【学术会议】第三届神经计算青年研讨会 学习笔记

第三届神经计算青年研讨会 学习笔记

会议时间：2024-1-6至2024-1-7
会议地点：电子科技大学
会议介绍：
为提升我国神经计算⻘年研究队伍的学术⽔平和国际影响⼒，研讨会主题涵盖：神经系统建模与模拟、脑机接⼝与类脑智能、脑影像分析以及神经电⽣理等⽅向，会议学术报告包括特邀报告、⻘年学者报告以及博⼠后/博⼠⽣报告等。本次研讨会秉承“交流、合作、创新”的宗旨，旨在促进多学科交叉研究，为中国神经计算相关领域⻘年学者提供⾼⽔平学术交流平台。

前言

该笔记是个人在会议上的手机拍照记录，作为新的随笔思考记录，对于原作者的未发表的内容都有规避，没有全面记录，重点记录了一些概念、突出研究点和比较有学术代表性的观点和结论。如有与泄露未发表论文信息的，请私信我删除相关图片。

1 信息科学视角下的大脑研究范式演进

–尧德中

电⼦科技⼤学教授，四川脑科学与类脑智能研究院院⻓，杰
⻘ 、⻓ 江 学 者 、全 国 优 秀 教 师 、全 国 ⼈ ⼤ 代 表 。美 国 医 学 ⽣ 物 ⼯ 程 院(AIMBE)Fellow，中国⽣物医学⼯程学会前副理事⻓。主要从事脑电相关技术及其应⽤研究。主要业绩：原创脑电零参考技术，纳⼊国内外脑电教材和EEGLAB等著名软件平台，获得⼴泛应⽤；提出脑器交互概念，创办脑器交互(Brain-Apparatus Communications)国际期刊，拓展了脑机接⼝的疆域。获国际脑电图与临床神经学会Roy John Award、教育部⾃然科学⼀等奖，中国⽣物医学⼯程学会基础类⼀等奖，⼊选中国⾼被引学者等榜单。

（1）刺激响应范（Evoked/induced response）

• 内测额叶是与记忆有关
• P300响应，发现脑电空间节律网络可能是双相障碍的
• 脑岛是精分的关键脑区
• TMS干预改变决策行为
• Fz、Cz是决策的脑区

（2）脑器交互

脑器交互（Brain-apparatus communications,BAC）：

• 脑-器械交互（脑-计算机接口等）
• 脑-器官交互（脑-心脏交互等）

参考：Yao etal，brain-Apparatus Communication

脑器交互：脑-机械交互（脑-计算机接口等）、脑-器官交互（脑-心脏交互等）

• 运动想象（MI，一种特殊的神经反馈模式）改变大脑（康复、增强）-大脑可塑性
• 运动想象（BCI、BAC2）

多种脑器交互的协同，可以更好的大脑的意图

• 舞蹈：改善运动协调，提高共情能力
• 针刺：同步调控中枢、外周。治疗网络成瘾
• 游戏：增强认知能力和中枢、外周协调能力

（3）大数据范式

大脑和心脏关系（参考论文：Heart-brain connections: Phenotypic and genetic insights from magnetic resonance images）

精分进展亚型挖掘（参考论文：Jiang et al .Natural mental health,2023）

（4）计算神经科学范式

借助现代计算技术与计算资源，基于可测的脑信息，建立数学模型，借助模型的动态烟花能力，在电脑上再现全方位的动态信息，帮助

大脑形状决定大脑功能：（参考论文：Geometric constraints on human brain function.2023）

欧洲虚拟脑（TVB）：基于患者DTI数据的虚拟脑模型可以再现癫痫状态

（4）总结

• 自然观察范式：基于有限信息的逻辑性，推测大脑。
• 刺激响应范式：借助输入输出，辨识大脑。
• 脑器交互范式：借助互动行为去理解、引导和改变大脑。
• 大数据分析范式：借助大数据、大算力，暴力破解大脑。
• 数字脑模拟范式（计算神经科学范式）：通过模仿去理解大脑和仿造大脑。

2 Aterior Cingulate Cortex Provides the Neural Substrates for Feedback-Driven Iteration of Decision and Value Representation

