報告人簡介
上海交通大學自然科學研究院/數學科學學院，特聘教授，研究領域為計算與應用數學。他分別于2002年和2007年在北京大學數學科學學院獲得學士和博士學位，他在計算神經科學研究方向產出了具有代表性的成果，相關成果發表在CPAM、PNAS、PRL等一流國際期刊上，主持基金委杰出青年科學基金、科技部重點研發課題、科技創新2030腦科學與類腦智能子課題等科研項目，擔任CNS計算神經科學分會秘書長、CSIAM數學生命科學分會常務理事。代表工作被期刊選為亮點與封面文章。
內容簡介
類腦智能研究既是科學前沿，也是國家腦計劃和人工智能發展規劃的核心內容，而作為大腦信息處理的基本單元即單個神經元的動力學建模是實現對腦計算的定量理解和發展腦啟發的人工智能的第一步。然而，現有的點神經元模型在捕捉與神經信息處理至關重要的復雜樹突效應方面存在不足，不能夠反映真實神經元強大的樹突計算能力。我們通過建立包含樹突結構的電纜理論的漸近分析框架，將基于偏微分方程組的電纜神經元模型化簡成基于常微分方程的點神經元模型，我們的生物物理模型引入了額外的突觸整合電流，它源自于空間樹突上的突觸電流之間的非線性相互作用。此外，我們的模型有效刻畫了具有復雜樹突結構的神經元的胞體的電壓響應，能夠實現復雜的樹突計算功能。此外，我們通過漸近分析框架推導出一個雙線性整合法則，并建立了一個真實神經元與人工神經元之間的簡單而有效的映射關系，該映射在模擬真實神經元胞體動力學的準確性、訓練復雜度、參數量以及動態時序數據處理等方面都明顯優于現有的模型。我們的工作為研究具有空間樹突結構的神經元動力學與功能提供了一個系統的理論和計算框架，為設計腦啟發的人工神經網絡提供了新的思路。
