睡眠在记忆和其他认知功能中发挥着至关重要的作用。特别是，它提供了一种大脑自发重放先前经历的状态，这种过程被认为是记忆巩固的基础。这种重放在非快速眼动(NREM)睡眠期间特别活跃，此时大脑转变为更慢、更同步的活动模式。虽然睡眠期间的记忆重放已在动物模型中得到广泛证明，但在人类中捕捉这种情况仍是一个重大挑战。

动物研究允许直接记录在睡眠和清醒时表现出相似表现的神经元锋电位，但脑电图(EEG)和其他非侵入性记录无法捕捉这种精细的神经元活动。因此，人类的睡眠活动(通常通过EEG测量)受节律模式支配，包括在深度N3阶段睡眠中看到的大振幅、低频慢振荡(SOs ),这可能会掩盖感兴趣的细微再激活相关信号。

过去对睡眠内容解码的尝试仅基于唤醒状态数据，通常需要大量的特征工程和离线分析。更一般地，弥合唤醒和睡眠之间的“泛化差距”需要能够针对背景活动、时间尺度和信噪比的巨大差异提取微妙的跨域表示的方法。

机理模式图（图源自Neuron）

该研究开发了睡眠解释器(SI)，它使用神经对比学习来从背景节奏中分离出共享的语义内容。通过收集了135名参与者的数据集，这些参与者正在进行15个语义类别的有针对性的再激活，产生了大约1000小时的夜间睡眠和400小时的清醒脑电图。在非快速眼动(NREM)睡眠期间，SI实现了对线索诱发的语义反应的高解码准确性，准确性在缓慢振荡和纺锤体耦合期间达到峰值，对未看见的参与者的前1名准确性为40.02%(机会6.7%)。

在两个独立的小睡实验中证明了SI的普遍性，这两个实验涉及目标性和自发性再激活，其中解码后的再激活与睡眠后的记忆表现相关。最后，实现了SI的实时睡眠阶段和特定阶段的NREM和快速眼动解码。

该研究进一步推动了AI与脑科学的深度融合，让研究者不只知道人是否在睡、睡到哪一步，还能开始理解睡眠中的认知加工内容。相关成果为记忆增强、异常记忆调控、睡眠相关脑疾病干预，以及梦境内容的客观评估提供了新的研究基础。

该研究由柳昀哲实验室完成。陈仲韬、郑晖、周剑阳和郑林为论文共同第一作者，柳昀哲教授为通讯作者，林沛阳、伦敦大学学院教授Ray Dolan及牛津大学教授Tim Behrens作出重要贡献。研究团队特别感谢北京脑科学与类脑研究所以及北京师范大学建立的睡眠实验室，为本研究提供了重要的实验平台支持。本研究得到国家科技创新2030“脑科学与类脑研究”重大项目、国家自然科学基金、北京市自然科学基金、中央高校基本科研业务费以及英国痴呆研究所关键问题资助项目支持。

参考消息：https://www.cell.com/neuron/fulltext/S0896-6273(26)00219-9