–韩芸耘

华中科技⼤学，基础医学院教授，国家海外⾼层次⻘年⼈才，2011年于瑞⼠联邦理⼯⼤学洛桑分校取得神经科学博⼠学位，2012-2015年在伦敦⼤学学院和巴塞尔⼤学Thomas Mrsic-Flogel课题组完成博⼠后⼯作，2016年加⼊华中科技⼤学。主要研究⼯作包括：使⽤⾼通量成像⽅法解析⽪层神经⽹络的连接结构和动态功能，分析感觉信息在认知决策过程中的转化规律。

• Stimulus-reward contingency can be modulated in a go/no-go task1
• 选择强化学习模型模拟反馈模型
• 论文可视化配色非常漂亮

3 模拟轻量化小型模式生物的脑智能与神经机制

–宋卓异（复旦大学）

复旦⼤学类脑科学与技术⻘年研究员，⼊选2020年度上海市
“浦江⼈才”计划，并受2021年上海市千⼈计划⽀持。宋博⼠背景⾃动化，从事神经元建模与昆⾍视觉⽅向的研究⼗余年，构建的模型帮助科学家解决昆⾍复眼感知领域的若⼲难题，相关成果发表于Current Biology, eLife, Journal of Neuroscience等期刊。宋博⼠⽬前研究兴趣主要集中在构建与分析昆⾍神经环路模型，解析神经编码机制，并应⽤于构建类脑仿⽣视觉系统。

（1）视网膜系统建模与昆虫超分视觉的研究

仿蚂蚁大脑的导航技术

观点：从构建闭环系统多角度综合

通过MAV仿生昆虫闭环系统：MAV通过仿生复眼提取光

（2）仿昆虫防碰撞模型

• 采集Looming Object 信号
• 两类神经元模型：LPLC（Integrating optic flow）基于运动信息识别、LGMD（integrating contrast change signals）基于特征识别
• 动态背景下的放碰撞模型：参考论文（Looming detection in complex dynamic visual scenes by interneuronal coordination of motion and feature pathways）

一个类果蝇脑的防碰撞模型

在AirSim三维仿真环境中无人机测试

3 类脑表征学习

–斯白露

北京师范⼤学系统科学学院教授，脑与智能机器⼈实验室主
任，任北京市脑⽹络组与类脑智能学会理事、中国计算机学会智能汽⻋分会秘书⻓。2007 年获德国不来梅⼤学理论神经物理博⼠学位，之后在意⼤利国际⾼等研究院认知神经科学部、以⾊列魏茨曼科学研究院神经⽣物学系、中国科学院沈阳⾃动化研究所机器⼈学国家重点实验室从事脑科学和信息科学的交叉研究。主要研究⽅向为计算神经科学、类脑智能。主要成果包括记忆神经环路的计算理论、类脑导航系统等。获科技创新2030 “脑科学与 类 脑 研 究 ”重 ⼤ 项 ⽬ 课 题 等 基 ⾦ ⽀ 持，相 关 成 果 发 表 在 Nature Neuroscience , Progre ss in Neurobiology, IEEE Transactions on Cybernetics等期刊上。

（1）社交识别

方法与模型

表明：

• 单神经元簇编码。能够编码刺激。同时响应多种刺激（混合编码）
• 认知环路

小结：

• 相较于之前的研究工作（论文：Neural Circuit Mechanisms of Social Behavior），这篇工作将社交行为的前两个阶段拓展为感知、计算、识别层级
• 在感知层，除了存在特定编码单一刺激的神经元子集，对涉及哦啊对象熟悉和不熟悉的认真状态，由单独的神经元子集调控
• 在计算层，一类专门的神经元子集只最新奇个体（Novel individuals）响应
• 在识别层，对于认知结果的混合抽象表征可能对后续的决策社区提供输入

（2）第二个工作

人类智力的特点是能够从高维的感知数据中总结出抽象的规则，举一反三。在这个关注RAVEN测试，衡量智能题的流体智力，测试视觉抽象推理能力。



总结：

• 构建了循环神经网络，学习社交识别任务。网络产生混合抽象表征。
• 从双流假设出发研究视觉抽象推理问题，提出双流推理网络DRNet。
• DRNet在各类EAVEN测试上均表现出良好的泛化能力，特别是在OOD类型的关系推理。

