28位美國青年科學家

對抗癌症到搜尋地外生命，這28位聰明絕頂的人才正在塑造我們的未來

我們向全球頂尖研究者提出了一個簡單問題：當今美國最優秀、最引人入勝的早期職業科學家是誰？隨後我們審查了提名，查閱科學期刊，並進行了嚴格的數據分析，以遴選出首屆「美國青年科學家」名單。 （關於我們的方法論及更多報道，詳見 sciam.com/young scientists。）

這28位研究者正在突破邊界，創造探索未知的里程碑工具，並回答地球上（甚至宇宙間）一些最棘手的問題。他們來自各行各業，耕耘於不同領域，並將科學視為使命──即使身處經費大幅削減、證據被忽視的時代。這些青年科學家涉足癌症生物學、深空、人工智慧、人類行為等諸多領域。他們是美國科學事業的未來。

以下是我們呈現的2026年 Sccientific American 美國青年科學家。希望您和我們一樣為之讚歎。 ——編輯部

金建軍

為植物基因組研究開發軟體

一天之內，金建軍可能從在電腦上寫程式碼切換到實驗台操作，或在紐約植物園擔任助理館長在溫室燈光下工作。他的研究跨越多個領域——植物系統學、基因組學和計算生物學——目標是為了更好地理解植物的內在運作。

金建軍是GetOrganelle 的開發者，這是一款AI 軟體工具，幫助生物學家從植物細胞的所有其他DNA 中分離細胞器（如粒線體和葉綠體等小細胞結構）的DNA，使他們更容易找到和研究感興趣的序列。它是同類工具中最準確的之一，在GitHub 上擁有數百顆星。

GetOrganelle 最初是金建軍練習Python 程式設計技能的業餘專案。他說，起初一些同事持懷疑態度。直到GetOrganelle 在一個困難的豆科植物結構資料集上取得一些成功，他的導師和資深合作者才鼓勵他將這項工作作為學術論文發表。該論文現在已有數千次引用。

儘管植物園似乎不是科學家的明顯去處，但金建軍說植物園「不僅是工作場所；它是研究體系的一部分。紐約植物園的生活收藏、標本館收藏、園藝專業知識和生物多樣性知識為研究植物進化提供了異常豐富的基礎。」他的新挑戰是試圖破譯植物遺傳嵌合體——即單一生物體包含多個基因組的情況。

從一個項目到下一個項目，流動對金建軍作為研究者的成功至關重要。 「中國有句老話，大意是『樹挪死，人挪活』。」—Ari Sen

Tonima Tasmin Ananna

理解超大質量黑洞的行為

Tonima Tasmin Ananna 說，當她在孟加拉達卡長大時，拉閘限電期間反而是仰望星空的最佳時機。 “你會看到鄰居，然後看到天空，”她說，“就這樣，你便對天空著了迷。”

Ananna 如今是密西根州韋恩州立大學的天文物理學家，研究超大質量黑洞——它們如何吞噬周圍物質，以及如何影響其所寄居的星系。儘管黑洞本身是暗的，但被吸引到黑洞「巨口」的氣體和塵埃會堆積成一個熾熱白熱的漩渦，稱為吸積盤，這是宇宙中最明亮煙火的部分來源。吞噬最猛烈的超大質量黑洞驅動著被稱為活動星系核（AGN）的現象。研究人員長期致力於理解這些星系誕生與毀滅引擎的形成與演化過程。

不過，研究AGN 並非總是一帆風順，部分原因在於它們常被環狀氣體塵埃（即環狀圓環）所遮蔽。 （環狀圓環通常位於比吸積盤更遠的地方，且不一定與吸積盤共面。）Ananna 的研究透過結合光學、紅外線和X 射線波段對AGN 的觀測，幫助揭開這些面紗。她工作的一項洞見是：遮蔽AGN 的環狀圓環反而創造了有用機會——可作為診斷工具，揭示黑洞行為中原本隱藏的面向。此外，來自AGN 吸積盤的輻射似乎也決定了其遮蔽環的大小和取向。

「超大質量黑洞是怪獸，」Ananna 說，「它們顯然對所在星系的成長有巨大影響；它們似乎共同演化。其中一些關係相當神秘。」——Emma Gometz

Allie Balter-Kennedy

鑽探冰芯以預測氣候變遷的影響

Allie Balter-Kennedy 前往地球上最嚴酷的地方，試圖預測氣候暖化將如何影響地球的冰蓋。這位塔夫茨大學的科學家與團隊合作，有時鑽入冰層數百英尺深，以探索數千年乃至數百萬年間發生的變化。冰芯中隱藏的地球歷史幫助她預見未來。

為了研究冰芯，她使用一種名為「宇宙成因核素暴露測年」的方法，該方法利用地球不斷受到由帶電粒子組成的宇宙射線轟擊這一事實。這些粒子與大氣層和地球表面的原子相互作用，產生同位素。透過測量深埋冰芯樣本中的同位素水平，科學家可以估算岩石最後一次暴露於大氣的時間。而得知陸地最後一次無冰的時間，有助於科學家更能理解當時的氣候過程。

Balter-Kennedy 的工作將她帶到了南極洲和北極，包括格陵蘭島，在那裡她每次在冰蓋上帳篷裡連續生活數週——環境極具挑戰，但她卻樂在其中。 「能到戶外、在偏遠地區工作，以及所有野外工作的協作性質，正是最初吸引我進入這個領域的原因，」她解釋道。

Balter-Kennedy 並不是一直計劃走學術道路。如今，她正快速學習作為早期職業學者的行政事務——申請經費、指導本科生和招募實驗室人員。但同時，驅動她的是核心問題：氣候變遷將帶來什麼，以及她可能在地球冰層深處發現什麼。 ——Claire Cameron

Samagya Banskota

利用類病毒顆粒安全有效地遞送療法

Samagya Banskota 在尼泊爾的醫生家庭長大，從小就知道醫生如何改變人們的生活。如今她是波士頓大學的生物醫學工程師，研究如何為多種疾病創造更安全、更有效的療法。

