大尺度脑网络结构与动力学的建模与分析丨计算神经科学读书会·周四直播

导语

大脑网络的结构支持大脑丰富的动力学和功能。在这次读书会中，我们将探讨计算神经科学领域中相关的数学模型、理论分析和计算模拟，特别关注大脑网络结构的理论刻画以及研究结构与动力学关系的建模与分析。

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

大脑皮层具有复杂的结构和动力学特性。本次分享将探讨大尺度脑网络结构及其与动力学的建模与分析。首先，我们将介绍大脑网络结构的传统理论刻画，包括小世界和无标度等复杂网络性质。随后通过使用香农熵来量化网络的结构多样性，我们发现大脑网络的结构符合在有限的材料和空间约束下的最大熵原理，且该原理具有跨物种的普适性。随后，基于猕猴大脑皮层的连接组数据，我们建立了一个大尺度多脑区的网络动力学模型，可以模拟大脑网络的时间尺度层级结构，即不同的皮层区域呈现出不同的响应时间尺度，从而实现信息的分层加工处理。该模型框架还可以进一步模拟大脑在决策过程中呈现出的多脑区分布式信息整合特点。这次分享期望能有助于加深我们对跨物种大脑网络结构特点的理解，以及大尺度网络结构与动力学的定量关系。

分享大纲

一、大脑网络结构的传统理论

二、大脑网络结构的最大熵原理刻画

三、大脑结构与部分重要动力学性质的关系

主讲人介绍

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25日（本周四）晚上19:00-21:00

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。

资料推荐

大脑中时间尺度层级结构的理论模型和分析研究。

Chaudhuri, R., Knoblauch, K., Gariel, M. A., Kennedy, H., & Wang, X. J. A large-scale circuit mechanism for hierarchical dynamical processing in the primate cortex. Neuron, 88(2), 419-431. (2015)

对猕猴皮层的网络模型进行数学分析揭示时间尺度层级结构背后的数学机制和生物学意义。

Li, S., & Wang, X. J. Hierarchical timescales in the neocortex: Mathematical mechanism and biological insights. Proceedings of the National Academy of Sciences, 119(6), e2110274119. (2022)

多脑区皮层计算的理论和建模分析综述。

Wang, X. J. Theory of the multiregional neocortex: large-scale neural dynamics and distributed cognition. Annual review of neuroscience, 45, 533-560. (2022)

最大熵原理刻画跨物种大脑网络的结构特点。

Song, Y., Zhou, D., & Li, S. Maximum entropy principle underlies wiring length distribution in brain networks. Cerebral cortex, 31(10), 4628-4641.(2021).

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：