5 类脑模拟退火–乙酰胆碱调控下的联想记忆

–黄子罡（西安交通大学）

西安交通⼤学教授，博导，陕西省创新⼈才⻓期项⽬，王宽诚
⻘年学者，类脑相关重点项⽬⾸席、智能科技重⼤专项⾸批专家，校⻘年拔尖⼈才。亚利桑那州⽴⼤学助理研究学者（2012-2015），庆北国⽴⼤学访问学者（2010），意⼤利国际理论物理中⼼访问学者（2009）。从事神经⼯程及类脑智能相关研究，担任SCI期刊Mathematical Biosciencesand Engineering副主编，全国⼈⼯智能计量技术委员会委员、中国计量测试学会智能感知与认知计量专委会副主任委员、中国神经科学学会计算神经科学及神经⼯程专委会委员、中国⾃动化学会⽣物控制论与⽣物医学⼯程专委会委员等。研究成果发表SCI论⽂70余篇，主持国家⾃然科学基⾦项⽬4项，国防科技创新特区项⽬4项，其它项⽬⼗余项。

（1）主要进展：神经递质调控的类脑计算
递质调节实现基础算法有：

• Ach调控的吉布斯采样算法：通过Ach改变神经元的胜利特性，模型展示了丰富的活动状态，从局部到异质传播波状态周期传播状态，这些传播状态与潜在的连接结构联系起来可以图调控吉布斯采样中的存储刺激与上下文之间的关联先验，提供采样算法所需的随机性。
• Ach调控的模拟退火算法：基于乙酰胆碱调控PV和SOM抑制性神经元的抑制比和脉冲频率适应，在改变乙酰胆碱水平的过程中，实现网络从局部极小状态全局最小状态的模拟退火最优搜索。
• Ach-NE调控的t-检验算法：Ach与NE在处理环境刺激中起着关键作用。当内部表征与外部输入的差异较小时，Ach主导，促进对玉其内不确定信息的处理，而当输入偏离已知模式时，NE介入，激发灵活的认知反应。在依赖经验和搜索更新信息之间实现动态平衡。
• NE调控的应激避障算法：工作状态下网络由于专注于当前任务而“先入为主”进入吸引子状态，该状态下网络由于无法跳出当前亚稳态从而错失后续出现的更重要的信息，当NE参与调控后，网络可以立刻感知到当前时刻的首要信息，实现快速应激。
• SHT-NE-DA调控的类脑强化学习算法：面向复杂时变环境的动态序列决策问题，揭示底神经节环境的强化学习神经机制，提出了“平衡”、“探索”，“利用”的风险决策基底神经节强化学习模型，搭建了脑区递质调控和强化学习方法结合的算法架构，开发针对多任务切换的具有元学习能力的强化学习系统。

（2）乙酰胆碱的调控效应
乙酰胆碱通过调节神经元的可继发性、相位响应特性、脉冲频率适应性、同步性、突触可塑性等微观神经动力学，实现神经系统在宏观层面的注意力与信息感知优化、记忆的编码与巩固检索等重要功能。

6 assciations between in vitro,in vivo and in silico cell classes in mouse primary visual cortex

全文论文：Associations between in vitro, in vivo and in silico cell classes in mouse primary visual cortex

–魏依娜（浙江大学，之江实验室）

之江实验室混合增强智能研究中⼼主任助理，研究专
家，浙江⼤学博⼠⽣导师，⼊选浙江省海外⾼层次⼈才，杭州市全球引才“521”⼈才。本硕毕业于浙江⼤学，博⼠毕业于宾⼣法尼亚州⽴⼤学。曾任加州⼤学河滨分校和圣地亚哥分校博⼠后，艾伦研究所的研究员。⻓期致⼒于计算神经科学领域，研究涉及脑机接⼝，类脑智能，睡眠与记忆，癫痫等。以第⼀作者或者通讯作者⾝份在Nature Communications, Cell Reports（封⾯论⽂）, Journal of Neuroscience, PLOS Computational Biology等⾼⽔平期刊发表论⽂20余篇，申请国家发明专利20余项，国际专利1项 。研究成果被评为⾼亮论⽂ 、封⾯⽂ 章，并 被ScienceDaily , EurekAlert, BrainNews等国内外媒体报道。主持之江实验室启动资⾦项⽬及国⾃然⻘年项⽬。

