首页   ·   简介   ·   研究方向   ·   正文

研究方向

发布时间:2018-09-09浏览量:22459

研究院依托复旦大学计算、生物、信息等多学科、跨领域交叉研究优势,以计算神经科学为桥梁,致力于在类脑人工智能算法、重大脑疾病智能诊疗、类脑智能芯片、新药智能研发等领域产生重大原创突破,引领脑科学、人工智能与产业应用的融合,实现未来智能产业技术创新。

主要研究方向包括:

一是高级认知功能及障碍的神经机制——基于认知神经科学、行为神经科学和精神药理学等领域的交叉研究基础,采用功能磁共振成像、神经记录、脑电、行为实验、教育实验干预和分子生物学等多技术结合的研究手段,在遗传、神经回路、脑区、行为和环境等各个水平上,开展人类高级认知功能及障碍的脑机制、学习与脑的可塑性、人类和其他动物中的大脑皮层功能及化学神经递质系统调控,大脑皮层功能损伤与多种脑疾病的致病、治疗和预后评估等研究。

二是多模态多尺度数据分析理论与应用——构建并利用多模态多尺度脑数据库,开展与神经科学、癌症、心血管疾病、分子诊断学和个性化医疗等方面的交叉及转化研究,利用与发展模式识别、深度学习等类脑智能方法寻找基因、脑影像和认知功能的诊断指标,提升脑重大疾病临床诊断以及药物疗效评估的准确性和效率;另外,以数据为驱动,结合生物医学原理,开展脑皮层神经环路的逆向工程,初步揭示相关脑疾病致病机制。

三是神经形态计算模拟与仿真——针对制约人工智能进一步发展的生物脑信息处理机制,开展认知、注意、学习与记忆过程的神经科学实验研究,融合光、磁遗传学、多通道在体电生理、多尺度脑影像等技术手段,建立生物脑学习记忆过程的大尺度计算神经网络时空模型,揭示脑信息处理机制,启发类脑智能学习新理论、新算法和新框架,推进新一代人工智能理论与应用技术的发展。

四是类脑控制器的智能算法与实现——基于类脑智能新理论、新算法和新框架,同时结合信息、材料、制造等多专业知识,开发具有自适应、自组织、自学习功能的类脑智能器件和智能设备;突破冯.诺伊曼结构对计算芯片发展的限制,设计超低功耗的类脑芯片,实现嵌入式类脑信息处理功能,进而突破已有人工智能技术的局限,研发能够协同视觉、听觉、思维和运动等多通道信息的新一代类脑机器人。