浙江大学、美国布朗大学和罗切斯特大学的学者合作采用双光子显微成像与物理驱动人工智能方法，对小鼠大脑脑脊液进行了在体观察，实现了其三维流场的可视化测量，呈现出小鼠脑脊液前所未有的精细、关键而丰富的力学信息。

　　相关研究论文近期发表于《美国科学院院刊》，浙江大学控制科学与工程学院百人计划研究员蔡声泽是论文的共同第一作者。

　　鸟儿是怎么飞的，鱼儿是怎么游的？蔡声泽博士阶段所在的流体力学和信息科学交叉领域，试图从空气、流水等介质的动力学规律去理解“鹰击长空、鱼翔浅底”的过程，从而为设计新型飞行器等提供依据。

　　“研究过程中，首先要把流体的各种动力学特征测出来。”蔡声泽说，“但许多信息无法直接观察获得，我们要寻找间接的方法。”

　　一个典型的例子是观察空气的运动。“空气的运动导致了灰尘的运动，所以通过灰尘的运动轨迹可以来反推空气的运动。”蔡声泽说，与这一思路类似的便是 “粒子图像测速”技术。

　　随后，在美国布朗大学的博士后阶段，蔡声泽尝试将人工智能的方法引入流体力学的研究，他认为，人工智能可以从图像中“算”出藏得更深的信息。

　　2021年3月，蔡声泽所在的国际联合研究团队在《美国科学院院刊》发文，展示了一项AI驱动的血流图像分析平台：在一个模拟视网膜血管网络的微流控芯片上，AI通过对血流的二维视频分析，准确地预测了微血管中血流的速度、压力和剪切应力等更为“高阶”的血流特征。

　　“剪切应力是指血流对血管壁的压力，它是评估血管瘤风险指标的关键信息，但现有的技术无法直接测得。”蔡声泽说，他们提出的技术之所以有良好的预测效果，最关键的原因在于他们将流体(血液)本身的物理特征模型作为约束条件加入到AI的算法中，让图像与AI的结合更精准地拟合实际情况。

　　3个月后，课题组收到一封来自美国罗切斯特大学的邮件：“你们的方法，可以用到在体观察脑脊液方面吗？”

　　脑脊液是包裹在大脑血管周围的一种近似水的液体，素有“大脑淋巴系统”之称，大脑的废物清除和营养物质输送功能依赖于脑脊液的流动。

　　罗切斯特大学的科研人员发来一段视频，他们已经使用最为先进的双光子显微成像技术和粒子跟踪测速方法，以较高分辨率测量了活体小鼠大脑血管周围脑脊液的流动速度。

　　在蔡声泽看来，这封邮件为他们尝试AI与成像技术在活体观察中的“联手”提供了绝好的契机。

　　为了获得更为精确的机理建模，蔡声泽研究员与美国布朗大学、罗切斯特大学学者合作，将物理先验与神经网络相融合，以数据和物理驱动的人工智能方法实现对活体小鼠大脑脑脊液的三维流场可视化测量，首次在活体实验中还原高分辨率的速度、压力、剪切应力等关键动力学参数。

　　这一AI+成像技术的“超级成像”法对刻画体内生物流体的流动机理有重要价值，在大量心脑血管疾病研究中有广泛的应用前景。例如，可通过活体实验构建壁面剪切应力与管内物质聚集的定量关系，揭示流体动力学参数、大脑血管周围腔体结构以及具体疾病的关联等。

　　蔡声泽说，如何让人工智能更好地推进科学研究是他近年来的思考重点，这项研究是一个阶段性进展。

　　当前，“人工智能驱动的科学研究”已成为新的学科前沿，其核心就是借助机器学习在高维问题的表示能力，实现与科学研究的深度融合，帮助人类更加真实、细致地刻画复杂系统的机理，把基本原理以更加高效、实用的方式应用于实际问题中。