（1）in vitro cell types

• Aspiny cell
• SPiny cells

（2）in vivo classical cell types

（3）Computing Modeling

7 Brain-Inspired Algrithm for Spatiotemporal Pattern Rcognition

–弭元元（清华大学）

清华⼤学⼼理学系⻓聘副教授。研究⽅向为计算神经科学，专注于研究脑在⽹络层⾯处理动态信息的⼀般性原理，包括⼯作记忆的容量与调控、时空信息的⽹络编码等；基于此发展了类脑运动模式的快速识别算法、运动⽬标的预测追踪算法等，并与⼯业界合作探索这些类脑算法在实际场景中的应⽤ 。以第⼀或者通讯作者（含共同）在神经科学期刊Neuron, PNAS, Progress in Neurobiology，人⼯智耆 仜 舰会议NeurIPS等发表论⽂20余篇。获得国家⾃然科学基⾦委交叉学部优秀⻘年基⾦、北京市科技新星计划等项⽬的⽀持。

第一篇工作：The Presentation Capacity of Reservoir Network
第二篇工作：The Discentangled Representation of Contents…（未发表）

使用的模型：The neural Circuits Model
总结：

• 通过适当的训练方案，循环神经回路可以学习树状结构的吸引子动力学，从而对时间序列的相应树状结构顺序进行编码。
  这个抽象的时间顺序模板可以与不同的内容绑定，允许灵活和健壮的时间序列处理。
• 使用迁移学习任务，我们证明了时间顺序模板的重用有助于获取新的时间序列，如果这些序列共享相同或部分有序结构。
• 通过关键词识别任务，我们证明了如果有序信息是区分这些序列的关键，那么树结构吸引子动态提高了时间序列识别的鲁棒性

8 Data-based large-scale models provided a window into the organization of cortical computions

–陈国璋

，现为北京⼤学访问学者，海外优⻘项⽬⼊选者 。分别于2013年、2016年⾃电⼦科技⼤学获学⼠、硕⼠学位，于2020年⾃悉尼⼤学
获得物理学博⼠学位。2021-2023年在格拉茨技术⼤学Wolfgang Maass组从事博⼠后研究。主要研究⽅向为⼤脑计算原理、类脑计算。在顶级期刊Nature Communications, Science Advances等发表论⽂10余篇。

研究内容：皮层微电路模型如何实现类脑组织的计算?(How can cortical microcircuit model achieve brain-like organization of computation?)

• 第一篇工作：Data-based large-scale models provide a window into the organization of cortical computations
• 第二篇工作：未发表 Chen & Maass

9 神经鲁棒性机制

–臧蕰亮

⼯学博⼠，博⼠⽣导师，天津⼤学英才教授。于2013年获浙江
⼤学⽣物医学⼯程专业博⼠学位。之后在⽇本冲绳科学技术⼤学院⼤学
(OIST)和美国布兰迪斯⼤学(Brandeis University)从事博⼠后研究，研究⽅向为计算神经科学和类脑⼈⼯智能。2023年放弃美国康涅狄格⼤学
(University of Connecticut)教职，⼊职天津⼤学医学⼯程与转化医学研究院。主持国家重点研发计划项⽬1项。代表性⼯作以第⼀作者发表在PNAS, Current Biology, Cell Reports, eLife等领域内专业期刊，应邀为Current Opinion in Neurobiology撰写⼩脑研究进展的综述⽂章。

10 三维空间认知功能的计算建模研究

–王毅泓（华工理工大学）

应⽤数学博⼠，华东理⼯⼤学数学学院副教授、智能计算中⼼
副主任，华东理⼯⼤学⻘年英才培育计划⼊选者，主要从事认知神经动⼒学、计算神经科学的研究，应⽤⾮线性动⼒学、信息科学和数学⽅法解决神经科学与智能系统中的交叉问题，尤其关注空间认知、记忆和决策的神经计算机制，及其启发的类脑智能算法；主持国家⾃然科学基⾦⾯上项⽬、⻘年项⽬和上海市⾃然科学基⾦探索类项⽬等，参与国家⾃然科学基⾦重点项⽬等多项研究课题，在Artificial Intelligence Review, Neural Networks, Nonlinear Dynamics, Communications in Nonlinear Science and Numerical Simulation等期刊发表研究论⽂⼆⼗余篇，担任SCI期刊Cognitive Neurodynamics协调副主编、国际认知神经动⼒学会议和全国神经动⼒学⼤会学术委员会委员等。

