A015 科研最前沿 | AI与脑机接口专题

来源：公众号 PSY-Brain_Frontier ｜ 发布：2026-05-24 ｜ 原文链接

▶ 本期20-25篇代表性预印本

1. 从神经活动直接到句子：跨物种神经基础模型推动语音脑机接口端到端解码

2. 低信噪比 EEG 也能接入 LLM？RAG 框架尝试把阅读脑电译成句子

3. EEG 基础模型真的通用吗？NeuroAtlas 用 42 个数据集给出冷静基准

4. 把头皮 EEG 预训练迁移到 ECoG：面向少校准侵入式 BCI 的跨模态解码

5. 遮挡视图也要对齐：DARE-EEG 为 EEG 基础模型补上跨数据集稳健性

6. 不再把 fMRI 压平成向量：功能网络先验让视觉脑解码更可解释

7. 想象书写能零样本解码吗？运动皮层的笔画动力学为开放词表 iBCI 提供线索

8. 能从头皮 EEG 估计颅内信号吗？跨被试 Transformer 探索非侵入到侵入记录的桥接

9. 不只靠闪烁刺激：运动视觉诱发电位为视觉 BCI 提供另一种入口

10. EEG 驱动的闭环音乐干预：从即时情绪状态到个性化生成

11. 看似支持也可能升级痛苦：LLM 心理回应需要同时测量调节与升级

12. AI 写出的目标更 SMART，却可能更“不属于我”

13. 几分钟自然说话能估计心理幸福感吗？LLM 零样本预测的机会与偏差

14. 内心叙事如何参数化情绪状态：用 LLM 表征刻画抑郁体验的几何结构

15. 自发注意转移能从 EEG 中读出吗？面向异步脑机接口的个体化特征解释

16. 别再直接拿人类心理测验评价 AI：需要 AI 专属测量框架

17. 模型越大越像语言脑活动吗？LLM 尺度与自然语言 ECoG 表征的对应关系

18. EEG 解码别只报准确率：SVM 正则化和交叉验证设置会怎样改变结果

19. 从脑激活图预测认知概念：NiCLIP 把神经影像、文本和 CLIP 对齐

20. 一场好对话如何同步：从语音收敛到双人 EEG 耦合

21. 同一海马-眶额网络，慢 theta 和快 theta 对工作记忆产生相反作用

22. RNN 如何表示时间与决策：多种动力学解法可产生相似行为

23. 眼跳会选择记忆中的位置，也可能扩散到同一物体

24. 习惯在行动前已被悄悄激活：EEG 揭示人类习惯控制的隐性竞争

25. 用 DESINE 看动态 fMRI：精神分裂症的脑网络空间组合更受限

本期25篇代表性预印本

01

arXiv · 2026-05-13

A cross-species neural foundation model for end-to-end speech decoding

从神经活动直接到句子：跨物种神经基础模型推动语音脑机接口端到端解码

Yizi Zhang

https://arxiv.org/abs/2511.21740

背景：语音 BCI 如何绕过传统“先解码音素、再拼成句子”的级联流程，直接把尝试或想象说话的神经活动译成文本。

方法：构建 BraIn-to-Text 框架，使用跨任务、跨物种预训练神经编码器，并与音频 LLM 和对比学习结合，评估尝试说话和想象说话的解码。

结果：作者报告，该方法在 Brain-to-Text 2024 和 2025 基准上提升级联解码表现，端到端设置中将既有方法的词错误率从 24.69% 降至 10.22%，并改善尝试说话到想象说话的迁移。

价值：它把神经基础模型、LLM 和临床通信 BCI 放在同一条可优化管线中，是本期最直接的 AI-BCI 交叉条目。

02

arXiv · 2026-05-17

RAG-based EEG-to-Text Translation Using Deep Learning and LLMs

低信噪比 EEG 也能接入 LLM？RAG 框架尝试把阅读脑电译成句子

Enrico Collautti

https://arxiv.org/abs/2605.17503

背景：非侵入 EEG 是否包含足够的语言语义信息，能支持句子级 EEG-to-text 脑机接口。

方法：在 ZuCo 静默阅读单试次 EEG 数据上，训练 EEG 编码器对齐句子语义嵌入，再通过向量检索和 LLM 生成更连贯的句子输出。

结果：作者报告，在 9 名被试中，该流程相对随机基线提高平均余弦相似度，且在无真实标签参与推断的严格流程下达到统计显著。

价值：它展示了 RAG 和 LLM 在 EEG 语义解码中的一种谨慎用法，同时保留了与随机基线比较的必要控制。

03

arXiv · 2026-05-14

NeuroAtlas: Benchmarking Foundation Models for Clinical EEG and Brain-Computer Interfaces

