中国科学院脑科学与智能技术卓越创新中心等首创建立强迫症样猕猴模型

近日,中国科学院脑科学与智能技术卓越创新中心熊志奇研究组联合上海交通大学医学院附属精神卫生中心、上海脑科学与类脑研究中心、临港实验室在《国家科学评论》(National Science Review)上在线发表了题为"Rhesus monkeys exhibiting spontaneous ritualistic behaviors resembling obsessive-compulsive disorder"的研究论文.该研究建立了体现自发强迫样行为的猕猴模型,为强迫症机理研究和干预方案研发奠定了基础.

信息解码视角下的脑科学研究现状与未来展望

继21世纪系统生物学在细胞分子层次的重新兴起,神经科学作为生命科学领域的研究前沿与热点之一[1],进一步衍生划分为系统神经科学与计算神经科学分支。其中,系统神经科学试图寻求大脑如何实现各种感知、认知和运动任务的合理解释[2];而计算神经科学则强调基于任务执行的计算模型对大脑中相互作用的神经元之间实现认知相关功能的行为机制进行模拟[3]。

空间转录组技术解析大脑皮层分子特征

随着对自我认同、意识、情绪等脑认知问题,以及对如抑郁症、老年痴呆症等脑疾病的关注度大幅度提高。解析大脑皮层不同脑区的细胞类型及其组织架构,是理解大脑神经元及神经网络工作原理的必经之路。哺乳动物的大脑皮层发挥着感知认知、意识运动、学习记忆等多种功能,这主要靠不同脑区复杂的神经元连接发挥着作用,要了解其中的机制,解析大脑皮层不同脑区的细胞类型组成是最基本的研究工作。随着高通量测序技术的发展,尤其是2020年华大基因公司发布的空间转录组测序技术的诞生[],使得大脑的细胞研究从化学和物理水平向生物分子水平跨越了一大步。

当VR照进脑科学

2021年元宇宙概念爆火。在元宇宙构建的虚拟世界中,人们可以拥有沉浸式的感官体验,以虚拟身份完成社交、购物、娱乐,实现天马行空的创意生活,开启独特的第二人生。这一构想点燃了大众的激情,而其中VR技术无疑是元宇宙概念最重要的硬件载体之一。VR,全称“virtual reality”,译为虚拟现实。3D立体的视觉感受、肢体位置的感应加上精细的触觉反馈,多感观的交互构建出了沉浸的虚拟世界体验。近年来头戴式VR游戏机逐渐市场化,VR看房、VR培训等专注体验感的应用也层出不穷,VR正渐渐走进大众消费领域。而这项技术的发展,也为脑科学的基础研究与神经类疾病的治疗、康复带来了许多改变。

脑科学的未来

本文阐述了国际学术界关注的脑科学关键问题。介绍有关中国脑科学计划“一体两翼”的内容以及脑科学未来发展的3个方向:理解脑、保护脑、模拟脑。同时也对当今脑科学研究总体状况进行了评论。

基于不确定度的多智能体信用分配方法

近年来,部分可观测条件下多智能体协同受到广泛关注。中心化训练分布式执行作为处理这类任务的通用范式面临信用分配这一核心问题。值分解是该范式中的代表性方法,通过混合网络将联合状态动作值函数分解为多个局部观察动作值函数以实现信用分配,在很多问题中表现很好。然而这些方法维持对混合网络参数的单一点估计,因缺乏不确定度表示而难以有效应对环境中的随机因素导致只能收敛到次优策略。为缓解这一问题,对混合网络进行贝叶斯分析,提出一种基于不确定度的多智能体信用分配方法,通过显式地量化参数的不确定度来指导信用分配。考虑到智能体之间复杂的交互,利用贝叶斯超网络隐式地建模参数任意复杂的后验分布,以避免先验地指定分布类型而陷于局部最优解。在星际争霸微操环境中的多个地图上与代表性算法的性能进行对比与分析,验证了算法的有效性。

