处理各种感觉与运动信息的时间及空间变换并高效地实现时空变换不变性是大脑最基本的认知功能之一。比如在感觉层面,一个苹果经历旋转、变形等各种变换后,大脑依然可以很轻易的得出苹果这个概念本身,即认知的不变性;同一段旋律经历不同方式演奏(如不同乐器、速度、音高等)依然不会影响我们对该旋律的认知。运动层面,我们写字的时候可以根据需要,很轻易地写出具有不同形状、大小、速度的运动 轨迹。
另一方面,灵活实现时空变换不变性也是人工智能最基本任务之一,然而其能力似乎远不如大脑。因此理解大脑如何表征各种时空变换以及如何实现时空变换不变性不仅有助于我们解开大脑的计算奥秘也将为类脑人工智能的算法设计提供灵感。
因此,从“top”到“bottom”,我们实验室主要包括但不限于以下研究方向:
1.在认知层面,时空变换及不变性的计算机制,以及在大脑内的生物实现机制。
2.神经网络结构连接与群体活动的交互作用。一般的,认知层面的机制(如时空变换的机制)依赖于底层网络结构与神经活动的相互作用:也就是结构决定活动,而活动又可以通过长时程或短时程可塑性反过来影响结构。
3.大脑与人工智能潜在的通用底层计算原理。我们将持续探索描述大脑与人工智能通用计算原理的数学结构。并重点关注时空变换及不变性方向。
为实现上述目标,实验室将继续采取实验与理论建模深度交叉的技术策略。具体包括:人心理物理实验、动物行为实验、大规模多脑区神经活动记录、机器学习与跨尺度计算建模等。
S. Zhou#, H.Y. Chu, G.Z. Jin, J.M. Cui, X.C. Zhen# (2014). Effects of SKF83959 on the excitability of hippocampal CA1 pyramidal neurons: a modeling study. Acta Pharmacologia Sinica, 35(6):738-751 (#corresponding author) .
S. Zhou, M. Migliore, and Y. Yu (2016), Odor Experience Facilitates Sparse Representations of New Odors in a Large-Scale Olfactory Bulb Model. Frontiers in Neuroanatomy, 10, 10
S. Zhou, Y. Yu (2018), Synaptic E-I balance underlying efficient coding. Frontiers in Neuroscience 12, 46
S. Zhou, S.C. Masmanidis, D.V. Buonomano (2020), Neural sequences as an optimal dynamical regime for the readout of time. Neuron, 108, 1–8,
S. Zhou, D.V. Buonomano (2022), Neural population clocks: Encoding time in dynamic patterns of neural activity, Behavioral Neuroscience
S. Zhou#, S.C. Masmanidis, D.V. Buonomano# (2022), Encoding time in neural dynamic regimes with distinct computational tradeoffs, Plos Computational Biology, 18 (3), e1009271 (#corresponding author)
S. Zhou*, M. Seay*, J. Taxidis, P. Golshani, D.V. Buonomano (2023), Multiplexing working memory and time in the trajectories of neural networks, Nature Human Behaviour, 2023 (*first author)
地址: 上海市徐汇区东安路131号医学科研楼二楼
邮编: 200032
电话/传真: 021-54237056
邮箱: zhoushanglin@fudan.edu.cn