EEG 基础模型真的通用吗？NeuroAtlas 用 42 个数据集给出冷静基准

Konstantinos Kontras

https://arxiv.org/abs/2605.14698

背景：当前 EEG 基础模型是否能在临床 EEG 和 BCI 任务上稳定优于监督基线和通用时间序列模型。

方法：整合 42 个数据集和 26 万小时 EEG，覆盖癫痫、睡眠、脑龄估计和 BCI，并使用更贴近临床任务的评估指标。

结果：作者报告，EEG 专用基础模型并不稳定优于通用时间序列基础模型；不同领域和数据集内的模型排序变化较大，传统机器学习指标不足以反映临床效用。

价值：它提醒领域不要过早相信“统一 EEG 基础模型”，也为后续 BCI/临床 EEG 模型提供了更严格的评测框架。

04

arXiv · 2026-05-11

CORTEG: Foundation Models Enable Cross-Modality Representation Transfer from Scalp to Intracranial Brain Recordings

把头皮 EEG 预训练迁移到 ECoG：面向少校准侵入式 BCI 的跨模态解码

Liuyin Yang

https://arxiv.org/abs/2605.10337

背景：头皮 EEG 基础模型能否迁移到 ECoG，减少侵入式 BCI 对每位患者大量校准数据的依赖。

方法：提出 CORTEG，结合预训练 EEG 基础模型、 electrode-aware 空间适配器、低频与高伽马双流 tokenizer，以及留一被试微调策略，评估手指轨迹和音频包络回归。

结果：作者报告，CORTEG 在两个 ECoG 回归任务上达到或超过强任务专用基线，尤其在低数据校准场景和音频任务中表现更好。

价值：它直接针对临床 BCI 的可部署性问题：新患者适配时间、跨患者泛化和侵入式数据稀缺。

05

arXiv · 2026-05-18

DARE-EEG: A Foundation Model for Mining Dual-Aligned Representation of EEG

遮挡视图也要对齐：DARE-EEG 为 EEG 基础模型补上跨数据集稳健性

Yang Shao

https://arxiv.org/abs/2605.18298

背景：EEG 基础模型在遮挡重建预训练中，如何避免不同遮挡视图学到不一致的潜在表征。

方法：提出双对齐自监督预训练，包括 masked views 之间的对比 mask alignment 和面向完整特征的 anchor alignment，并用 conv-linear-probing 适配不同电极配置和采样率。

结果：作者报告，DARE-EEG 在多种 EEG 基准上取得较高准确率，同时保持较低参数复杂度和更好的跨数据集可迁移性。

价值：BCI 模型的核心困难不是只在单一数据集上高分，而是跨设备、跨被试和跨任务可迁移；这篇正面处理该问题。

06

arXiv · 2026-05-19

FPED: A Functional-Network Prior-Guided Mixture-of-Experts Framework for Interpretable Brain Decoding

不再把 fMRI 压平成向量：功能网络先验让视觉脑解码更可解释

Yudan Ren

https://arxiv.org/abs/2605.19279

背景：视觉图像重建式脑解码如何在利用 CLIP 等 AI 表征的同时，保留 fMRI 功能网络拓扑和神经科学可解释性。

方法：提出 FPED，将不同功能脑网络建模为 mixture-of-experts 中的专门专家，并用自适应路由学习各网络对视觉语义的贡献。

结果：作者报告，FPED 以 0.68B 参数达到有竞争力的语义重建表现，路由动态显示出功能网络与模态特异语义处理之间的对应关系。

价值：它把视觉脑解码从“黑箱映射到图像空间”推进到网络层面的可解释建模，更接近认知神经科学问题。

07

arXiv · 2026-05-18

Conserved Kinematic Representations enable Zero-Shot Decoding in Handwriting BCIs

