类脑认知计算与脑机融合智能研究组

研究方向

研究组致力于深度借鉴多种脑图谱结构、脑功能活动、脑可塑性机制等，研发生物合理且计算高效的类脑神经网络模型，在低能耗、强鲁棒、高灵活泛化方面展示出类脑计算优势。类脑模型深入融合深度神经网络技术、生物物理知识嵌入技术、图谱拓扑表征及结构嵌入技术。一方面，生物合理的类脑模型可以支撑生物复杂系统的动力学模拟，如睡眠模拟、麻醉模拟、血流动力学模拟；另一方面，类脑模型后续开发为类脑芯片，应用于对能耗、稳定性、灵活性等都有较高要求的应用场景，如面向侵入式脑机接口的高通量在线解码芯片、面向动态视觉的高帧率物体识别芯片。研究组提出多类生物合理的神经网络学习方法，如自组织反向传播方法（Science Advances/IEEE TNNLS）、神经调制连续学习方法（Science Advances）、多巴胺奖赏传播方法(IEEE TNNLS)、膜电位平衡方法（AAAI/IJCAI）、元动力学方法（AAAI/NeuroComputing）、群体动力学编码方法（AAAI）、多脑区组合方法（IEEE TNNLS）、动力学知识嵌入网络方法（NeurIPS）、多尺度信号对齐方法（IEEE TCYB）等，并应用到如图像分类、自然语言处理、连续动作控制、强化学习游戏等多类AI典型任务。

研究单元

类脑算法：将生物学习方法、生物结构拓扑、生物编码方式等新机制，融入到当前的人工神经网络中，提升AI算法在准确率、能耗、鲁棒性、灵活性等方面的综合能力；设计能够针对任意生物图谱的拓扑结构抽提方法，以实现从生物图谱到模型计算架构的高效转换。
查看更多

类脑模拟：充分利用生物前额叶、海马、丘脑等特殊结构嵌入的类脑模型，发挥其在注意力、工作记忆、多感觉融合、复杂决策等方面的优势，并实现对生物认知实验现象的多尺度精确模拟仿真。
查看更多

类脑芯片：针对脑机接口算法实际应用过程中的可解释、灵活性、低能耗等需求，研发能够部署类脑算法的兼具生物合理性与计算高效性的类脑芯片，既可以作为独立AI通用芯片（支持动态视觉、动态听觉等识别），也可以作为植入式脑机接口专用芯片。
查看更多

数理基础：研究生物知识、物理知识、数据知识嵌入神经网络的数学原理，探索复杂动力学系统与网络连接模式的关系，提出节点知识嵌入、结构知识嵌入、神经算子知识嵌入、Loss损失函数嵌入等几类知识融合方法，发挥模型在小样本学习、长时程预测预报等方面的优势，支撑如天气、海洋流场、脑动力学、血流动力学等复杂系统状态的预测预报。
查看更多

智慧医疗：研发智能麻醉机器人，通过术中EEG数据以及其他生命体征数据对术中的麻醉深度、疼痛指数、多步长麻醉深度预测等指标进行评估，通过类脑分类、预测、强化学习等算法给出最佳给药决策，辅助医生进行自动、精准麻醉与脑状态监控。
查看更多

研究组成员

张铁林
博士

研究组组长 | 研究员

2016年毕业于中科院自动化所，获模式识别与智能系统方向博士学位
2016年、2019年在中科院自动化所分别担任助理研究员、副研究员职位
2022年至今，担任中科院自动化所复杂系统认知与决策重点实验室PI组长
2024年起任中国科学院脑科学与智能技术卓越创新中心 | 类脑认知计算与脑机融合智能研究组组长 | 脑科学数据与计算中心主任
中科院青促会会员、青源会会员、特聘研究骨干
北京市科技新星
主持多项国家重点研发课题及中科院先导专项课题
Science子刊、IEEE会刊以及AI顶会等发表多篇高水平论文

张海宁

研究组成员 | 实验室秘书
赵东城

研究组成员 | 副研
SNN学习方向
孙悦

研究组成员 | 博士后
生物物理知识嵌入类脑计算方向
韩立元

研究组成员 | 博士后
多模态脑机融合智能方向
杨芸

研究组成员 | 工程师
类脑算法方向
宋昱

研究组成员 | 工程师
类脑芯片方向
肖二军

研究组成员 | 工程师
智慧医疗方向
杨启志

在读博士生
多模态脑机融合智能方向
郑天羽

在读博士生
多模态脑机融合智能方向
王岩松

在读博士生
多模态脑机融合智能方向
郝崇赫

在读硕士生
多模态脑机融合智能方向
于金妍

在读硕士生
类脑芯片方向
王永健

在读硕士生
类脑芯片方向
郑栖远

在读硕士生
生物物理知识嵌入类脑计算方向
杨振宇

在读硕士生
SNN学习方向
张健

在读硕士生
类脑模拟方向
叶自强

访问研究人员 | 在读硕士生
类脑模拟方向
杨新睿

在读硕士生
多模态脑机融合智能方向
张腾宇

访问研究人员 | 在读硕士生
SNN学习方向
张新贺

工程师
类脑模拟方向