中国实验猴产业的历史、现状、挑战与机遇

实验动物在基础科学和临床医学研究中扮演着重要角色,常用的非人灵长类实验动物恒河猴和食蟹猴因与人类高度相似,长期以来备受关注。中国的非人灵长类实验动物产业经过半个多世纪的发展,已从初期的无序扩张逐渐迈向标准化和精细化的成熟阶段。然而,近年来全球生物医药研发势头迅猛,导致对非人灵长类实验动物的需求急剧上升,加之一些非人灵长类实验动物生产企业缺少长远考虑而致繁殖种群老化严重,繁殖力急剧下降,非人灵长类实验动物的供给缺口进一步扩大。在需求上升和供给下降的双重压力下,非人灵长类实验动物的价格急剧上涨。虽然近年来随着生物医药产业周期性下调,非人灵长类实验动物被需求的趋势有所放缓,其价格已有较大回落,但仍处于高位。同时,在价格高企的大背景下,非人灵长类实验动物产业内出现了种群繁殖能力退化加剧、微生物质量控制要求降低、遗传质量控制缺失和盲目投资建场等问题。本研究系统地回顾了中国非人灵长类实验动物(重点是实验猴)产业发展的历史与现状,探讨了当前行业格局的成因,以及面临的潜在挑战与机遇,期望能为中国非人灵长类实验动物产业的未来发展提供一些参考和启示。

空间脑科学研究的回顾与展望

人类大脑是自然界最复杂的系统之一.大脑结构与功能之谜是人类认识自身的终极疆域,对于推动科技创新发展与人类文明进步具有极其重要的意义.载人航天是现代科技革命的重要领域之一,美国、俄罗斯等航天大国已利用空间资源开展脑科学研究.我国空间站的建设,将提供空间脑科学研究的系统创新平台,极大地推进中国空间脑科学计划进程.本文综述了在空间环境或模拟空间环境下,脑发育及生物学机制、认知规律与机制、生物节律和睡眠对脑功能的影响、群脑协同等方面的空间脑科学研究进展,并简述和展望了我国空间脑科学研究的发展方向.

类脑智能研究的回顾与展望

人工智能学科诞生以来,实现人类水平的智能系统便是本学科探索的长期目标.然而经历了近60年的发展,目前还没有任何一个通用智能系统能够接近人类水平:具有协同多种不同的认知能力;对复杂环境具备极强的自适应能力;对新事物、新环境具备自主学习的能力等.随着脑与神经科学、认知科学的发展,在不同尺度观测各种认知任务下脑神经网络的部分活动并获取相关数据已成为可能.因此,受脑工作机制启发,发展类脑智能成为近年来人工智能与计算科学领域研究的热点.类脑智能是以计算建模为手段,受脑神经机制和认知行为机制启发并通过软硬件协同实现的机器智能.类脑智能系统在信息处理机制上类脑,认知行为和智能水平上类人,目标是使机器实现各种人类具有的多种认知能力及其协同机制,最终达到或超越人类智能水平.文中将从脑科学、认知科学、人工智能研究交叉的视角回顾与类脑智能研究有关的历史、现状与研究焦点,并展望该研究领域的发展方向、可能的应用领域及其潜在的深远影响.

面向类脑计算的氧化物忆阻器

类脑神经形态计算通过电子或光子器件集成来模拟人脑结构和功能。人工突触是类脑系统中数量最多的计算单元。忆阻器可模拟突触功能,并具有优异的尺寸缩放性和低能耗,是实现人工突触的理想元器件。利用欧姆定律和基尔霍夫定律,忆阻器交叉阵列可执行并行的原位乘累加运算,从而大幅提升类脑系统处理模拟信号的速度。氧化物制备容易,和CMOS工艺兼容性强,是使用最广泛的忆阻器材料。本文梳理了氧化物忆阻器的研究进展,分别讨论了电控、光电混合调控和全光控忆阻器,主要聚焦阻变机理、器件结构和性能。电控忆阻器工作一般会产生微结构变化和焦耳热,将严重影响器件稳定性,改进器件结构和材料成分可有效改善器件性能。利用光信号调控忆阻器电导,不仅能降低能耗,而且可避免产生微结构变化和焦耳热,从而有望解决稳定性难题。此外,光控忆阻器能直接感受光刺激,单器件即可实现感/存/算功能,可用于研发新型视觉传感器。因此,全光控忆阻器的实现为忆阻器的研究和应用打开了一扇新窗口。