想象书写能零样本解码吗？运动皮层的笔画动力学为开放词表 iBCI 提供线索

Srinivas Ravishankar

https://arxiv.org/abs/2605.19048

背景：面向中文、日文等超大字符集时，手写 iBCI 是否可以利用共享运动原语解码训练中未出现过的字符。

方法：将神经活动与想象书写的运动学表征对齐，训练可零样本解码未见字符的机器学习模型。

结果：作者报告，该模型在未见字母上达到 64% hits@3 检索表现，提示不同字符环境中存在较稳健的笔画运动学表征。

价值：它把 BCI 性能问题转化为运动神经科学问题，对扩展到非拼音文字系统特别重要。

08

arXiv · 2026-05-17

Cross-Subject Intracranial EEG Reconstruction from Scalp Recordings Using Multi-Scale Cross-Attention Transformers

能从头皮 EEG 估计颅内信号吗？跨被试 Transformer 探索非侵入到侵入记录的桥接

Tien-Dat Pham

https://arxiv.org/abs/2605.18897

背景：是否能在未见患者上，用头皮 EEG 重建部分 iEEG 信号，从而降低侵入式训练数据需求。

方法：提出 CAST，两阶段迁移学习框架先提取多尺度时间表征，再用少量目标被试数据校准通道感知解码器，并在公开数据上进行留一被试验证。

结果：作者报告，CAST 对靠近头皮的皮层信号重建较好，在可观测感觉运动区域达到较高相关，且少量校准即可适配新硬件配置。

价值：这类方法不能替代侵入记录，但为 BCI 的低风险筛查、患者适配和跨模态建模提供了值得检验的路线。

09

arXiv · 2026-05-15

Beyond Flickering: Introducing Code-Modulated Motion Visual Evoked Potentials for Brain-Computer Interfacing

不只靠闪烁刺激：运动视觉诱发电位为视觉 BCI 提供另一种入口

Hanneke Scheppink

https://arxiv.org/abs/2605.15801

背景：视觉 BCI 能否用运动调制替代传统闪烁刺激，减少刺激形式单一带来的限制。

方法：提出 code-modulated motion visual evoked potential，在离线 EEG 实验中比较 c-MVEP、c-VEP、SSMVEP 和 SSVEP，并在四分类在线 BCI 中测试可行性。

结果：作者报告，c-MVEP 在线 BCI 平均准确率为 85.67%，平均选择时间为 2.61 秒，低于 c-VEP 和 SSVEP，但高于 SSMVEP。

价值：它以范式创新而非单纯模型调参推进 BCI，适合关注刺激设计、用户体验和信号质量的读者。

10

arXiv · 2026-05-16

MindMelody: A Closed-Loop EEG-Driven System for Personalized Music Intervention

EEG 驱动的闭环音乐干预：从即时情绪状态到个性化生成

Yimeng Zhang

https://arxiv.org/abs/2605.01235

背景：音乐干预能否根据使用者即时脑电情绪状态动态调整，而不是依赖静态偏好。

方法：构建闭环系统，先用 Transformer-GNN 从 EEG 解码 valence-arousal 状态，再用 RAG-LLM 形成干预计划，并通过分层 EEG controller 调控音乐生成模型。

结果：作者报告，MindMelody 提高了情绪对齐和控制遵循度，并在短时聆听设置中获得更高的感知帮助评分。

价值：它把 EEG、LLM、生成音乐和心理干预放入闭环系统，也暴露了真实临床有效性仍需进一步检验的问题。

11

arXiv · 2026-05-20

When Support Escalates Distress: Regulation and Escalation in LLM Responses to Venting and Advice-Seeking

看似支持也可能升级痛苦：LLM 心理回应需要同时测量调节与升级

Vivienne Bihe Chi

https://arxiv.org/abs/2605.21569

背景：LLM 在心理支持场景中，面对宣泄和寻求建议两种求助方式时，是否会调节或放大用户痛苦。

方法：使用 178,800 条 Reddit 帖子区分求助风格，并基于人际情绪调节理论构建 regulation 与 escalation 两个维度，比较默认、朋友和治疗师 persona 的 LLM 回应。

结果：作者报告，宣泄会引出更多调节也更多升级；治疗师 persona 降低升级同时保持调节，而朋友 persona 同时提高两者。

价值：它提醒心理 AI 不能只看“共情感”或用户主观喜欢，还要评估潜在的情绪升级风险。

12

arXiv · 2026-05-13

Optimized but Unowned: How AI-Authored Goals Undermine the Motivation They Are Meant to Drive

AI 写出的目标更 SMART，却可能更“不属于我”