Banskota 正在製造所謂的類病毒顆粒，以將基因編輯技術遞送到細胞中。這些工程化顆粒具有類似病毒的蛋白質結構，可以針對體內的特定細胞，但它們不含自身的遺傳物質，因此不具傳染性。透過將基因編輯工具包裝在這種顆粒中，她的團隊得以避免使用真實病毒遞送療法所帶來的問題。

其他研究者已證明類病毒顆粒可以在培養皿中將基因編輯機器送到細胞中。但Banskota 及其同事首次在活體生物中成功展示了這種方法達到治療水平，並恢復了遺傳性失明小鼠的部分視覺功能。 “蛋白質的半衰期最短，所以它們進入體內，完成工作，幾小時內就會被降解，”她解釋道，“我們不必擔心這些系統長期表達可能帶來的任何副作用。”

Banskota 指出，這些類病毒顆粒也可用於遞送基因編輯材料以外的療法。抗體藥物如用於乳癌的赫賽汀，則是實驗室工程化蛋白質。它們非常有效，但作用於細胞外部的蛋白質標靶。而許多人類疾病的驅動因素——包括多種癌症和神經系統疾病——位於細胞內部，這類療法無法到達。 「由於我們的遞送系統在蛋白質遞送方面表現極佳，」Banskota 說，「我認為這為治療可能原本無法治療的疾病開闢了一個全新的藥物類別。」——Kate Wong

Jenny Bergner

模擬外太空化學以解釋行星形成

在加州大學柏克萊分校的天體化學實驗室裡，化學定律被推到了極限。 Jenny Bergner 正在思考宇宙中一些最大的問題：行星如何形成？生命最初是如何誕生的？為此，她領導一個團隊研究星際空間極寒和近真空條件下發生的奇異化學過程。

Bergner 的團隊利用詹姆斯韋伯太空望遠鏡和智利的阿塔卡馬大型毫米/亞毫米陣列等觀測設施，收集行星形成環境中存在的分子的光譜指紋。她將望遠鏡數據與實驗室實驗互補——將分子置於超低溫、超低壓的真空中，形成類似太空中發現的無序多孔冰。接著，她和同事用光子轟擊冰體，模擬星際空間的輻射。 「然後我們就能在分子層面上理解發生了什麼反應，」她說。這些反應可能影響行星體在其分子組成開始凝聚時的形成方式。

Bergner 的研究在2023年進入公眾視野，當時她和同事在《自然》雜誌上發表了一篇論文，為'Oumuamua（首個被觀測到穿越我們太陽系的星際天體）的行為提供了新的解釋。該天體曾經讓天文學家困惑，因為它離開太陽系時的加速方式與彗星等通常表現不同。科學家曾猜測外星飛船等離奇解釋。 Bergner 的答案不那麼戲劇化，但對她而言遠更令人滿意：氫氣體，在數百萬年間被宇宙射線困在'Oumuamua 的冰質內部，在該天體經過太陽附近時受熱逸出，推動其前進。不需要神秘思維－只是化學定律在星際條件下的演繹。

「對我來說，說某件事是由魔法引起的是很無趣的解釋，」Bergner 說。她補充道，發現的激動來自於運用科學法則解釋我們所見的現象，無論多麼奇怪。 ——Andrea Gawrylewski

Adam Bowman

利用螢光技術記錄神經元間的電訊號

Adam Bowman 出身於一個喜愛動手修理的家庭。一位祖父修理拖拉機和汽車發動機，另一位祖父有一艘船，Bowman 經常和他一起修船，他們還一起製作無線電遙控模型飛機。如今，Bowman 在加州拉霍亞的索爾克生物研究所繼續他的「修復」工作，但對像不再是飛機和發動機——他試圖讓研究人員更容易看到大腦中細胞間的相互通訊，所構建的技術可應用於多種疾病和紊亂，包括帕金森氏症、精神分裂症、自閉症和癌症。

當神經元相互交流時，它們會透過細胞膜傳遞微小的電荷。科學家可以透過在細胞中放入螢光蛋白、使其發光來研究這個過程。大多數方法研究蛋白質的亮度。 Bowman 的方法稱為電光螢光壽命成像顯微鏡（EO-FLIM），專注於在快速雷射脈衝後蛋白質保持發光的時間長短，從而能夠看到一個細胞將電信號傳遞給另一個細胞——即大腦迴路在實時運作。 「這需要非常穩定的手，」Bowman 談到他和同事在動物模型中使用EO-FLIM 的方法時說。

目前已有多個實驗室基於Bowman 的設計搭建EO-FLIM 顯微鏡。 Bowman 說，一些研究人員已利用EO-FLIM 更好地記錄了活體果蠅大腦中的神經元活動。他希望該方法能幫助其他科學家研究帕金森氏症患者大腦如何喪失發送訊息的能力。它也可用於檢測細胞快速分裂——這是癌症的標誌之一。

Bowman 一直在繼續開發EO-FLIM，但他指出，將技術轉化為可上市的產品需要時間。不過，憑藉迄今的成功，他已能看到隧道盡頭的螢光。 ——Josh Fischman

Colin Carlson

闡釋氣候變遷如何影響生態多樣性與人類健康

一次宿醉激發了Colin Carlson 將氣候變遷、公共衛生和生態學融合在一起的想法。在與一位寄生蟲學家外出聚會後的第二天早午餐時，Carlson 問那位朋友：寄生蟲是否可能像他所研究的許多生物一樣，因氣候變遷而滅絕？兩人隨後進行了迄今為止最大的寄生蟲生物多樣性研究，發現多達三分之一的寄生蟲物種面臨因氣候變遷而滅絕的風險。寄生蟲在全球生態系統中佔據重要生態位，因此如此規模的滅絕後果可能是災難性的。

Carlson 現在是耶魯大學流行病學助理教授，探索星球健康背後的科學和政策，並領導一個名為Verena 的美國國家科學基金會研究項目，與同事一起尋找新出現的病毒威脅。他的使命是幫助世界了解未來的公共衛生緊急狀況會是什麼樣子，以及我們可以採取哪些措施來緩解。他曾就公共衛生問題在國會作證，並倡導增加對疾病監測的投資。他說，挑戰在於讓當權者採取行動。

