Workflow
神经工程
icon
搜索文档
天大,靠VC出圈
36氪· 2025-10-02 10:33
天津大学130周年校庆与战略转型 - 天津大学迎来130周年校诞,作为中国第一所现代大学,其战略正从“培养工程师”向“孵化创业者”、从“输出科研成果”向“培育创新生态”转变 [1][2] 2024年创投基金布局 - 2024年9月,联合九安医疗、海河产业基金等发起规模50亿元人民币的“天开九安海河海棠科创母基金”,聚焦人工智能、生物医药、高端装备等硬科技领域,重点支持天开高教科创园内的早期项目孵化 [2] - 2024年11月,携手脑机交互与人机共融海河实验室设立规模10亿元人民币的专项基金,瞄准脑机接口、神经工程等前沿方向,推动科技成果转化 [2][9] - 基金布局旨在建立“科学家+企业家+政府+投资人”的创新投资模式,以“耐心资本”支持技术的长期发展 [10] 校友企业IPO进展 - 易思维(杭州)科技股份有限公司科创板上市申请于2024年6月5日获受理,计划募资12亿元,用于工业视觉智能装备产业化基地建设和研发中心升级,核心技术源自天津大学精密仪器学科,创始人郭寅为天大博士 [3][5][6] - 滴普科技于2024年5月向港交所递交招股书,公司估值达68亿元人民币,由天大本硕校友赵杰辉创立,聚焦企业级大模型人工智能应用解决方案,按2024年收入计算在中国相关市场排名前列 [3][4] 北洋海棠基金发展历程与规模 - 北洋海棠基金成立于2017年,由天津大学校友企业家自发发起,专注于投资天津大学师生及校友的硬科技项目 [7][8] - 目前基金总体管理规模超过75亿元人民币,已投资50余个硬科技项目,直接投资和带动投资近50亿元人民币 [8] - 基金计划未来5年打造不少于40万平米的创新创业载体,吸引500家科创企业,孵化10家独角兽企业,汇聚1万名以上青年学子留津创业 [9] 天开高教科创园生态建设 - 天开园于2023年5月18日正式开园,旨在通过“物理空间+制度设计”破解高校成果转化“最后一公里”难题,聚焦政务、科创、金融、商务、知识五大服务 [11] - 自成立以来,天开园设立41只基金,总规模达196.3亿元人民币,带动企业获得投融资24.27亿元人民币,已孵化培育企业超过100家 [11][12] - 园区内成功案例包括天津大学成果转化企业费曼动力完成高瓴资本等多轮融资,以及永续新材料建成年产3万吨的食品级纳米纤维素生产线 [12] 学科积淀与时代机遇 - 天津大学拥有130年的工科学科深耕历史,是中国工科教育的“压舱石”,在新能源、新材料等硬科技领域具备深厚积淀 [13] - 当前一级市场投资风格向“投早、投小、投科技”转换,为高校科技成果转化提供了时代机遇,天津大学在此背景下走在高校创投浪潮前列 [13]
光刺激新技术能加速大脑类器官成熟
科技日报· 2025-08-25 16:30
技术核心与机制 - 利用石墨烯光电特性将光信号转化为温和电刺激 促进神经元连接和信息交流 模拟真实大脑输入信号 [2] - 非遗传 生物相容且无破坏性技术 可在数天至数周内有效调控神经活动 [1] - 避免传统直流电刺激对神经元损伤 不改变细胞遗传密码 [1] 科研应用价值 - 加速大脑类器官成熟过程 促使形成更牢固神经连接 更有序神经网络和更高效通信能力 [2] - 为研究阿尔茨海默病等神经退行性疾病提供新视角 在患者来源类器官模型中效果显著 [1][2] - 缩短药物筛选和测试时间周期 推动神经系统疾病研究和脑机接口开发 [1][2] 技术突破与创新 - 实现类器官对机器人设备实时控制 感知-反应循环在50毫秒内完成 [2] - 石墨烯与大脑类器官结合可响应外界环境 展现出AI领域应用潜力 [3] - 标志着石墨烯在神经科学 纳米技术和神经工程领域取得重要突破 [2] 行业影响前景 - 重新定义神经科学边界 推动从基础研究到AI和医疗工程的广泛变革 [3] - 开辟活体神经组织与技术系统融合新路径 发展神经生物混合系统 [2][3] - 有望成为研究神经退行性疾病和发育性脑病的强大平台 拓展至组织工程领域 [2]
用大脑“说话”:脑机接口让失语者再次发声
虎嗅· 2025-07-15 08:26
脑机接口技术突破 - 加州大学戴维斯分校联合团队首次实现通过大脑信号直接生成自然语音的技术,让渐冻症患者恢复对话能力[1][4] - 系统采用256通道微电极阵列植入患者大脑左侧前中央回腹部,捕捉"试图说话"时的神经电信号[7] - 双路径解码机制结合两套深度神经网络,分别预测语音内容(音素概率及声学特征)和副语言信息(语调/情绪),还原率超90%[11][12] 核心技术架构 - 系统工作流程分为神经信号采集、解码、语音合成和实时播放四步闭环,延迟达毫秒级[7][12] - 创新算法通过屏幕提示语引导患者生成神经-语音配对数据,解决训练数据缺失问题[8] - Transformer架构模型每10毫秒预测一次语音频谱与音高特征,个性化声码器融合患者早期录音保留音色特征[9][10] 性能指标 - 疑问语调识别准确率90.5%,词语重读识别准确率95.7%,自由表达音频质量Pearson相关系数0.79±0.05[12] - 成功实现语速调控、语调区分(疑问/陈述句)、词语强调定位及音高合成(精度>73%)[17] - 系统在无提示问答任务中仍能生成清晰语音输出,显示向自主表达迈进的技术潜力[20] 应用前景与局限 - 技术已开源并计划拓展至中风、脑瘫等多类失语人群,未来或与非侵入式脑电技术结合[18] - 当前局限包括依赖外部引导(屏幕提示)、样本仅1例ALS患者、语调自然度与真实对话存在差距[19][21] - 长期挑战涉及自由表达实现、设备侵入性降低及长期稳定性提升[22]