Vivienne Bihe Chi

https://arxiv.org/abs/2605.12344

背景：当 LLM 替人制定自我提升目标时，目标质量提升是否会牺牲心理所有感、承诺和后续行动。

方法：预注册实验比较自写目标与 LLM 基于个人反思生成的目标，并在两周后追踪行动情况，同时检验心理所有感的中介作用。

结果：作者报告，LLM 生成目标在 SMART 标准上得分更高，但参与者报告更低的心理所有感、承诺和重要性，两周后采取多个行动的比例也低于自写目标组。

价值：它给 AI 辅助心理干预和生产力工具提出了明确设计约束：优化文本不等于优化动机。

13

arXiv · 2026-05-11

Predicting Psychological Well-Being from Spontaneous Speech using LLMs

几分钟自然说话能估计心理幸福感吗？LLM 零样本预测的机会与偏差

Erfan Loweimi

https://arxiv.org/abs/2605.11303

背景：LLM 是否能从自发语音转写中提取与 Ryff 心理幸福感量表相关的语义线索。

方法：使用 PsyVoiD 数据库中 111 名参与者的短语音记录，评估 12 个指令微调 LLM，并由临床心理学和语言学专家协作设计领域提示词。

结果：作者报告，部分 LLM 在 80% 数据上与心理幸福感分数达到较高 Spearman 相关，并通过统计分析和关键词分析检查预测变异与偏差。

价值：它展示了 LLM 作为心理测量辅助工具的潜力，同时需要谨慎处理样本量、泛化和解释性限制。

14

arXiv · 2026-05-20

Internal narratives parameterise affective states

内心叙事如何参数化情绪状态：用 LLM 表征刻画抑郁体验的几何结构

Jakub Onysk

https://arxiv.org/abs/2502.09487

背景：个体如何用语言描述情绪与症状，这些叙事结构能否映射到抑郁和情绪状态的潜在维度。

方法：在两个大型研究中，用 LLM 表征及其子空间量化参与者内部叙事，分析其与标准化抑郁自评和情绪叙事变化的关系。

结果：作者报告，症状相关思维的文字描述包含可预测自评抑郁分数的细粒度信息，且保留症状间特定协方差对构念效度很重要。

价值：它把临床心理叙事、计算表征和情绪状态建模连接起来，比单纯情感分类更接近心理测量问题。

15

arXiv · 2026-05-18

Subject-Specific Analysis of Self-Initiated Attention Shifts from EEG with Controlled Internal and External Attention Conditions

自发注意转移能从 EEG 中读出吗？面向异步脑机接口的个体化特征解释

Yuwen Zeng

https://arxiv.org/abs/2605.18251

背景：没有明确外部时间标记的自发注意转移，是否能通过准备期 EEG 与外部指令转移区分开。

方法：在受控内外注意条件下记录 EEG，使用机器学习分类频段拓扑模式，并用 SHAP 做模型特征归因。

结果：作者报告，准备期 EEG 在个体内能可靠区分两类注意转移，高频段和额叶区域对模型决策贡献较大，但高频 EEG 结果需谨慎排除非神经伪迹。

价值：它把注意研究和异步 BCI 需求连接起来，也示范了可解释机器学习在 EEG 个体化分析中的用法。

16

arXiv · 2026-05-11

Position: Stop Evaluating AI with Human Tests, Develop Principled, AI-specific Tests instead

别再直接拿人类心理测验评价 AI：需要 AI 专属测量框架

Tom Sühr

https://arxiv.org/abs/2507.23009

背景：把人类智力、人格或教育测验直接用于 LLM，会不会造成测量对象和构念解释上的错误。

方法：从心理测量学和 AI 评测角度提出立场论证，分析标准化人类测验在非人类系统上的效度、污染、文化偏差和提示敏感性问题。

结果：作者报告，把基准表现解释为 AI 拥有人类式心理特质缺乏充分理论和经验证据，主张建立面向 AI 系统的专门评估框架。

价值：AI 与心理学交叉不能只借用心理量表；这篇为“如何测量 AI 心智”划出方法学边界。

17

bioRxiv · 2026-05-10

Scale matters: Large language models with billions (rather than millions) of parameters better match neural representations of natural language

模型越大越像语言脑活动吗？LLM 尺度与自然语言 ECoG 表征的对应关系

Zhuoqiao Hong

https://doi.org/10.1101/2024.06.12.598513

背景：不同规模 LLM 的上下文表征，是否能解释人脑在自然语言理解中的神经活动差异。

方法：在癫痫患者听 30 分钟自然故事时记录 ECoG，用多个 Transformer LLM 隐层嵌入建立逐电极 encoding model，比较模型规模、层级和脑区的预测表现。