在經費削減、錯誤訊息和公眾對科學不信任的時代，這比以往任何時候都更具挑戰性。目前Verena 處於“嚴重不穩定狀態”，人員離職、對審查制度的擔憂以及聯邦經費流失的不確定性層出不窮。在他的實驗室裡，Carlson 在桌上貼著一張便利貼，上面寫著：「花在研究上的時間永遠不會浪費。」他以此為信條。 「這是這份工作最艱難的時刻，我這麼說有點半開玩笑，因為這份工作本來就很難，」Carlson 說，「通常它艱難但有回報。現在它主要是艱難。」——KR Callaway

Steven Chavez

使工業製程使用的催化劑更耐用、更有效

Steven Chavez 進入化工領域的機會來自一位老師Kelly Silva。 「你有這方面的天賦，」有一天化學課後Silva 告訴他。她將他轉入她的高等化學課程，並鼓勵他努力學習。如今，Chavez 在加州大學洛杉磯分校研究催化劑——即促進化學過程的材料。催化劑廣泛應用於石油和農業等工業，為我們提供塑膠、肥料及其他現代生活驅動力。

Chavez 特別關注催化劑在長時間使用中的表現以及失效時會發生什麼。這些蛋白質、化合物、金屬和其他材料能降低化學反應所需的能量，但它們可能會停滯或停止，從而減慢過程、降低產率並產生不完整產物，進而影響農民、工業化農業和食品供應成本。高效催化在藥物生產上也是重要議題。如果科學家知道這些變化何時及如何發生，他們就能更好地控制相關化學過程。

Chavez 正在透過在不同波長的光下研究催化劑來探索這些問題。一旦了解催化劑的行為，他希望利用光來控制它。

面對聯邦經費削減和科學機構的不穩定，Chavez 努力保持積極態度，專注於自己能控制的事情——申請經費、教學、指導以及研究自己的重大課題。他來自代表性不足的群體，深知自己是榜樣。他說，他無法與所有看起來像他的學生產生共鳴，但可以給他們工具和信心，讓他們在科學中開闢自己的先鋒之路。 ——Megha Satyanarayana

Jieneng Chen

為癌症檢測創建人工智慧工具

電腦科學家Jieneng Chen 希望將物理世界數位化。他是TransUNet 的發明者，這是一種人工智慧工具，有助於繪製癌性腫瘤的邊界，同時考慮其與周圍器官系統的關係。 TransUNet 融合了兩種流行的運算架構。第一種是卷積神經網絡，傳統上用於理解影像。第二種是Transformer——即GPT 中的“T”，也是大型語言模型近期大部分進展背後的創新。兩者的結合使該工具對放射科醫生非常有用，使他們能夠在CT 掃描或磁振造影中更準確地識別邊界。

小時候，Chen 常在中國泉州家中搭建的小型實驗室拆解玩具車。他對機器內部運作的興趣最終引導他在上海學習機械工程，隨後轉向電腦科學。大學三年級時，他飛行7400英里前往約翰斯·霍普金斯大學，從事癌症早期檢測的AI 研究。在那裡，Chen 開發了能夠識別毫米級腫瘤的模型，他說人類幾乎不可能從醫學掃描影像中用肉眼辨別出來。 「如果我們想幫助患者或幫助盡可能多的家庭，我們需要開發能夠在早期檢測癌症的AI 工具，」他說。

回到中國後，他在新冠疫情期間遠端開始了在約翰斯霍普金斯大學的博士學習。由於時差，他每週有幾天要熬夜到午夜上網課。在此期間，他開發了TransUNet，該工具已成為肺部、胰臟、肝臟和乳房異常檢測系統的基礎。在返回巴爾的摩完成線下學業後，他繼續在此基礎上推進工作。 「偉大的科學並不總是需要在一個專案上投入多年，」Chen 說，「而是，你知道，它更像是一種火花，對吧？」——Ari Sen

Kauê M. Costa

將新工具應用於行為測試以探究我們如何學習

Kauê M. Costa 在德國讀博期間，試圖理解安非他命如何導致過動症，這時他注意到他的小鼠行為異常。這些小鼠經過基因改造以幫助研究大腦中的多巴胺，它們異常活躍。它們服用的安非他命使雌性小鼠平靜下來，但對雄性無效。小鼠的學習方式因性別而異，這種差異打亂了他的實驗結果。

Costa 出生於巴西亞馬孫地區，現在是阿拉巴馬大學伯明罕分校的助理教授，研究動物如何學習。他將新工具應用於神經科學的經典行為測試——食物線索、迷宮和按壓槓桿——試圖理解大腦如何決定哪些資訊重要且應存儲，哪些可以丟棄。 “我們不斷被，可以說，幾乎無限的信息轟炸，”Costa 說，“決定我們學習什麼以及如何學習的原則是什麼？”

他的研究表明，多巴胺不僅參與幫助我們區分好壞，還在更複雜的學習類型中發揮作用，幫助我們根據過去事件推斷接下來會發生什麼。

無論是夢想從事野外生物學還是迅速在神經科學領域嶄露頭角，Costa 都以冒險精神為指引。對於這個曾以為自己會探索亞馬孫的年輕人來說，大腦是更複雜、因而更具吸引力的未知領域。他本可以在完成博士後研究後離開美國，但即使面臨聯邦經費混亂，在美國做研究仍然「無與倫比」。他教導學生追隨自己的興趣和想法——而如今，由於他的探索，我們對這些想法有了更深入的了解。 ——Dan Vergano

Dane deQuilettes

尋找更好的材料以改善太陽能

在研究生二年級時，Dane deQuilettes 以為他的顯微鏡出了問題。他剛從牛津大學回到華盛頓大學，在牛津他學會了製造鈣鈦礦——一種可像油墨一樣印刷的多晶太陽能材料——他迫不及待地想看看薄膜會顯示出什麼。但影像看起來不太對勁。他確信自己校準搞砸了，於是秘密地花了好幾天排查故障。

