工智能研究所）今日发布了一款卫星地图嵌入模型OlmoEarth v1.3，并为全球范围提供了多种分辨率下预先计算好的年度嵌入数据，同时配套推出了基于浏览器的地图制作工具。该模型能够将一年的卫星观测数据压缩成数值指纹，最小分辨率下每个指纹对应10米乘10米的地面区域，同时也提供64平方米和128米分辨率的版本。
这种数值指纹捕捉的模式信息，可供其他软件用于区分农田、森林、矿区等不同类型的地表覆盖。
此前，使用OlmoEarth的主要方式是通过OlmoEarth Studio进行微调，针对每项任务训练一个模型，再将其应用于卫星数据以生成地图。
这种方式需要大量图形处理单元资源，以及下载和存储影像的能力。
此次发布的OlmoEarth嵌入浏览器是一款基于浏览器的地图制作工具。
这意味着任何人都可以将OlmoEarth用于实际工作，从追踪时间变化到寻找相似地点，无需注册登录即可使用。
嵌入数据代表了模型从数百万张卫星图像中学习到的内容。
OlmoEarth会读取一年的雷达图像及相关数据，包括Sentinel-1、Sentinel-2和Landsat的数据。
Sentinel和Landsat是提供地球互补视角的卫星任务：Sentinel-1测量雷达反射信号，而Sentinel-2和Landsat则捕捉可见光和红外波长的光线。
该公司表示，与以往版本的OlmoEarth模型相比，v1.3是其训练成本最低的模型。
其训练所用计算时间仅为最新版本（v1.2）的53%，为第一版（v1）的18%，碳排放量也分别仅为两者的50%和22%。
不过v1.2仍是一款强大的微调模型，对研究机构和合作实验室而言依然具有价值。
这些模型在现实世界中的应用场景 这些卫星模型有助于压缩跨越时间和空间的大量数据，这对于理解地球的变化方式非常有用。
在秘鲁马德雷德迪奥斯地区，围绕拉潘帕的非法金矿开采活动在2017年和2018年达到顶峰，在坦博帕塔国家保护区缓冲区内清除了超过1200公顷的森林。
亚马逊保护团队的MAAP监测项目报告了这一活动。
2019年2月，秘鲁的"水银行动"关闭了大部分采矿作业。
我们如何得知这一事实？ 嵌入数据给出了明确答案。
无需进行模型训练，仅通过比较不同年份的数据像素，观察2016年至2020年间的情况，可以清晰看到南部矿区带内有明显的向东扩张趋势：显著变化区域达34平方公里。
而同样的比较放在2020年至2024年间，这一面积降至9平方公里。
关闭行动的效果显而易见。
Ai2表示，对许多团队来说，针对某个想法测试OlmoEarth通常意味着需要进行一次微调运行，这是一项耗时数小时、成本高昂的艰巨任务。
而在浏览器工具中，初步分析仅需几秒钟即可完成。
仅凭少量标签对某个区域进行分析，无需使用GPU。
当某项任务确实需要进行微调实验时，嵌入数据可以帮助判断该实验是否值得投入计算时间，以及模型存在哪些不足之处。
人多抢网真烧心！从技术原理到实测数据，看天际通拥塞加速值不值
十月下旬深秋，正是出门赏秋和年底商务出差扎堆的时候。不知道大家有没有遇到过这种让人极度“烧心”的时刻：高铁站候车的时候，临时被拉进视频会议，画面非常卡；或者挤在晚高峰地铁里，手机右上角明明信号满格，微信却一直在转圈。
这通常不是基站没信号，也不是手机故障，大概率是“信道堵车”了。
当高密度人群在同一时空同时发起连接，基站的上下行信道资源被瞬间挤占，数据包只能排队，表现出来就是高延迟和高丢包。
那么，这个“拥塞加速”真的靠谱吗？我深度体验了一下，用这几天的行程实测数据说话。
场景一：高铁站商务办公 上周赶车出差，高铁候车厅人山人海，是典型的网络拥堵重灾区。
等车的时候，加入公司的视频会议，画面频繁卡顿，网络延迟一度飙升到380ms左右。
随后我打开华为天际通，在首页并一键开启服务（系统会智能感知网络，零门槛不用调参数）。
开启后再次观察会议监控面板，延迟迅速回落并稳定在75ms-90ms之间；从候车大厅一路检票上车，全程沟通连贯没掉线。
场景二：周末万人演唱会现场 周末去看了场演出，几万人聚集导致上行信道争抢极其激烈。
未开启加速时，用测速软件测得文件上传速度仅0.3MB/s，一段45MB的现场高清合唱视频，微信转圈了近两分钟还没传完。
开启拥塞加速后，重测上传速度提升至3.2MB/s左右，同样大小的高清视频十几秒就顺利发出了，演唱会现场也能及时分享。
场景三：晚高峰地铁通勤 回到日常晚高峰地铁，车厢里人挨着人。
不开加速追1080P剧集，15分钟内出现了4次加载缓冲；打开MOBA手游，游戏延迟飘红破300ms。
而启用拥塞加速后，追剧更顺畅，一路上拖动进度条基本即点即播，视频缓冲次数降为0；游戏内的ping值则被稳稳压在48ms-65ms的绿网区间，团战响应稳了不少。
总结： 智能感知、一键开启，在基站高负载场景下，华为天际通拥塞加速降延迟和提速上行的效果很直观。
但也需要和大家分享的是：它解决的是“人多抢网”的信道拥堵，如果身处信号较差的偏远地区、地下室和地下停车场等地点，它是无法凭空变出信号的。
目前该服务仅支持 华为鸿蒙5及以上设备，且需使用 移动/电信网络。
最后聊聊怎么选。
现在大家都是讲究性价比的“纯过日子人”，大流量包买多了用不完纯属浪费，所以可以按需购买，共有三档： 1小时包（9.9元）：9.9元起，不到一杯咖啡的钱，适合快速通勤、高铁站候车及短途高铁救急； 2小时包（14.9元）：折合7.45元/小时，适合看演唱会、中长途出行； 4小时包（21.9元）：折合低至5.48元/小时，适合长途高铁或全天移动办公。
如果你近期准备出门欣赏秋日，需要出差、看演唱，或者日常挤地铁，不妨打开华为天际通备上一单，关键时刻确实能少受不少网络卡顿的窝囊气。
