智源清华合作成果登Science：脑科学模型揭示记忆睡眠调控机制

背景

睡眠与记忆的相互作用一直是神经科学领域长期关注的核心议题。传统研究多聚焦于“睡眠促进记忆巩固”这一单向过程，即睡眠有助于将短期记忆转化为长期记忆。然而，作为睡眠期间大脑活动的重要组成部分，记忆重放（Memory Reactivation）是否反过来影响睡眠结构，特别是记忆内容如何适应性参与睡眠稳态调控，此前尚缺乏明确的实验证据。

解决这一科学难题的关键挑战在于数据层面：现代神经科学数据呈现出多模态、高通量、长时程的特征，不同来源的神经数据（如脑电图EEG、钙成像等）异质性强，难以进行统一表征和联合分析。如何从这些复杂数据中捕捉记忆相关神经活动与睡眠状态变化之间的因果关系，成为制约该领域突破的瓶颈。

在此背景下，北京智源人工智能研究院（BAAI）与清华大学生命学院展开深度合作，利用AI技术赋能生命科学基础研究，旨在通过多模态基础模型解决上述数据分析难题，从而揭示“记忆-睡眠”双向调控的神经机制。

核心内容

2026年6月4日，智源研究院与清华大学联合发表的研究成果《Memory Reactivation Underlies Experience-Dependent Adaptive Regulation of Sleep》在国际顶级学术期刊《科学》（Science）上发表。该研究由智源研究院悟界·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担任共同通讯作者。

1. 技术支撑：Brainμ0 脑科学多模态基础模型

为应对神经科学数据多源异构的挑战，智源研究院研发了脑科学多模态基础模型 Brainμ0。该模型的核心模块 Brainμ Tokenizer 能够将 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。这种统一表征使得多模态数据能够在同一框架下进行分析。

结合配套的基础模型解码器，Brainμ0 支持跨个体、跨场景的数据标注、特定神经活动事件识别、神经活动预测及跨模态对齐等任务。在本次研究中，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，实现了零样本（Zero-shot）场景下的跨个体、跨场景数据分析与验证。

2. 科学发现：记忆重激活反向调控睡眠动态

研究团队利用 Brainμ0 模型辅助假设验证与信号因果推断，首次证实了睡眠中记忆重激活对睡眠结构的反向调控作用：

• 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：可显著增强睡眠连续性与抗干扰能力。

研究将睡眠区分为“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）。结果表明，记忆活动产生的神经信号可以有效预测睡眠相位的变化。这一发现推动了对睡眠调控认知的转变：睡眠并非单一的被动恢复过程，而是受到既往经验和记忆内容的动态影响。

3. 应用拓展：自动化分析与跨物种泛化

除了核心的机制验证，Brainμ0 模型已在多个神经科学前沿实验室的真实科研场景中落地。在与北京生命科学研究所（NIBS）刘清华团队的合作中，Brainμ0 被应用于小鼠睡眠神经活动数据的自动化分析。

针对现有算法在面对新实验范式或新转基因品系时性能下降的问题，Brainμ0 凭借覆盖超过 7 万晚睡眠记录的训练数据，展现了强大的泛化能力。在与华为合作，利用昇腾超节点及全栈 AI4S 能力进行推理适配与优化后，模型已持续支持超 10 个月的自动化分析。其分析结果在超过 3000 晚睡眠数据的“模型+人类专家”双向验证中，与专业睡眠神经科学博士研究生的分析结果保持了较高一致性，实现了 Zero-shot 跨品系泛化。

关键要点

• 联合发表：智源研究院与清华大学合作成果发表于《Science》，共同通讯作者为雷博研究员（智源）和钟毅教授（清华）。
• 模型能力：Brainμ0 通过 Brainμ Tokenizer 实现 EEG、钙成像等多模态神经信号的统一表征，支持跨模态对齐与分析。
• 核心机制：证实了“记忆-睡眠”的双向调控机制，即记忆重激活不仅发生在睡眠中，还主动调控睡眠结构（碎片化 vs 连续性）。
• AI 赋能范式：展示了 AI for neuroscience 基础模型在复杂生命科学基础研究中的潜力，特别是在零样本场景下的泛化能力和假设验证辅助作用。
• 工程落地：通过与华为昇腾超节点合作，优化了模型推理效率，并在北京生命科学研究所（NIBS）的实际科研场景中实现了长期、稳定的自动化分析应用。
• 临床启示：该发现为抑郁、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。

意义与影响

这项研究在神经科学和人工智能交叉领域具有双重重要意义。

在科学认知层面，它打破了以往仅关注“睡眠促进记忆”的单向视角，建立了“记忆反向调控睡眠”的全新科学框架。研究揭示了睡眠的动态适应性特征，即大脑会根据记忆内容的性质（正向或负向）主动调整睡眠结构，这为理解睡眠障碍的精神病理学机制提供了新的理论依据。

在技术方法论层面，该成果展示了“AI+神经科学家”的新范式。Brainμ0 模型证明了多模态基础模型能够有效处理高复杂度、多尺度、长时程的神经科学数据，解决了传统小模型泛化能力差、依赖特定任务数据的痛点。通过提供统一的神经信号表征和基于大语言模型的推理分析能力，AI 正在从辅助工具转变为推动基础科学突破的核心引擎。

未来，智源研究院将继续推进 Brainμ 等科学智能基础模型的研发，深化 AI 与脑科学基础研究的融合，致力于解析更复杂的生命科学问题，推动人工智能成为探索人类大脑奥秘的重要基础设施。