结果：作者报告，较大规模 LLM 更好捕捉自然语言结构并预测神经活动；随着模型变大，最佳预测层呈现向较早层移动的对数关系，不同脑区对应的最佳层也不同。

价值：它为“LLM 能否作为人类语言处理模型”提供了直接神经数据检验，而不是只比较行为或基准分数。

18

bioRxiv · 2026-05-10

Evaluating the effects of regularization and cross-validation parameters on the performance of SVM-based decoding of EEG data

EEG 解码别只报准确率：SVM 正则化和交叉验证设置会怎样改变结果

Guanghui Zhang

https://doi.org/10.64898/2025.12.10.693548

背景：EEG MVPA/解码研究中，SVM 正则化参数、交叉验证折数和试次平均设置如何影响性能估计。

方法：在 7 个常见 ERP 范式和多个更困难的多分类任务中，系统改变 SVM 的 C 参数、交叉验证折数和每个平均中的试次数。

结果：作者报告，当正则化强度等于或大于 1 时，解码准确率和效应量最高；多数情况下 3-5 折交叉验证并保证每个平均至少 10 个试次表现较优。

价值：很多 EEG-BCI 和认知解码论文依赖类似设置，这篇为可复现分析提供了实用基线。

19

bioRxiv · 2026-05-23

NiCLIP: Neuroimaging contrastive language-image pretraining model for predicting text from brain activation images

从脑激活图预测认知概念：NiCLIP 把神经影像、文本和 CLIP 对齐

Julio A Peraza

https://doi.org/10.1101/2025.06.14.659706

背景：功能神经影像中，如何从脑激活图更准确地推断对应的认知任务、概念和领域。

方法：利用 23,000 多篇神经科学文章训练文本-脑图像对比模型 NiCLIP，并比较全文、摘要、认知本体和 BrainGPT 等 LLM 表征的作用。

结果：作者报告，全文训练和精细认知本体能优化预测，微调 LLM 略优于基础 LLM；NiCLIP 能较好预测 HCP 群体激活图的任务和概念，但在嘈杂个体水平激活图上有限。

价值：它是 AI 参与功能解码和神经影像元分析的代表性尝试，也清楚指出了个体层面应用的限制。

20

bioRxiv · 2026-05-11

How do we align in good conversation? Investigating the link between interaction quality and multimodal interpersonal coordination

一场好对话如何同步：从语音收敛到双人 EEG 耦合

Marcos Eliseo Domínguez-Arriola

https://doi.org/10.64898/2026.05.09.723997

背景：对话质量和互相好感是否体现在语音-语音、脑-语音和脑-脑多层级协调上。

方法：陌生人 dyads 进行多段自由对话，同时记录声音和双人 EEG，分析韵律适应、神经语音追踪和跨脑协调。

结果：作者报告，互相印象更积极的伙伴在音量和声质上更趋同；交互质量越高，alpha 和 theta 频段的跨脑关系越强，其中并发 alpha 耦合最突出。

价值：它把社会心理体验与 hyperscanning 指标连接起来，可为 AI 介入对话和心理支持场景提供人类互动基准。

21

bioRxiv · 2026-05-11

Opposing effects of slow and fast theta synchrony on working memory in the human hippocampal-orbitofrontal network

同一海马-眶额网络，慢 theta 和快 theta 对工作记忆产生相反作用

Samantha M. Gray

https://doi.org/10.64898/2026.05.10.724153

背景：人类海马、眶额皮层和杏仁核网络如何用不同 theta 频段组织序列工作记忆。

方法：分析 21 名神经外科患者在 delayed match-to-sample 工作记忆任务中的颅内 EEG，比较慢 theta 与快 theta 的跨区相位锁定、局部相位-振幅耦合和行为关系。

结果：作者报告，同一解剖路径的慢 theta 同步与更快反应相关，而快 theta，尤其海马-眶额同步，在高认知负荷下与较差准确率和反应时相关。

价值：它说明 BCI 和认知解码不能只看“同步增强”，频段和任务阶段决定了神经同步的行为意义。

22

bioRxiv · 2026-05-22

Task-Parametrized Dynamics: Representation of Time and Decisions in Recurrent Neural Networks