顯微鏡沒問題。他發現問題是出在材料上。

2015年，鈣鈦礦的效率正在超過人們研究的其他太陽能材料，人們希望它們能被製造成廉價、高性能的太陽能電池。但deQuilettes 偶然發現該領域早期的一個假設是錯誤的。研究人員曾認為鈣鈦礦薄膜是均勻的。他揭示它們其實是晶體的拼湊物，有些性能優異，而有些則因缺陷而洩漏能量。這項發現將太陽能研究人員的方向轉向中和這些缺陷——並使deQuilettes 成為將這種熱門材料推向更精密科學的科學家之一。

DeQuilettes 在華盛頓州中部長大。他被稱為運動員，但常常偷偷溜去參加科學奧林匹克競賽，生怕被當成書呆子。當他告訴母親他想學化學時，母親擔心這份工作收入不足以維持生計；他隨後帶回來一份薪資調查數據。

DeQuilettes 今年稍早加入普林斯頓大學，目前正在籌建量子與新興半導體技術實驗室。他仍在研究太陽能材料，但已將範圍擴展到量子感測，利用具有微小工程缺陷的鑽石晶體，這些缺陷可作為極其靈敏的環境探針。

「每個領域都會到達未知的邊緣，」他說，「這是一個謎，而你能學得非常快。這就是讓我興奮的地方。」——Eric Sullivan

Chee-Huat Linus Eng

創建技術讓科學家即時觀察生物過程

在馬來西亞巴生長大時，Chee-Huat Linus Eng 對生命的「如何」特別感興趣，最早源於對維生素C 如何影響皮膚細胞的好奇。如今，在加州理工學院獲得化學博士學位後，Eng 正在空間基因組學領域掀起風暴。

身為Spatial Genomics 公司的研發副總裁，Eng 專注於一個看似簡單的任務：在特定時間點捕捉細胞的基因活動。此活動記錄在RNA 轉錄本中，即特定基因序列編碼資訊的副本。不同類型的RNA 轉錄本共同構成細胞的轉錄組。科學家先前已能捕獲從周圍組織分離出來的單一細胞的轉錄組，但Eng 和他在加州理工的同事希望在細胞保持原位的情況下捕獲資訊。

最近，Eng 創建了seqFISH+，這是一種基於順序螢光原位雜交的技術，讓科學家能夠使用螢光探針檢測特定蛋白質和其他分子。借助seqFISH+，研究人員可以捕獲細胞的整個轉錄組——數萬個基因——並觀察它們的表達如何根據細胞是否靠近癌細胞或免疫細胞等而改變。

Eng 在加州理工的導師Long Cai 說，Eng 對太空基因組學領域的「變革性貢獻」「從根本上改變了科學家可視化和理解細胞生物學的方式」。 Cai 說，Eng 方法的「多功能性和廣泛適用性」意味著它可以闡明細胞在做什麼，並在許多不同領域有用，包括發育生物學、神經科學、癌症研究、免疫學和微生物學。

「任何需要基因表現空間圖譜的領域都將從這項技術中受益，」Eng 說。 ——Tara Haelle

Emily Finn

研究為什麼人們對同一件事有不同解讀

神經科學家Emily Finn 經常在Reddit 上瀏覽關於電視劇、電影、書籍或播客的爭議——任何「在不同人身上引發截然不同反應」的敘事，她解釋道。她對人們聽完同一個故事後得出迥異觀點的現象著迷。 「最終得出截然不同解讀的人，他們的大腦之間有何不同？」她問道。這個問題在政治極化加劇、人們對世界的看法急劇分化的當下尤其重要。

Finn 在達特茅斯學院工作，她的職業生涯聚焦於發現個別大腦的獨特性。 2014年，她和同事發現，人們大腦網路的掃描圖差異大到可以像指紋一樣被用來辨識。更重要的是，這些特定模式可用於預測智力類型。

這些發現顛覆了神經科學家研究大腦的常規方法。通常研究者會尋找相似人群之間的共通性而非差異。這樣做是因為掃描技術不夠精確——如果在許多人身上看到相同模式，結果就更有把握。但Finn 的發現表明，差異中也包含有意義的資訊。為了找到這些差異，她的團隊測量不同人觀看相同影片片段或聽相同故事時的大腦活動。

Finn 認為，我們不同的大腦——能夠看同一部電影、同一部電視劇或同一組科學數據並做出完全不同的解讀——是一種祝福。 「我們不希望生活在一個每個人都以完全相同方式思考的世界裡，」她說。認知變異使我們人類如此富有創造力和創新性。但這種差異也可能分裂我們。 「這絕對是一把雙面刃，」Finn 說，「但我真心認為，從根本上說，[這種變異]是一種真正的優勢。」——Allison Parshall

Jaye Gardiner

研究細胞和組織周圍的基質如何影響癌症

Jaye Gardiner 是塔夫茨大學生物學助理教授，專注於癌性腫瘤周圍的細胞外基質（ECM）。作為第一代美國人和第一代大學畢業生，Gardiner 的道路並不平坦。但從高中開始，幾位導師——包括一位讓元素週期表變得有趣的化學老師——幫助引導她走向科學事業。

在整個求學過程中，她被意想不到的交叉領域的想法和問題所吸引。這就是她最終關注腫瘤周圍富含蛋白質的微環境的原因。 「如果你把腫瘤細胞想像成種子，腫瘤微環境就是種子所在的土壤，它可以決定種子是會長成癌症，還是受到抑製而根本不發芽，」Gardiner 說。事實證明，不僅腫瘤微環境會改變並影響癌細胞，其他力量如日常病毒也可能反過來塑造它。 Gardiner 想知道，持續暴露於像引起普通感冒那樣的常規病毒，是否可能以某種方式改變身體的細胞外基質，使其更有利於癌症生長？最終這些資訊可能揭示ECM 與癌症等疾病之間的相互作用。 「我想把這些想法延伸出去，探索病毒學和癌症生物學之間非傳統的聯繫，」Gardiner 說。

Gardiner 認識到導師們如何成就了今天的她。她在建立自己實驗室的過程中也回報了這份恩情。 「現在我很興奮，我們終於可以真正做實驗了，」Gardiner 說，「我真的很喜歡指導和教導他人。正是因為有其他人傳遞知識，我才得以站在這個位置上。」——Jeanna Bryner