研究内容：网格细胞和位置细胞的研究
推荐期刊《Cognitive NeuroDynamics》期刊，SCI二区期刊，国内主办，没有版面费(Hybrid模式)，5年IF=3.8

（1）第一个工作：没记

（2）第二个工作：没记

（3）第三个工作：蝙蝠的三维空间的头朝向细胞

10 解析大脑层级的编解码计算

–刘健（UCLA）

毕业于加州大学洛杉矶分校，获数学博士学位。他目前是伯明翰大学计算机科学学院的副教授。他的研究兴趣包括神经计算、计算神经科学和大脑人工智能启发计算的基本问题，以及机器人、医学和脑机接口的应用。他的研究发表在《Nat. common》杂志上、Nat. Biomed. Eng., eLife, J. Neurosci., PLOS 、Comp u t . Bi o l .IEEE Transactions系列，以及NeurIPS/CVPR/AAAI/BMVC会议。

11 数字孪生脑及其应用探索

–郭大庆（电子科技大学教授，博导）

（1）脑科学的研究范式转变

（2）大脑复杂动力学的多尺度建模

（3）跨脑区神经环路：基底多重调控全面性癫痫

（4）脑研究 的全脑计算范式：数字孪生脑

（5）建模策略

全脑计算范式：准反演模型和反演模型

（6）欧洲虚拟脑平台

TVB（The virtual brain）

（7）宏观数字孪生脑建模与优化策略

（8）理论模型的进一步优化

（9）应用

• 虚拟脑机接口应用：高效SSVEP-BCI脑机制
• 药物作用机制：神经-神经递质耦合脑模型
• 脑疾病机制与干预：孤独症谱系障碍（ASD）
• 受体靶标筛选：融合基因信息的数字孪生脑

（10）展望
脑机理解析+个体化医疗与调控。高精度全脑计算模型实现四个大目标：

• 脑智模块的大尺度计算解析
• 分布式认知计算与整合规则
• 脑状态评估
• 个体化脑调控/脑增强
  

12 Mathematical mechanism of hierarchical timescales in the large-scale brain network

–李松挺（上海交通大学博导）招博士后

上海交通⼤学⾃然科学研究院、数学科学学院教授，博⼠⽣导
师。2010年和2014 年于上海交通⼤学分别取得数学本科和博⼠学位，
2015-2018年于纽约⼤学柯朗研究所任博⼠后。研究⽅向为应⽤数学与计
算神经科学，研究成果发表在PNAS, CPAM, Cerebral Cortex, Cell Reports,
PLOS Computational Biology等期刊上。主持科技部国家重点研发计划课
题、临港国家实验室求索杰出⻘年课题、基⾦委⾯上和⻘年项⽬等。曾⼊选
国家⻘年⼈才计划、上海市⻘年科技英才扬帆计划、上海市晨光计划，并获
得全国⾼校⻘年教师教学竞赛理科组⼀等奖、上海市⻘教赛特等奖、上海
市五⼀劳动奖章等荣誉。

太喜欢这个老师的思维逻辑和说话方式了，非常清晰明了。非常年轻的博导，偏数学理论研究。

（1）时间尺度层级化

13 物理原理驱动的脑网络建模方法及在个体化脑模拟中的应用

–俞连春（兰州大学）

博⼠、兰州⼤学物理科学与技术学院副教授，硕⼠⽣导师。2003年获兰州⼤学物理学⼠，2009年获兰州⼤学物理博⼠。2010年⾄2014年在法国巴黎第七⼤学材料与系统复杂性实验室从事博⼠后研究。主要从事统计物理复杂系统理论在脑科学领域中的应⽤，计算神经科学，基
于磁共振技术的脑影像数据分析等研究。在Human Brain Mapping , Physical Review E, Journal of Neural Engineering, Nonlinear Dynamics等
物理学、脑科学期刊发表SCI学术论⽂近50篇。