RNN 如何表示时间与决策：多种动力学解法可产生相似行为

Cecilia Gisele Jarne

https://doi.org/10.1101/2025.09.15.676356

背景：循环神经网络在延迟决策任务中如何内部表示经过时间，并在决策时刻把低维群体轨迹对齐到输出。

方法：训练 RNN 完成二选一、上下文依赖决策和知觉整合等延迟任务，分析连接统计、特征值谱、readout alignment 和低维群体轨迹。

结果：作者报告，网络可收敛到振荡或非振荡等不同但行为相近的动力学方案，群体活动保持低维分布式，响应前主要在 readout-null 子空间演化，接近决策时才对齐输出维度。

价值：它把人工网络可解释性和生物神经动力学中的退化性、冗余性联系起来，有助于谨慎使用 RNN 作为认知模型。

23

bioRxiv · 2026-05-10

Space-based and object-based saccadic selection in visual working memory

眼跳会选择记忆中的位置，也可能扩散到同一物体

Olga Shurygina

https://doi.org/10.64898/2026.05.05.723053

背景：视觉工作记忆维持期间的眼跳选择效应，是只增强目标位置，还是也会扩散到同一物体的其他位置。

方法：通过 3 个实验让观察者记忆 Gabor 朝向或完成变化检测任务，并操控刺激是否属于同一轮廓定义物体以及眼跳目标位置。

结果：作者报告，记忆最好的是眼跳目标位置；在变化检测任务中，这种收益也扩散到同一物体内其他位置。

价值：它为眼动、注意和工作记忆的空间/物体表征提供了清晰行为证据，也与注视驱动 BCI 和视觉交互设计相关。

24

bioRxiv · 2026-05-10

Neural dynamics of covert habit activation and control in humans

习惯在行动前已被悄悄激活：EEG 揭示人类习惯控制的隐性竞争

Eike K. Buabang

https://doi.org/10.1101/2025.11.12.687990

背景：人类习惯形成后，刺激-反应系统和目标导向系统如何在动作准备阶段竞争。

方法：进行预注册 EEG 研究，包含 14 天刺激-反应训练，并用严格时间控制分离习惯激活与目标导向控制；重点分析 lateralized readiness potential 和 frontal midline theta。

结果：作者报告，LRP 能追踪被克服的不适当习惯反应的隐性激活；探索性分析显示，广泛训练的习惯需要被压制时，额中线 theta 功率升高，并与个体习惯表达相关。

价值：它为“AI 是否能预测或干预习惯行为”之前的人类神经机制问题提供了更扎实的 EEG 证据。

25

bioRxiv · 2026-05-22

Dynamic Estimation of Spatially Interactive Networks (DESINE) Reveals Constrained Brain Repertoire in Schizophrenia Linked to Clinical and Cognitive Symptoms

用 DESINE 看动态 fMRI：精神分裂症的脑网络空间组合更受限

Krishna Pusuluri

https://doi.org/10.64898/2026.05.20.726604

背景：静息态 fMRI 中，脑网络的空间交互动态是否与精神分裂症的认知症状相关。

方法：提出 DESINE，用滑动窗口中的体素活动联合分布刻画 14 个网络间的 4D 空间交互，并在 508 名受试者中比较健康对照和精神分裂症患者。

结果：作者报告，患者显示更受限的网络交互动态库，RMSE 和 MAD 指标整体较低，状态亲和度指标改变，并与认知表现、症状评分和药物剂量相关。

价值：它把 AI/统计网络方法用于可解释的认知精神病理机制，而不是只做诊断分类。

编辑：PsyBrain 脑心前沿编辑部

审核：PsyBrain 脑心前沿编辑部

💡 关于我们

👋 你好，这里是「PsyBrain 脑心前沿」

🧠 专注追踪全球认知神经科学的最尖端突破

🔍 视野直击 Nature, Science, Cell 正刊 及核心子刊与顶级大刊

📄 每日速递「深度解读」与「前沿快讯」

科研是一场探索未知的长跑，但你无需独行。欢迎加入 PsyBrain 学术社群，和一群懂你的同行，共同丈量脑与心智的无垠前沿。

👇点击卡片进群，欢迎你的到来👇

一键关注，点亮星标 ⭐ 前沿不走丢！

一键分享，让更多人了解前沿

预览时标签不可点

不喜欢

微信扫一扫
关注该公众号

知道了

微信扫一扫
使用小程序

取消 允许

取消 允许

取消 允许

× 分析

微信扫一扫可打开此内容，
使用完整服务