在7月18日WAIC 2026"AI for Science: Beyond the Concept"媒体圆桌上，北京智源人工智能研究院发布了全球首个多模态神经科学大模型"悟界·Brainμ1.0"。这个模型能将脑电波、钙成像、神经探针等完全异构的神经信号统一编码到同一个语义空间中，使原本互不相通的神经信号测量技术第一次在同一框架下实现对齐和理解。这一突破性的成果被视为AI4S在生命科学领域的重要里程碑，为理解大脑这一"最复杂的器官"打开了全新的大门。
神经科学研究长期以来面临一个根本性的方法学难题：不同实验技术测量的是大脑活动的不同侧面。脑电图记录的是头皮表面的电信号，时间分辨率高但空间分辨率极低；钙成像可以观测到单个神经元的活动，但只能覆盖大脑皮层的浅层区域；神经探针可以深入到脑深部核团记录单个神经元的放电，但每次只能记录少数几个核团。这些技术各有优势，但它们的测量数据在格式、尺度和信息维度上完全不同，研究者根本无法将不同实验的数据放在同一个分析平台上进行比较和整合。这就好比一群盲人在摸象，有人摸到象鼻子，有人摸到象腿，但没人能把它拼成完整的大象。
智源研究院的研究团队想到了用大模型来"统一神经语言"。他们构建了"悟界·Brainμ1.0"，将不同神经信号数据首先通过各自的编码器转换为统一的"神经Token"序列，然后在一个大规模Transformer架构中进行对齐训练。训练完成后，这个模型可以接收任何一种神经信号的输入，自动将其映射到统一的语义空间中，并输出其他模态对应的神经活动模式。这意味着，研究者可以在脑电图数据上运行模型，然后让模型"预测"对应的钙成像信号会是什么样子，或者反过来从钙成像数据推断神经元放电模式的概率分布。这种跨模态的"翻译"能力，在神经科学领域是前所未有的。
凭借悟界Brainμ1.0的分析能力，研究团队在2026年6月发表于《科学》期刊的研究中做出了一个里程碑式的发现：首次实验证实记忆可以反向调控睡眠。传统的神经科学共识一直认为，睡眠是记忆形成和巩固的单向过程，白天经历的事件在夜晚睡眠中被整理和存储到长期记忆中，这是一个从"醒到睡"的信息传递。但智源团队利用悟界Brainμ1.0分析了大量小鼠神经信号数据后发现，记忆不仅受睡眠影响，还能反向调节睡眠的质量和结构。
具体来说，积极的正向记忆会优化睡眠质量，增加深度睡眠的时长和稳定性；而负向记忆则会加剧睡眠的碎片化，导致夜间惊醒增多。这一发现的意义在于，它揭示了一个睡眠和记忆之间的双向调节环路，大脑并不是在睡眠中被动处理记忆，记忆也在主动"塑造"睡眠。对于抑郁症和焦虑症等精神疾病患者来说，这一发现提供了全新的治疗干预思路。目前临床上对睡眠障碍的治疗主要依赖药物干预，而基于"反向调控"的原理，未来有可能开发出通过记忆重编程来改善睡眠的非药物治疗方案。智源研究院研究员雷博在WAIC现场表示，神经科学的数据标准化程度还远远不够，悟界Brainμ1.0目前的能力仍处于早期阶段，但科学家的使用反馈已经非常积极。
悟界Brainμ1.0的技术实现路径具有高度的原创性。模型采用了"多编码器-统一解码器"的架构设计。每个输入模态都有独立的编码器：脑电图信号通过时序卷积网络提取时空特征，钙成像数据通过3D卷积神经网络提取神经活动的时空模式，神经探针数据通过点过程编码器转换为神经脉冲序列。这些模态专属编码器将各自的原始数据转换为固定维度的特征向量序列，然后由一个统一的Transformer解码器将这些特征序列对齐到共享的神经语义空间中。
为了训练这个模型，智源研究院构建了大规模的跨模态神经信号数据集，包含来自小鼠和非人灵长类动物的超过50TB的多模态神经记录数据。训练策略上采用了对比学习和掩码重建相结合的方法：对比学习让模型学会区分来自同一实验和不同实验的神经信号对，掩码重建则让模型学会从部分信号中恢复完整的神经活动模式。在验证测试中，悟界Brainμ1.0在脑电图到钙成像的跨模态预测任务上达到了0.78的皮尔逊相关系数，远高于此前基线方法的0.45。在神经探针数据的跨区域预测中，模型能够在仅提供海马体信号的情况下，以83%的准确率预测前额叶皮层的实时神经活动模式。
悟界Brainμ1.0的发布在AI4S领域具有重要的范式意义。过去，AI for Science的注意力主要集中在蛋白质结构预测、材料发现和分子模拟等相对成熟的领域。神经科学因为数据种类繁多、标准不统一、实验可重复性差，一直被AI4S研究者视为最难啃的"硬骨头"。智源研究院选择在这个领域攻坚，本身就是一种战略选择。雷博研究员在交流中坦言："神经科学的数据标准化程度不足，AI4S在该领域的能力尚处早期，但科学家的使用反馈已经非常积极，这样的发展比原来大模型的发展更健康、更有未来，因为需求走在能力前面，应用验证反过来推动模型迭代。"
智源研究院已经将悟界Brainμ1.0的部分能力以API形式对外开放，供全球神经科学研究机构免费使用。同时，研究团队还在与多家医院合作，探索将该模型应用于脑疾病的临床辅助诊断。初步数据显示，在抑郁症患者的脑电图分析中，悟界Brainμ1.0能够识别出传统分析方法难以捕捉的微小信号异常，其识别灵敏度比现有方法提升了约40%。智源方面表示，未来还将继续扩大模型的模态覆盖范围，预计在2027年初实现对包括功能磁共振成像在内的全模态神经信号覆盖。