报告题目：理解大脑的数学之路：从神经元模型到复杂脑网络动力学
时 间：2026年09月11日（星期五）10：00
地 点：科研楼18号楼1102
主 办：数学与统计学院
参加对象：感兴趣的老师和学生
报告摘要：大脑是自然界最复杂的信息处理系统之一，其结构、动力学和功能之间存在复杂的多尺度关联。然而，随着脑科学实验技术的发展，大规模、多维度神经数据不断产生，如何从实验观测中提取数学规律、揭示背后的作用机制，成为现代脑科学面临的重要挑战。计算神经科学作为连接数学、计算科学与神经科学的重要交叉领域，通过数学建模、理论分析和数值模拟，为理解大脑信息处理机制提供了新的研究途径。本报告将介绍我们课题组近年来围绕神经元网络结构、动力学与功能关系开展的一系列研究工作。首先，在单神经元尺度，针对传统点神经元模型无法描述树突复杂计算的问题，我们发展了包含树突结构的神经元系统渐近分析方法，建立了从多隔室生物物理模型到有效点神经元模型的数学约化框架，并构建具有更强计算能力和生物解释性的脑启发人工神经网络模型。其次，在神经网络连接结构尺度，针对实验中只能观测神经元活动而难以直接获得连接关系的问题，我们研究了基于神经活动序列推断网络结构的反问题，建立不同因果性度量方法之间的理论联系，并揭示不同物种脑网络连接结构中存在的普适数学规律。最后，在神经网络功能尺度，我们研究具有异质连接结构的神经元网络动力学性质，刻画复杂网络中的均衡态行为，并探索其在高效信息编码和稀疏表示中的作用。本报告希望展示，数学不仅能够帮助我们分析和解释脑科学实验现象，也能够通过理论建模和计算方法发现新的科学规律。同时，将结合个人经历探讨数学与神经科学等交叉领域合作中的机遇、挑战以及可能的发展模式。
报告人简介：周栋焯，上海交通大学自然科学研究院/数学科学学院，特聘教授，研究领域为计算与应用数学，具体方向是计算神经科学，2002年和2007年分别获得北京大学学士和博士学位，2007-2009年美国纽约大学库朗研究所博士后，2010年进入上海交通大学自然科学研究院/数学科学学院工作，2016-2023年任教授、长聘教授和特聘教授。现任CNS计算神经科学分会秘书长，CSIAM数学生命科学分会常务理事，获得国家自然科学基金委优青、杰青、重大研究计划重点项目，科技部重点研发计划项目，上海市科委青年科技启明星，上海市教委育才奖等，在国际学术刊物 CPAM，PNAS，PRL，NeurIPs等发表论文60余篇，工作成果被实验验证，并选为期刊亮点和封面文章。