关于举办青年教师交叉学科“复杂系统与类脑计算”学术论坛（第四期）的通知
关于举办青年教师交叉学科
“复杂系统与类脑计算”学术论坛（第四期）的通知
为促进我校青年教师跨学科研究工作的交流，发挥优秀青年教师的示范表率作用，扩大教师科研工作领域，推动学校“双一流”学科建设，学校教师发展中心决定举办青年教师交叉学科“复杂系统与类脑计算”第四期学术论坛。本期论坛特别邀请了北京大学陶乐天教授作题为“Information Processing in Feedforward Neuronal Networks”的学术报告，他将与青年教师们分享科研工作的心得与体会。
现将学术论坛的具体安排通知如下：
（1）主题：Information Processing in Feedforward Neuronal Networks
（2）主讲人：陶乐天教授 北京大学
（3）主持人：孙晓娟 理学院
（4）时间：2018年10月24日（星期三）中午14:00-16:00
（5）地点：教一楼229
主讲教师简介见附件一。报告主要内容见附件二。报告人研究方向介绍见附件三。
希望对该应用领域感兴趣的青年教师和研究生踊跃报名参加论坛。
报名截止日期为：10月24 日上午11:00。
联系人：李老师
联系电话：62285129或13641171956
教师发展中心
2018年10月23日
附件一：主讲教授简介
陶乐天教授，本科毕业于哈佛大学，博士毕业于美国芝加哥大学。现为北京大学定量生物学中心教授。
附件二：报告主要内容
A major stumbling block in understanding information
propagation in neural systems has been the identification of a mechanism with which graded (firing rate amplitude) information may be transferred from one neural population to another. Recently,synfire-gated synfire chains (SGSCs) have been identified as a leading candidate for such a mechanism. We have been working to better understand how to incorporate SGSCs within a flexible framework for neural computation that includes information routing, processing,decision making, and learning. In this talk, we present an SGSC-based neural circuit that learns an information structure in one brain region, then copies it to another. This is, to our knowledge, the first attempt to understand how memories in brain regions such as the hippocampus, responsible for short term memory, may be transferred to other, long term memory storage regions.
附件三：报告人的研究方向介绍
理解大脑的工作原理是当今生命科学、信息科学与数理科学等多学科高度综合交叉的前沿研究领域之一。了解神经系统处理信息的动力学机制，是破译大脑计算的关键，而大脑信息处理功能是通过各个层次神经环路的信息传输和整合的计算得以实现的。 陶乐天课题组主要运用数学和大规模计算的方法去模拟、数值仿真、分析神经生物学中神经元网络的动力学特性，通过数学分析了解动物皮层的感知功能是如何在神经元网络各组分之间的相互作用中产生的，并揭示神经元网络动力学和网络结构之间的可能关系。课题组已经利用数学模型研究视觉神经系统感知功能的动力学计算原理，通过建立与生物学、解剖学相吻合的大规模初级视皮层神经元网络模型，同时整合、解释了许多视觉皮层的生理现象，提出神经元网络的波动驱动的临界态理论(fluctuation-driven criticality)，及它在初级视皮层朝向选择性中的运用。通过数学理论框架，有效地降低原神经元网络系统的维数(Tao and Sornborger, 2010; Tao et al, 2012; Wang and Tao, 2014)；并利用统计力学理论开展简化动态神经元网络维数的方法，为大型神经元网络数值模拟提供可行性 (Cai et al, 2006; Carceras et al, 2011; Cai et al, 2012)。
课题组最近提出了pulse-gated synfire chain (PGSC)模型。该模型能够传递多幅值信息，揭示了在瞬态或振荡环境中，信息精确传递的动力学机制。该研究通过平均场理分析，揭示了当相邻层的门控电流在时间上有重合的情况下信息稳定传递的机制，并在环路模型模拟中得到了很好的验证。稳健性分析表明，PGSC在不同大小的神经网络中，以及在门控电流的时间或连接强度存在随机干扰的情况下，都能够稳定、精确地传递信息。
最近课题组的工作包括：(1) 利用数据时空分解方法研究大规模神经元网络的动力学性质并进行数据驱动式降维；(2)应用数学降维方法，开拓分析光学成像数据的技术，发展预测神经元功能网络的算法；(3)开展神经网络门控模式和信息流、信息处理的神经环路模型； (4) 开展同时具有高空间分辨率和高时间分辨率的光学成像技术，研发线虫行为及其神经环路同步成像的成像系统。目前研制的快速成像系统已获得专利。