Trevor GrandPre

建構模型以理解細胞中自組織結構如何導致​​疾病

Trevor GrandPre 上大學時立志成為醫生，但在醫院當志工後，他發現這份工作遠不如他希望的《豪斯醫生》——而且他討厭看到血。如今他在聖路易斯華盛頓大學，將物理學和生物學結合，研究生物分子凝聚物——由RNA 和蛋白質自組織的團塊，它們聚集和分解以保護細胞、幫助細胞移動、處理營養物質等。

這類凝聚物可能有數百種；GrandPre 最早研究的其中一種幫助驅動植物細胞的光合作用，另一種對免疫細胞活化很重要。他說，有些凝聚物發揮有益作用——例如細胞的核仁，幫助製造建造蛋白質的機器——但有些可能有害，例如與某些神經退化性疾病相關的基於凝聚物的蛋白質聚集體。

GrandPre 的使命？ 「理解那些有益的凝聚物，」他說，「並加強使其正常運作的因素，同時阻止有害凝聚物的形成或在其形成後將其溶解。」他正在發展理論並建立計算模型來預測凝聚物如何運作和失效。

GrandPre 說，生物分子凝聚物領域正在不斷發展，需要理論學家、生物學家、工程師、化學家等眾多學者聚集在一起，才能充分探索這個迷人的研究領域。 「這個領域吸引我的地方在於，每個人都能找到自己感興趣的東西，」他說。

但當前的政治氣候正在縮窄研究重點並影響預算，因此儘管生物分子凝聚物的未來光明，GrandPre 強調，在日益增長的應用之外，理解它們所需的基礎研究仍需優先考慮。他說，他必須「更有策略地解釋為什麼我們需要理解基本原理。」——Sarah Lewin Frasier

Anna Ho

描述短暫天文物理事件的特徵

高中時，Anna Ho 對神經科學如此著迷，以至於她寫信給神經學家兼作家Oliver Sacks，詢問他是否需要實習生。她回憶說，Sacks 的代表禮貌地拒絕了，但鼓勵她追求自己的熱情。她照做了，這引領她踏上了一場進入太空科學的變革之旅。

Ho 現在是康乃爾大學的助理教授，研究天文暫現源——短暫且通常劇烈的天體事件，在數月、數天甚至數分鐘的時間尺度上突然閃耀然後消失。她利用地面和太空覆蓋整個電磁波譜的望遠鏡，在這些天體消失前對其進行研究。

這些天體有著笨重的標籤，如「發光快速藍色光學暫現源」——比典型超新星更亮、更短暫的明亮藍色閃光——但它們更廣為人知的是Ho 和其他科學家賦予的異想天開的名字。有「乳牛」（以官方代號AT2018cow 命名），一種比超新星亮約100倍的爆發，在短短幾天內變暗，而非通常的數週。還有「塔斯馬尼亞惡魔」（AT2022tsd），它反覆爆發，每次比爆炸恆星更亮僅持續數分鐘——Ho 第一次看到時「震驚得說不出話來」。 “我會長久記住那一刻，”她說，“那可能是我職業生涯中感到最驚訝的一次。”

發現天文暫現源需要全球天文台合作者之間的快速動員。 Ho 組織這些觀測活動的能力在同事中享有盛譽。她和合作者觀察到的結果讓我們更深入地了解物質和能量如何在極端環境中傳播。

其成果是對大質量恆星如何生死的更深入理解——以及更多工作要做。 「現在我會說，我的工作提出的問題比回答的還要多！」Ho 說。 ——Lee Billings

Kaiyi Jiang

創建AI 平台以發現新療法

Kaiyi Jiang 在中國的醫生家庭長大，他看到了這個職業的限制。無論他家的醫生嘗試什麼，有時病人仍然無法痊癒。因此，他沒有從醫，而是開始思考如何設計出更好的藥物。

如今在普林斯頓大學，Jiang 希望利用人工智慧來幫助回答藥物設計中的一個基本問題：如何將正確的治療送到體內正確的位置並在正確的時間發揮作用？他的團隊目前正在研究治療性抗體——這些療法可以刺激免疫系統殺死癌細胞或阻止細胞產生引起發炎的分子。這些療法很強大，但對某些人來說有毒性，對其他人則會失效。這就是為什麼Jiang 的實驗室正在開發AI 模型，以梳理關於人體運作方式的龐大得驚人的數據。其理念是，這些模型將輸出更安全、更有效的工程化抗體和其他基於蛋白質的療法選項。

Jiang 對目前研究經費的動盪感到擔憂。他說，當初選擇學術道路時，他收到了其他國家機構的教職邀請，但他認為美國是做科學最好的地方。他相信與產業界的合作——例如他與生技公司安進（Amgen）的合作——可能有助於填補研究經費缺口，儘管產業界的目標可能非常具體。

Jiang 想起獲得諾貝爾獎的癌症療法，它們源自於關於免疫系統如何自我調控、如何區分入侵者和它試圖保護的身體部分的基礎性問題。 「人們當初並不是為了治癒肺癌或肝癌，也不是為了發現我們今天擁有的非常重要的檢查點阻斷藥物，」他說，「它們來自非常基礎的免疫學問題。」——Megha Satyanarayana

Dmitrii Kochkov

創建人工智慧工具以預測氣候變遷對極端天氣的影響

在俄羅斯彼得羅扎沃茨克童年時，Dmitrii Kochkov 喜歡和父母一起解幾何謎題。高中時他參加數學和物理競賽。到了研究生階段，他轉向機器學習和量子物理學來解決難題。現年34歲的他於2019年以AI 駐場研究員身分加入Google Research，利用機器學習創造能求解有趣方程式的程式。隨後他的職業生涯轉向天氣和氣候變遷。

