导语
我们对大脑神经系统信息计算过程的了解仍然比较片面。目前很多理论都是强调环路连接的结构因素，而忽略神经元非线性特性等生物细节的重要性。在这次读书会中，我们将探讨生物细节对于神经元以及神经环路信息处理的关键作用。期望能通过这次分享与讨论，加深我们对神经系统计算过程高效性与鲁棒性的理解，也希望为人工智能领域提供一些启示。
集智俱乐部联合国内外多所知名高校的专家学者发起神经、认知、智能系列读书会第三季——。从2024年2月22日开始，每周四19:00-21:00进行，持续时间预计10-15周，欢迎感兴趣的朋友报名参与，深入梳理相关文献、激发跨学科的学术火花！
分享简介
与人工神经网络相比，大脑的信息处理过程既高效又有很强的鲁棒性。本次分享将从神经元到环路层次探讨离子通道、神经元树突结构、以及非线性动力学等多个因素对神经信息实现高效编码以及误差学习信号转换的相对作用；然后介绍神经系统面对各种生物“噪声”时，维持其功能鲁棒性的生物策略。最后，将简单介绍讲者实验室近期关注的研究方向并组织圆桌讨论。
分享大纲
神经计算：从高效性到鲁棒性
一、神经元模型：从离子通道到计算
二、微观生物层次与脑信息计算的高效性
三、神经系统功能鲁棒性的生物策略
圆桌讨论：
一、树突计算到底能给类脑智能带来什么好处？
二、类脑智能应考虑多少生物细节以及大脑精细模拟的现状、挑战与前景？
三、大语言模型在脑的计算建模中的角色？
四、STDP的优势以及发展困境？
五、生物智能的可能机制及其局限性（动力学过程、计算机制、能量-效率平衡）？
六、多尺度建模能解释智能涌现吗？
七、谈谈类脑智能的研究方向？
主讲人介绍
臧蕴亮，天津大学医学工程与转化医学研究院英才教授，博士毕业于浙江大学生物医学工程专业，先后在日本冲绳科学技术研究院大学的Erik De Schutter教授以及美国布兰迪斯大学的Eve Marder教授(美国科学院院士)课题组从事科学研究。
研究方向：类脑仿真和类脑智能研究。（1）脑启发智能：提炼脑认知功能的已知高效算法（大多未知），启发人工智能研究，目前聚焦基于小脑和果蝇等环路的类脑算法；（2）计算神经科学：采用bottom-up方式，构建数据约束的神经元和环路模型理解运动学习、记忆、决策和异常检测等功能的工作机制和计算原理；（3）树突计算：探索树突非线性特性对信息处理学习的作用。
主持人介绍
杜凯，北京大学人工智能研究院助理研究员。杜凯博士于2002年在北京航空航天大学飞行器动力工程系获得学士学位，并于2016年在瑞典卡罗琳斯卡医学院神经科学系取得博士学位，随后在该院进行了博士后研究至2020年。在2013至2016年间，他是欧盟脑计划“大脑仿真平台”瑞典团队的主要成员。2020年，加入了北京大学人工智能研究院，并参与创建了北京智源人工智能研究院的生命模拟部门。
研究方向：大脑精细仿真，树突计算，以及基于大脑精细模型的新型人工智能系统和理论。主要贡献包括构建了首个针对基底核脑区的精细神经元模型，并开发了一种基于GPU的高性能计算框架—DeepDendrite。该框架不仅显著提高了大脑模拟的计算速度，还成功地将树突计算原理与人工智能模型进行了紧密的整合。
圆桌嘉宾
周昌松，物理学博士，香港浸会大学物理系教授、系主任，浸会大学非线性研究中心主任，计算及理论研究所副所长, 生命科学影像中心主任。
研究方向：对生物神经网络复杂结构、动力学及其低成本高效益如何启发类脑智能具有浓厚的兴趣。致力于复杂系统动力学基础研究及其应用，特别是网络的复杂联结结构与体系的动态行为的关系和相互作用。近几年与国际国内系统和认知神经科学家合作，把这些理论进展应用到大脑的复杂联结结构和活动以及认知功能及障碍的分析和建模等方面研究中。
弭元元，清华大学心理学系长聘副教授。2012年于北京师范大学获得理论物理专业博士学位，先后在以色列Weizmann Institute of Science和美国Columbia University作博士后研究。
研究方向：计算神经科学。专注于采用数理建模和计算仿真的方法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；并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。
冯志聪（Alan Fung），2006 年开始研究连续吸引子神经网络（CANN）模型。
研究方向：专注在计算神经科学领域，基于数学工具和数值方法的基础脑科学的计算模型、神经现象的机器学习实现、数据驱动的神经数据分析，希望能够促进神经科学和人工智能的相互启发。
李松挺，上海交通大学自然科学研究院、数学科学学院教授。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：神经元树突计算、神经元回路和大尺度神经网络动力学分析、脑启发的机器学习算法。
直播信息
时间：
2024年4月18日（本周四）晚上19:00-21:30。
扫码参与，加入群聊，获取系列读书会回看权限，成为计算神经科学社区的种子用户，与社区的一线科研工作者与企业实践者沟通交流，共同推动计算神经科学社区的发展。
参考文献
从依据兴奋状态的学习和计算机制开始
Zang, Y., S. Hong and E. De Schutter (2020). "Firing rate-dependent phase responses of Purkinje cells support transient oscillations." Elife 9.
Zang, Y., S. Dieudonne and E. De Schutter (2018). "Voltage- and Branch-Specific Climbing Fiber Responses in Purkinje Cells." Cell Rep 24(6): 1536-1549.
到神经系统抗噪性能
Zang, Y. and E. Marder (2023). "Neuronal morphology enhances robustness to perturbations of channel densities." Proc Natl Acad Sci U S A 120(8): e2219049120.
Zang, Y., E. Marder and S. Marom (2023). "Sodium channel slow inactivation normalizes firing in axons with uneven conductance distributions." Curr Biol 33(9): 1818-1824 e1813.
最后展望未来工作
Zang, Y.; De Schutter, E. Recent data on the cerebellum require new models and theories. Curr. Opin. Neurobiol. 2023, 82, 102765.
计算神经科学读书会
人类大脑是一个由数以百亿计的神经元相互连接所构成的复杂系统，被认为是「已知宇宙中最复杂的物体」。本着促进来自神经科学、系统科学、信息科学、物理学、数学以及计算机科学等不同领域，对脑科学、类脑智能与计算、人工智能感兴趣的学术工作者的交流与合作，集智俱乐部联合国内外多所知名高校的专家学者发起神经、认知、智能系列读书会第三季——，涵盖复杂神经动力学、神经元建模与计算、跨尺度神经动力学、计算神经科学与AI的融合四大模块，并希望探讨计算神经科学对类脑智能和人工智能的启发。读书会从2024年2月22日开始，每周四19:00-21:00进行，持续时间预计10-15周，欢迎感兴趣的朋友报名参与，深入梳理相关文献、激发跨学科的学术火花！
详情请见：