---

14 Building Brain Inspired Multiscale Model Toward Artifical General Intelligence

–宋森

清华大学生物医学工程系、脑与智能实验室教授。宋教授拥有20多年的工作经验，致力于神经科学和人工智能的交叉研究。他的研究旨在阐明智能的原理，激发基于类脑计算的AGI的发展，并将这些见解应用于解决生物学和医学中的重大挑战。

15 Restricted Recurrent Neural Networks:The Next-Generation RNN Training Framework?

–阎斌

临港实验室⻘年研究员，本科博⼠就读于北京⼤学数学科学学院，在纽约⼤学进⾏博⼠后研究⼯作期间转⼊计算神经科学领域，致⼒于解析⾼级认知神经计算原理和开发脑机接⼝新型解码算法，曾以通讯作者⾝份在Science等杂志发表相关⼯作。

16 大尺度全脑仿真：模型驱动及数据驱动的方法

–刘泉影（南方科技大学）

南⽅科技⼤学⽣物医学⼯程系助理教授，博⼠⽣导师，神经计算与控制实验室PI。䳞 ⻓多模态神经信号处理算法（包括脑电去噪、源定位、脑⽹络建模），⼈⼯智能与脑科学的融合建模、类脑智能算法。提出基于多模态神经信号的脑⽹络动⼒学建模，提出个性化神经调控优化策略，⽤于实时闭环神经刺激 。刘 泉 影 发 表S C I / E I论 ⽂ 超60篇 ，包括PNAS ,
NeuroImage, Pattern Recognit., Neural Netw., Hum. Brain Mapp., J. Neural Eng.等领域顶级杂志，被引⽤超1500次，申请专利10项；主持国⾃然⻘年项⽬、深圳市重点项⽬等国家省市级项⽬5项；担任IEEE期刊IEEE J TRANSL ENG HE副主编、中国神经科学学会计算神经科学专委会委员、中国神经科学学会神经调控分会理事、中国⽣物医学⼯程学会医学⼈⼯智能专委会⻘年委员、深圳市电⼦学会新⼀代⼈⼯智能专委会秘书；讲授《机器学习与医学⼯程应⽤》《⼈脑智能与机器智能》等课程。

老师讲得由浅入深，非常全面，老师还一个非常幽默的人。

17 Dynamic Ensemble Encoding and Decoding Models of Motor Cortex

–祁玉（浙江大学）该实验室是中国脑机接口研究的先驱

获浙江大学计算机科学博士学位。她是浙江大学脑机智能国家重点实验室、脑科学与脑机集成教育部前沿科学中心的终身教授。她的研究兴趣包括脑机接口、人工智能和脑启发计算。她的目标是开发神经解码算法和系统，以推进高性能大脑计算机接口。发表学术论文30余篇，代表性研究在NeurIPS、ICML、AAAI、IJCAI、IEEE Trans上发表。在BME和IEEE Trans上。NSRE。

第一个工作：运动神经学，用脑机接口去控制点

第二个工作：用脑机接口去写汉字（Dive into the dynamic coding in the motor cortex with handwriting）

18 Sampling-based Bayesian inference in recurrent circuits of stochastic spiking neurons

–张文昊

德克萨斯大学西南医学中心研究计算神经科学的助理教授。他的研究的一个显著特点是将规范理论与生物学上合理的神经回路模型紧密结合，研究大脑中神经信息处理的原理。他的研究发表在高级神经科学期刊和领先的机器学习会议上。

在招博士

15 脑电时空⽹络分析在精神疾病评估中的应⽤

–李发礼
电⼦科技⼤学⽣命科学与技术学院副研究员，硕⼠⽣导师；⼊选第七届中国科协⻘年⼈才托举⼯程、澳⻔⻘年学者（2022年度）；中国图形图像学会脑图谱专委会委员，中国医药教育协会⼼理与精神健康教育委员会⻘年委员，四川省认知科学学会⼈⼯智能专委会秘书⻓。⻓期致⼒于脑电时空⽹络建模⽅法与应⽤研究，⽬前主持国家⾃然科学基⾦⾯上、⻘年项⽬、四川省重点项⽬，以⻣⼲⾝份参与科技创新2030 “脑科学与类脑研究”⻘年科学家项⽬（排名第 ）等。以第⼀/通讯作者（含共同）在Nature Mental Health（Nature⼦刊）、Research、IEEE汇刊（T-Cybernetics TNSRE等）、NeuroImage等发表SCI论⽂40余篇，Google Scholar引⽤2400余次。