从认知脑的计算模拟到类脑人工智能

让人类的心智在计算系统中重现,对大脑的模拟是其中的关键。目前,脑与认知科学的进展虽然尚不足以支持对整个人脑及其连接进行精细计算模拟,但是受脑神经机制和认知机制启发,从微观、介观和宏观水平对大脑进行计算建模仍然对于推进从科学上理解脑的机制机理以及促进类脑人工智能意义深远。构建兼具生物合理性和计算高效性的神经网络模型是认知脑的计算模拟与类脑智能研究面临的重要挑战。本文将从回顾认知体系结构、计算神经科学和类脑人工智能的历史脉络、发展进程的视角切入,介绍大规模脑模拟的全球布局与进展以及类脑脉冲神经网络平台的研究,最后展望未来脑模拟与类脑智能研究的发展方向。

面向新一代智能视觉的光电忆阻器研究进展

基于冯·诺依曼计算架构和互补金属氧化物半导体(complementary oxide semiconductor,CMOS)技术的传统人工视觉系统,因其图像感知、存储和处理单元物理分离,在集成度、能耗、处理效率等方面均面临挑战。受生物视觉系统的启发,基于光电忆阻器的神经形态视觉系统可实现感/存/算共融,并具有视觉信息的并行处理功能,因此是新一代智能视觉的重要发展方向。该系统不仅能够模拟视网膜的功能,包括直接响应光信号、完成对比度增强及降噪等图像预处理工作,而且能够模拟大脑视皮层的功能,对图像进行识别、分类等,完成感知任务。对光电忆阻器件的研究进展及其在人工视觉系统中的应用进行了总结。首先概述了忆阻器的特征;其次综述了光电忆阻器件的研究进展,包括材料、结构、工作机理、突触功能模拟等;再次介绍了光电忆阻器在人工视觉系统中的应用;最后总结了光电忆阻器研究面临的困难以及未来发展趋势。

基于精细运动想象的脑机接口技术研究进展

基于运动想象的脑机接口(Motor Imagery based Brain-Computer Interface,MIBCI)对运动康复具有重大意义。然而,现有MI-BCI指令集有限,在高维精细运动控制时,运动意图与动作输出无法匹配,不利于构建反馈真实运动意图的闭环运动康复系统。近年来,精细运动想象编解码研究逐渐受到关注与重视,在范式与解码方法两方面取得了一些研究进展。范式方面,一些研究对想象单一肢体不同关节、同一关节不同自由度的动作进行了尝试;解码方法方面,传统机器学习、深度学习与基于领域自适应的迁移学习方法等被引入到了精细运动想象解码研究中。本综述讨论了基于脑电信号的精细运动想象范式与解码方法的研究进展,并展望了其未来前景,以期促进精细运动想象脑机接口技术的深入研究及未来应用。

大脑信号解码技术已走进现实

人工智能技术极大地提高了大脑信号解码的准确度,让基于视觉、听觉等神经信号的应用逐渐变为现实。

戏说猕猴脑皮质图谱

1970年,神经学家Paul MacLean提出了关于“三位一体的大脑”的假说,他认为依据动物在进化史上的顺序,从爬行动物到古哺乳动物、新哺乳动物脑;可将目前人类大脑分成三个部分。本能脑:它负责基本生理和求生功能,包括战斗、逃跑或僵住。情感脑:它主要调控情绪和记忆相关。理性脑:参与我们的思维活动,包括思考、分析、逻辑、想象、创造等,也就是后续会着重为大家介绍的新皮质区域。

大脑“着火”了?解读罕见病——自身免疫性脑炎

很长一段时间,人们认为外周免疫系统与中枢神经系统是没有关联与相互作用的。然而,近些年的研究发现,人体外周免疫系统可产生自身免疫性抗体,在发热、炎症等疾病状态下,自身免疫性系统通过血脑屏障到达中枢神经系统,从而引起靶向大脑的自身免疫性疾病。这就好比我们的“大脑”着火了。