天氣受流體動力學支配，部分由偏微分方程描述。這些方程式是氣象學家用於預報每日和每週天氣的電腦模型的基礎。模型隨後應用全球天氣數據告訴我們是否預期有雨、陽光或極端高溫。但有些過程，如雲的形成，必須在模型中近似，這可能導致誤差和偏差。 Kochkov 和他的團隊建構了NeuralGCM（代表「通用環流模型」），以基於過去天氣資料訓練的機器學習預測取代這些近似。該系統可預測天氣狀況，其表現與最佳模型（最長15天）相當，並能比目前黃金標準模型更準確地重現過去溫度模式。

NeuralGCM 開始展現成果。芝加哥大學的研究人員已利用它提前一個月預報印度季風降雨的開始，為數百萬農民提供了關鍵資訊。 Kochkov 的團隊正在創建更容易使用的新版本模型，最終將允許科學家研究氣候變遷如何改變極端天氣和水的可用性。這正值此類研究經費不穩定之際。 「在給定資源下讓人們盡可能做好工作，這比以往任何時候都更重要，」他說。 ——Andrea Thompson

Mikhail Kolmogorov

開發軟體以揭示導致癌症的大規模遺傳變化

大多數癌細胞基因檢測聚焦於單點突變，即基因組中單一鹼基對發生變化、缺失或增加的位點。但這些突變並不能解釋所有癌症。還有許多其他結構變異，其中染色體的大片段發生某種劇烈變化並導致惡性腫瘤。 “現在我們意識到，不僅單一基因重要，”美國國家癌症研究所的科學家Mikhail Kolmogorov 說，“而且所有東西如何排列也同樣重要。”

Kolmogorov 正在開發計算方法，以在從基因組序列到細胞或生物體完整蛋白質輸出等生物數據中發現這些結構變異。他的工作可能很快就會應用於癌症臨床——Kolmogorov 及其同事開發的一種演算法可以檢測染色體中的結構變異，這些變異可能驅動多達一半的癌症。另一種在Kolmogorov 攻讀博士期間開發的演算法，被認為是目前從片段化定序資訊中準確拼接長讀長基因組的頂尖技術，這項挑戰堪比完成百萬塊拼圖。 Kolmogorov 的團隊也開發了一種名為Severus 的演算法，能有效率地重建基因拼圖。在17名兒童白血病患者的測試中，Severus 確認了傳統檢測已知的五種遺傳驅動因素，並發現了標準方法遺漏的另外四種遺傳驅動因素。

Kolmogorov 說，目標是建立個人化的基因組檢測，使其成為每位癌症患者的常規檢查。這需要時間，但他說這些方法已經對沒有已知遺傳生物標記的罕見癌症有用。巧合的是，兒童癌症往往屬於這一類。更好的基因組檢測將使腫瘤學家能夠進行更準確的風險評估並制定標靶治療，Kolmogorov 說。這意味著像Severus 這樣的演算法可能成為最年輕癌症患者的救命稻草。 ——Stephanie Pappas

Erini Lambrides

描述「小紅點」的特徵以解讀星系的起源

Erini Lambrides 曾立志成為演員，但天文物理學把她推上了更廣闊的舞台。現在她是NASA 和馬裡蘭大學的研究員，研究超大質量黑洞以及被稱為「小紅點」的現象。這些點是詹姆斯韋伯太空望遠鏡影像中的斑痕，似乎指示了這些黑洞在宇宙時間尺度上的短暫增長期。她說，這些點數量眾多，正在改寫天文物理學家對星繫起源和黑洞形成的認知。

把這些紅點看作黑洞生命週期中的「青春期前」階段，Lambrides 說：就像人類青少年一樣，它們有點古怪，有些令人驚訝，而且難以解釋。 「我的許多工作都集中在對這些天體的觀測上，理解我們如何穩健地量化它們的奇特性，以了解它們對我們現有宇宙理論會造成多大衝擊，」她說。

為了研究這些點，Lambrides 首先必須證明現有工具是不夠的；她的領域需要開發新工具來研究超大質量黑洞。她指出自己的工作有時讓她“遊離於主流之外”，但她說這沒關係，因為“那裡是發現發生的地方”。

在研究之外，Lambrides 是一位組織者。她認識到有許多未來的科學家和她一樣，在沒有家族傳承、人脈或大學導師幫助進入研究所的情況下發現了科學。她在NASA 創建了一個項目，讓本科畢業生能夠進行研究並學習如何成功申請研究生課程。她說，到該計畫第三年結束時，平均約有80%的參與者進入了研究生院。 ——Megha Satyanarayana

Armita Manafzadeh

研究動物關節的形狀與演化

在古生物學中，骨骼可能搶盡風頭。但對比較生物學家Armita Manafzadeh 來說，關節才是關鍵。在她看來，幾乎所有曾經在地球上行走、飛翔、游泳或滑行的脊椎動物之所以能做到這些，都歸功於關節。這是演化拼圖中一個研究不足的部分。

Manafzadeh 即將在喬治亞理工學院建立自己的實驗室，她的關節研究始於翼手龍——它們經常被描繪成像蝙蝠一樣飛行，雙腿向後伸展。但透過研究鳥類（翼手龍的遠親現生物種）的髖部韌帶，Manafzadeh 表明，這種已滅絕爬行動物很可能無法擺出蝙蝠般的腿部姿勢。她利用動物骨骼的CT 掃描結合動物運動的高速影片——例如鱷魚在跑步機上行走——來構建「4D X光視覺」動畫。由此產生的掃描影像顯示了動物骨骼在體內的移動方式。

這項技術稱為運動形態的X 射線重建（XROMM），使Manafzadeh 和她的同事能夠「復活」已滅絕動物，弄清楚它們活著時可能如何運動。例如，她的團隊發現，與非鳥類恐龍的骨骼相比，鳥類腓骨的小尺寸是一項關鍵適應，使動物能夠將其膝關節旋轉超過100度。它們現存最近的親屬鱷魚卻做不到這一點。她說，如果沒有腓骨尺寸的減小，“我們可能就不會擁有今天現代鳥類的多樣性。”

Manafzadeh 希望繼續研究關節和附肢關節在動物界（包括蝦、蟹、螞蟻和黃蜂等無脊椎動物）中如何及為何出現。但在目前聯邦經費狀況下，建立實驗室很困難。 「我認為支持這類工作非常重要，」她說，「但我認為目前的前景並不完全明朗。」——Jackie Flynn Mogensen