16 储备池计算的泛化最优编码⽅程

–杨冬平

之江实验室混合增强智能研究中心研究专家。博士毕业于厦门大学物理系，曾在悉尼大学物理学院、香港浸会大学非线性研究中心攻读博士后，回国后任中国科学院海西研究院泉州装备制造研究中心研究员，类脑智能与脑科学课题组组长，具有物理、生物、神经科学、脑科学、数学和信息学等多个学科背景。在PloS Computational Biology, Physical Review E, Chaos，IEEE Transactions系列等知名期刊发表多篇论文，主持一项国家自然科学基金面上项目。研究方向：睡眠，癫痫，类脑智能，专长于生物建模和计算机数值模拟，擅长平均场、线性稳定性、特征谱和特征模式、非线性动力学、时空多尺度、统计物理等数学物理理论分析。在悉尼大学物理学院攻读博士后期间对从清醒到睡眠、皮层-丘脑系统的临界规范型进行了深入研究。

理论基础：Consciousness is supported by near-critical slow cortical electrodynamics

第一个工作：储备池计算的图片分类，未发表

第二个工作：《Intelligent Robotics and Applications》

第三个工作：
pretrained Reservoir Groups (PRG) -Spatiotemporal learning based on Reservoir Computing
基于储备池计算的预训练储备群(PRG)时空学习

解释储备池的好的原因：
为什么我们的大脑可以从很少的数据中学习并更好地概括?杨老师归结于归纳偏见（Inductive bias）:

• 引导学习者选择一种概括而不是另一种概括的因素
• 从有限的经验中学习需要适当的归纳偏差
• 归纳偏置与“内部模型”有关。

我们的大脑一定有先天和后天的归纳偏见
(如果世界是颠倒的，学习速度会慢得多)

一个归纳偏置在储备池计算中的例子，参考论文《Population codes enable learning from few examples by shaping inductive bias》

如何评价泛化性，评价指标如下（求泛化误差）：

找到最优编码方程

留下的思考问题：
我们的大脑:最佳代码vs.归纳偏差?（our brain:optimal code vs. inductive bias ?）

储备池适应(可塑性?)更好的少数和快速的学习吗? （ Reservoir adaptation (Plasicity ?) for better few-few and fast learning?）

17 Contacts and developmentally conserved affinities determine the modularization of C. elegans brain

–常畅

18 Toward reliable computations in spatially extended excitatory-inhibitory networks with diverse membrane time constants

–吴⽣礅

19 Elucidating circuit mechanisms underlying task-dependent representational geometry of perceptual decisions

–张翼腾

20 ⼯作记忆的神经动⼒学机制

–赵书阔

21 基于脑启发的多模异构⽬标跟踪模型研究

–孙宏泽

感想

对当前脑科学的发展有了新的认识。

（1）韩芸耘老师

强调了前扣带皮层在反馈驱动下决策和价值表示方面所起到的关键作用，提出，在理解大脑高级功能时要重视特定区域内微妙且复杂的网络联系。

（2）宋卓异老师

分享了小型生物大脑机制的研究和启发，提到了一种生物信号“Looming Object 信号”，研发了防碰撞模型应用在无人机上，做了仿真测试。

（3）斯白露老师

偏应用，将表征学习与类脑思维相结合。

• 构建了循环神经网络，学习社交识别任务。
• 从双流假设出发研究视觉抽象推理问题，提出双流推理网络DRNet。
• DRNet在各类EAVEN智力测试上均表现出良好的泛化能力，特别是在OOD类型的关系推理

（4）黄子罡教授

乙酰胆碱通过调节神经元的可继发性、相位响应特性、脉冲频率适应性、同步性、突触可塑性等微观神经动力学，实现神经系统在宏观层面的注意力与信息感知优化、记忆的编码与巩固检索等重要功能。

（5）王毅泓老师

研究作用于三维空间的网格细胞和位置细胞

（6）郭大庆老师

高精度全脑计算模型实现四个大目标：

• 脑智模块的大尺度计算解析
• 分布式认知计算与整合规则
• 脑状态评估
• 个体化脑调控/脑增强

（7）刘泉影老师

幽默，知识渊博，了解到全脑建模需要的数据、工具和方法哪些