精细视觉感知在大脑中编码的新机制

眼睛是人类视觉系统的主要器官,而大脑则是视觉信息处理的中心。视网膜为眼球壁的内层,眼睛把外面各种我们肉眼可以感知的可见光信号,通过视网膜转化成神经电信号,再由多级视网膜神经网络编码后传入大脑,从而让我们产生视觉感知。视觉虽然起源于眼睛,但最终形成于大脑枕叶的视皮质部位。视觉是人们用来获取外部信息、感知这个丰富多彩世界最主要的感觉器官,是人类高级认知功能的基础。通常情况下,我们能够毫不费力地看到眼前的视觉世界,因此常常会忽略视觉认知背后超级复杂的大脑神经网络及其海量的神经计算。

康复机器人与智能辅助系统的研究进展

我国正面临日益严重的老龄化问题和数量庞大的残疾人群,康复机器人与智能辅助系统的研究开发和应用有望为解决养老、失能辅助和康复问题提供部分技术手段.康复机器人与智能辅助系统涉及医学、信息、机械、电子、材料、力学等多个学科领域,其研究与开发也面临诸多挑战和困难,本文从"康复机器人及多种康复训练模式"、"智能辅助系统与生机电技术"、"康复与辅助相关的多模态传感与控制方法"、"外骨骼和可穿戴系统、智能假肢与人机安全性"等方面介绍和讨论康复机器人和智能辅助系统的问题和研究进展,以期为未来康复机器人和智能辅助系统的研究与开发提供些许借鉴.

基于自适应时间步脉冲神经网络的高效图像分类

脉冲神经网络(Spiking neural network,SNN)由于具有相对人工神经网络(Artifcial neural network,ANN)更低的计算能耗而受到广泛关注.然而,现有SNN大多基于同步计算模式且往往采用多时间步的方式来模拟动态的信息整合过程,因此带来了推理延迟增大和计算能耗增高等问题,使其在边缘智能设备上的高效运行大打折扣.针对这个问题,本文提出一种自适应时间步脉冲神经网络(Adaptive timestep improved spiking neural network,ATSNN)算法.该算法可以根据不同样本特征自适应选择合适的推理时间步,并通过设计一个时间依赖的新型损失函数来约束不同计算时间步的重要性.与此同时,针对上述ATSNN特点设计一款低能耗脉冲神经网络加速器,支持ATSNN算法在VGG和ResNet等成熟框架上的应用部署.在CIFAR10、CIFAR100、CIFAR10-DVS等标准数据集上软硬件实验结果显示,与当前固定时间步的SNN算法相比,ATSNN算法的精度基本不下降,并且推理延迟减少36.7%~58.7%,计算复杂度减少33.0%~57.0%.在硬件模拟器上的运行结果显示,ATSNN的计算能耗仅为GPU RTX 3090Ti的4.43%~7.88%.显示出脑启发神经形态软硬件的巨大优势.

氧化物神经元器件及其神经网络应用

目前,人工智能在人类社会发挥着越来越重要的作用,以深度学习为代表的人工智能算法对硬件算力的要求也越来越高。然而随着摩尔定律逼近极限,传统冯·诺依曼计算架构越来越难以满足硬件算力提升的迫切需求。受人脑启发的新型神经形态计算采用数据处理与存储一体架构,有望为开发低能耗、高算力的新型人工智能技术提供重要的硬件基础。人工神经元和人工突触作为神经形态计算系统的核心组成部分,是当前研究的前沿和热点。本文聚焦氧化物人工神经元,从神经元数学模型出发,重点介绍了基于氧化物电子器件的霍奇金–赫胥黎神经元、泄漏–累积–发射神经元和振荡神经元的最新研究进展,系统分析了器件结构、工作机制对神经元功能模拟的影响规律。进一步,根据不同尖峰发射动态行为,阐述了基于氧化物神经元硬件的脉冲神经网络和振荡神经网络的研究进展。最后,讨论了氧化物神经元在器件、阵列、神经网络等层面面临的挑战,并展望了其在神经形态计算等领域的发展前景。