Tixiao Shan

教導機器人如何辨識和解讀周圍環境

對於在中國長大的少年Tixiao Shan 來說，壞掉的任天堂64手柄並非遊戲的終結——而是理解電子設備工作原理之旅的開始。這種驅動力將他推向了機器人感知研究的前沿。在新澤西州普林斯頓的非營利研究機構SRI International 的場景理解與導航（SUN）小組，他正在教導自主機器如何感知和導航我們混亂、不可預測的世界。當我們驚嘆於下一代機器人在測試室裡行走或奔跑的影片時，Shan 和他的同事知道，只有當你理解了空間，能夠在其中移動才有意義。

為了解決這個問題，Shan 試圖幫助機器人透過感測器即時追蹤自身運動來建構周圍環境的影像，然後利用人工智慧解讀這些數據，從而理解周圍環境是什麼。例如，遇到椅子的機器人會知道這個障礙物是椅子，它足夠輕可以移動，並且任務完成後應該將其放回原處。透過彌合基本地圖繪製和類人理解之間的鴻溝，這項技術將使機器人能夠接管平凡、重複或危險的任務，無論是家庭維護的一部分還是在戰爭中拯救生命。

Shan 近期的努力，包括Graph2Nav 框架，使機器人能夠識別物體並理解它們之間的關係，而不僅僅將世界視為幾何形狀和障礙物的集合。如果用戶要求機器人在臥室裡找手機，因為它理解關係概念，機器人就知道手機很可能在桌子上或床附近，並相應地規劃導航路徑。

Shan 已將其技術授權給從事家用機器人助理的新創公司，並展望了未來他的技術驅動智慧家用機器人，幫助老年人更獨立地生活。 「在不久的將來，我們可以擁有這樣的機器人，尤其是對於那些行動不便或移動物品有困難的老年人，」Shan 說，「機器人可以為他們做這些事。」——David M. Ewalt

Alice Stanton

建構人腦模型以更好地理解疾病

Alice Stanton 的朋友稱她為「大腦工程師」。這個頭銜對這位科學家很貼切——她開發了第一個完整的人腦組織模型，包含血管和所有六種主要細胞類型，包括神經元和免疫細胞。她還創造了一種“晶片上的大腦”，是她全尺寸模型的微型版本，比芥菜籽還小。 Stanton 希望利用這些微型大腦來更好地理解阿茲海默症和帕金森氏症等神經疾病，以便研究人員能夠為其開發個人化治療。

Stanton 在賓州伊利市長大，透過在沙地裡玩耍和收集昆蟲來探索自然和生物學。她年幼時目睹了祖母中風後的生活。 「我想這開啟了我對大腦的迷戀，以及我奉獻一生盡可能多地提出新治療可能性的願望，」她說。

Stanton 在麻省理工學院建立了她名為miBrain 的大腦模型，利用了她職業生涯早期從幹細胞工作中積累的技術。為了模擬神經系統疾病，她加入了其他類型的細胞，包括稱為小膠質細胞的免疫細胞；過度活躍的小膠質細胞驅動慢性炎症，這與阿茲海默症有關。從這個較大的模型中，Stanton 開發了一個微型版本——晶片上的大腦——可用於測試治療方法。

器官晶片正在成為研究和藥物發現領域具有巨大潛力的工具。但通往有效治療的道路漫長且崎嶇，最近聯邦科學經費的削減可能威脅進展。 Stanton 說，穩定的支援對保持勢頭至關重要。 「當我們心愛的人生病時，我們想要治療——我們想要能治癒他們的東西，」她說，「它不是憑空出現的。」——Tanya Lewis

Christina V. Theodoris

創建人工智慧模型以尋找心臟病治療方法

醫學研究人員可以花費整個職業生涯尋找遺傳線索，以解釋疾病背後的細胞功能障礙。這些探索可能帶來巨大回報：針對疾病關鍵驅動因素的基因療法。 Christina V. Theodoris 想知道人工智慧模型是否不僅能比以前的方法更快地完成這項任務，而且能跨越多個目標和疾病。 AI 系統「正在真正加速發現的步伐，」Gladstone 研究所和加州大學舊金山分校的醫師科學家Theodoris 說，“這讓我非常興奮。”

Theodoris 結合了她在AI 和生物系統方面的專長，開發了Geneformer，這是一個深度學習模型，訓練數據來自多種人體組織中數百萬個細胞的基因活動數據。從這些數據中，該模型可以繪製出複雜的基因調控世界——當一個基因被激活時，它可以觸發生化級聯反應，開啟或關閉另一個基因，進而影響下一個基因，如此類推。

她首先用Geneformer 攻克進行性心血管疾病，如擴張型心肌病變——一種損害心臟泵血和循環能力的遺傳疾病。如果Geneformer 能找到治療標靶，這種疾病可能會被阻止甚至逆轉。 2023年，該模型達到了一個重要里程碑：它識別出特定基因，當這些基因被激活或刪除（取決於特定基因）時，可以將病變心臟細胞恢復到更健康的狀態。

除了心臟病，Theodoris 還在合作創建用於研究神經退化性疾病、癌症免疫學和老化的AI 平台。她的模型、訓練資料和程式碼都是開源的，可免費取得。 「這對我們非常重要，因為我們希望模型能盡可能廣泛地使用，以實現我們的最終目標——影響人類健康。」——Lauren J. Young

Xiao Yang

改進腦機介面使其更具韌性

 神經退化性疾病有一些臨床治療方法需要將電極植入大腦，例如深部腦部刺激以緩解帕金森氏症的震顫和肌肉緊張。難治性強迫症也可以透過向標靶腦區提供受控電刺激的電極來緩解。但這些應用使用剛性電子元件，其尺寸大於它們所靶向的神經細胞。有時大腦會將這些裝置標記為異物並引發發炎反應，形成疤痕組織隔離植入物，導致其失效。

