南边科技大学神经核算与操控试验室（Neural Computing and Control lab，NCC lab）是一个以数学和核算为中心，以研讨人类大脑的核算方法为根底，以操控和调理大脑功用为使用的试验室。

  刘泉影博士为NCC lab的PI。刘泉影在兰州大学取得电子信息工程学士，核算机理论硕士，在瑞士苏黎世联邦理工取得生物医学工程博士，美国加州理工学院John Doyle课题组进行反应操控理论与运动操控相关的博士后研讨练习，现在是南边科技大学生物医学工程系助理教授。

  一般来说，构建scalable大脑模型有两条技能道路：一条是自下而上，用上百万或上亿个HH模型或LIF模型组合而成；一条是自上而下，用LLM的思路，来拟合大规模神经数据，学习大脑表征，而不论底层神经生物学机制。

  怎么根据神经时序动态数据，练习大脑预练习模型，练习出来有什么用？能代表大脑吗(数据集？模型？署理使命？下流使命？) 大规模预练习的大言语模型和多模态模型上体现的性质是否在大脑中也存在，怎么启示咱们对大脑预练习模型的规划？根据神经数据练习的pre-trained大模型，能干嘛，这类模型怎么让咱们了解大脑信息表征机制？

  大脑体系触及多个空间标准，从基因到单个神经元，从神经元群到各个脑区，从各个脑区到整个大脑，最终再到行为。一个标准下的改动怎么对其它标准产生影响？怎么交融多标准信息建模才干更好得描绘大脑体系？

  视觉、文本、声响等等作为input给AI，并猜测AI的输出，是很简单的；而大脑往往是经过传感器（photorecptor，hair cell）来转化成神经信号。天然影响（视觉、听觉、触觉、嗅觉、味觉）和物理影响（tES、TMS、tUS）对大脑的效果上有什么本质差异？怎么构建大脑的输入-输出联系的模型？怎么为大脑规划最优的影响（天然影响或许物理影响），以最大化神经元活动、或最大化大脑的某个功用？

  之前的生物学家或许心思学家都是环绕一个或几个hypothesis来规划可操控参数的in-lab试验，能够研讨特定的某个环路、或某种心思、某种行为，能够探究特定操控变量与观测成果之间的因果联系，但不具有big picture。怎么使用大规模记载的数据，构建神经与认知、认知与行为的因果联系？怎么从相关中挖掘出因果（from association to causality)？

  AI往往针对特定使命规划loss function，使用error backpropagation进行学习；而大脑是很多个使命的全体优化，受限于大脑的结构、空间、能量等等束缚。大脑能否用BP算法进行学习，为什么？AI的多使命学习与搬迁学习等方法是否可进一步从大脑取得启示？AI和大脑在使命学习尤其是多使命等杂乱场景中的学习存在哪些差异？AI经过数据驱动的学习方法通常是被迫学习，不会与环境数据来进行交互，这与大脑自动学习的方法存在哪些差异？AI中强化学习，自动学习等方法能否进一步从大脑中取得启示？

  CV请包括本科和硕士布景、5-6门core courses及分数、研讨阅历、把握的技能、publications（假如论文尚没有宣布，能够先发一个writting sample）

  个人陈说请针对以下六个NCC lab感兴趣的问题中的任何一个进行展开评论

  刘泉影教师在集智社区参加建议过并做了以《网络操控及其在神经调控中的使用》为主题的讲座，并组织了该主题下的圆桌论坛，能够扫码观看。

  为了促进神经科学、体系科学以及核算机科学等多范畴学术工作者的沟通协作，招引更加多朋友一起探究脑科学与类脑研讨，周昌松、臧蕴亮、杨冬平、郭大庆、陈育涵、曹淼、刘泉影、王大辉、刘健、王鑫迪等来自国内外多所闻名高校的专家学者在集智沙龙一起建议「」读书会，历时四个月研讨，近来圆满结束。

  本季读书会形成了集合500+成员的神经动力学社区，积累了40+小时总述、解读、研讨的视频记载，以及多篇社区成员总结的词条、笔记、翻译、科普材料等。现在报名参加读书会，即可参加社区沟通评论（微信），并解锁相关视频、文本材料。咱们对脑的探究才刚刚起航，欢迎你一道参加，一起点亮更多脑科学研讨的岛屿！