Xiao Yang 正試圖解決這些問題。在約翰斯霍普金斯大學的實驗室裡，她和同事們致力於將腦機介面縮小到神經元的尺度，並使其更柔軟、更靈活。她領導開發了寬度小於一微米的微型電子裝置，模擬神經元的結構和機械特性。希望這些生物電子元件能利用電訊號幫助大腦類器官生長出新的神經元。 「我的終極目標是將大腦和機器融合成一個完全沉浸式、完全互動的混合系統，」她說。

Yang 在中國東北長大，周圍充滿科學氛圍。她的母親是一位化學家，小時候常帶Yang 去實驗室，Yang 會用多餘的洗眼瓶玩耍，聽研究人員慶祝實驗成功。如今她工作在生物學、化學、材料科學和電氣工程的交叉領域。

Yang 一年前才在約翰斯霍普金斯大學建立實驗室，她對自己領域的未來感到樂觀。美國食品藥物管理局和美國國立衛生研究院最近都敦促科學家盡可能使用類器官而非動物模型，以期在其中測試的治療方法能更好地轉化到人類身上。 ——Stephanie Pappas

Amber Young

標準化和改進天體生物學中使用的模型

直到去年秋天，Amber Young 還是一名NASA 天體生物學家，在已發現的超過6000顆太陽系外行星上尋找生命跡象。她對系外行星大氣及其中的特徵著迷，這些特徵提供了這些世界某處可能存在生物的線索。 「生命會改變大氣，」她說。現在她在NASA 擔任計畫科學家新角色，她稱大氣成分的變化是生命宣告自身存在的「最響亮的方式」。

儘管她現在不積極搜尋生命，但她仍然在業餘時間進行研究。她正在領導一項志願工作，對天文物理學家用於系外行星表徵的系外行星建模工具進行交叉比較。 「我真的投入於在其他地方尋找生命，」她說，「這不僅是我的工作，更是我的一部分。」為此，她為NASA 宜居世界天文台（HWO）的早期規劃階段處理了大量數據——HWO 是NASA 希望在大約十年後發射的旗艦級太空望遠鏡，旨在將環繞類太陽恆星的岩石行星納入我們的研究範圍。她仍然感覺自己參與將HWO 送入太空的任務。

從六年級科學課上天文學部分的興奮，到早期關於火星大氣中甲烷的研究項目，這位第一代大學畢業生興趣不斷深入太空，同時紮根於地球能教給我們的東西。生命可能意味著很多，Young 說。考慮地球上存在過的全部生命歷史，對於確保我們不會將另一顆行星上的某個微小線索誤認為是「我們不孤獨」的訊號至關重要。地球「呈現了我們所知的生命多種風味，」她說。 Young 渴望看到哪些風味是普遍存在的。 ——Meghan Bartels

Alex L. Zhang

提升人工智慧遞歸語言模型的效率

Alex L. Zhang 13歲時發布了一款風靡一時的電子遊戲。超過10萬人以每份1到3美元的價格購買了這款遊戲——這對一個中學生來說是一筆可觀的收入。

Zhang 現在是麻省理工學院的研究生，從事人工智慧研究。他走過了一條曲折的道路。在普林斯頓大學讀本科時，他學習了量子力學、政治學和純數學。他在AI 實驗室做過研究，但有幾個項目失敗了。然而，在2024年，也就是他研究生第一年的第六週，他寫了一篇部落格文章，在AI 社群中引起轟動。在這篇文章中，他提出了遞歸語言模型（RLM）的概念。 RLM 解決了AI 研究人員稱為「情境衰減」的問題。

「如果我有我的語言模型，我的ChatGPT，」Zhang 解釋道，「我知道我的語言模型可以完成任務A 和任務B，那麼存在一個奇怪的現象：如果我同時給它任務A 和任務B，其性能會比分別給予時更差。」RLM 通過允許模型調用自身的其他實例來規避上下文衰減——就好像該任務一樣。當AI 從各個會話收到結果後，它會將它們合併。

Zhang 現在正在將RLM 從概念驗證發展為訓練好的系統。他也正在探索使用RLM 的小型語言模型是否能與巨大的前沿AI 系統——最先進的模型，如Anthropic 的Claude——相媲美。他預計新模型將在一年內開始產生影響。他認為AI 具有變革性，但要使其發揮最大益處，還有許多問題需要解決。政府監管是必要的，開源AI 開發也是如此。

「我想從事的研究類型，我認為應該為了大眾的利益而共享，」Zhang 說。 ——Deni Ellis Béchard

Lvmin Zhang

開發人工智慧系統以增強數位藝術創作  

Lvmin Zhang 上高中時，所有人都認為人工智慧是科幻小說。一台機器不可能與人對話。

那是過去。如今，作為史丹佛大學的研究生，Zhang 站在AI 開發的前沿，讓藝術家更容易創作出腦海中的圖像。數位藝術可能非常費力——透過軟體將圖像或想法從大腦轉移到晶片上，或要求AI 逐層構建視覺，而AI 對藝術家試圖創作的內容沒有任何先驗知識。

Zhang 的AI 工具ControlNet 旨在解決這個問題，它為影像生成AI 系統提供了相當於「指引」的東西。它提供參數，允許用戶在初始提示的基礎上進行構建，保留他們想要的圖像部分，適應優化提示，並設計出他們腦海中想要的產品。以前這個過程很困難——即使有最精確的提示，圖像生成AI 也不一定知道如何在作品中添加、著色或放置物體。 ControlNet 讓電腦化的圖像創作者進入人類創作者的思想。

Zhang 在博士生涯開始後不久開發的工作正變得流行。他承認，AI 在藝術中的使用是創作者和觀眾仍在哲學層面（這是藝術嗎？）甚至法律層面（是否涉及版權？）上糾結的問題，但他相信AI 可以是有幫助的。 「真正的問題在於它能做什麼，不能做什麼，為什麼能勝任某些事，以及它首先應該做什麼。這是我們在AI 真正能以高效、誠實、真正引人入勝和發人深省的方式幫助人們之前需要的基礎工作，並且歸根結底，要有真實的情感內核。」——Brianne Kane 

_{♦ 本文內容轉載自 2026/8/25 演化隨想微信公眾號，不代表本站立場。若有侵害著作權，請速告知，我們將盡速移除 ♦}