导语

神经计算建模阐明了大脑工作的计算原理并推动了类脑智能的发展。为了推动这一领域的发展，北京大学神经信息处理课题组推出了《第三期神经计算建模及编程培训班》课程，以课题组所著的《神经计算建模实战》教材为基础，结合BrainPy编程框架进行实践。

集智俱乐部连续举办了「神经动力学模型」、「计算神经科学」等系列主题读书会，孵化了上千人规模的「神经、认知、智能」社区，探讨了复杂神经动力学、神经元建模与计算、跨尺度神经动力学、计算神经科学与AI的融合等话题。此次培训班将为「神经、认知、智能」社区成员提供免费参与名额，欢迎感兴趣的朋友加入相关主题读书会，并在文末评论留言。「神经、认知、智能」社区成员 + 留言点赞数最多的前3名朋友，将有机会获得免费参与名额！

互动问题：

你怎么理解神经计算建模？为什么希望学习此次课程？

一、培训班简介

神经计算建模是研究神经系统的结构、功能和机制的重要工具。通过数学、物理、计算机等工具，神经计算建模阐明了大脑工作的计算原理并推动了类脑智能的发展。为了普及这一方法，推动我国计算神经科学的人才培养，我们特别推出了《第三期神经计算建模及编程培训班》课程。

本课程以北京大学神经信息处理课题组所著的《神经计算建模实战》教材为基础，结合BrainPy编程框架进行实践。你将学习神经计算的基本概念、方法和技术，如何用Python编程语言实现神经系统的建模和高效模拟。这将为你在神经计算和类脑智能领域的研究打下坚实的基础。

同时，本期课程特别邀请了几位科研第一线的工作者来介绍与神经计算建模相关的最新科研成果，包括树突计算、连续吸引子网络、抉择网络、工作记忆模型、类脑计算等。

我们欢迎所有对神经计算建模感兴趣的老师和学生参加本期培训班，不论你来自哪个领域，我们坚信你将从中收获颇丰。

二、课程安排

基础课程包括如下内容：

1. 神经计算建模简介
• 神经计算的历史和发展
• 神经计算建模的应用和简介
2. 神经元的电生理模型及动力学分析
• 神经元的电生理模型介绍
• 神经元动力学模型的分析
3. 突触动力学及其可塑性模型
• 突触的生理机制介绍
• 突触动力学模型及其可塑性机制
4. 神经网络的动力学及常见计算模型
• 常见脉冲神经网络模型及实现
• 常见发放率网络模型及实现
5. AI在神经计算建模中的应用
• AI在神经计算建模中的应用概述
• AI在脉冲神经网络模型中的应用

前沿进展包括如下主题：

• 树突计算建模
• 精细神经元建模
• 连续吸引子网络计算建模
• 抉择网络建模
• 类脑芯片

具体课程安排

三、授课队伍

本次培训班主要由北京大学信息处理实验室开展进行，授课老师由吴思教授及其课题组成员组成。由吴思教授领导的北京大学神经信息处理实验室隶属于北京大学心理与认知科学学院。该实验室的研究领域是计算认知神经科学和类脑计算。

同时，本届培训班我们邀请到五位国内外神经计算第一线科研工作者。

• 周栋焯：上海交通大学自然科学研究院/数学科学学院 教授
• 弭元元：清华大学心理学系 长聘副教授
• 杜凯：北京大学人工智能研究院 副研究员
• 张文昊：德克萨斯大学西南医学中心 助理教授
• 环宇翔：广东省智能科学与技术研究院 研究员

四、培训时间和形式

培训时间：2024年8月12日-8月23日

培训方式：线上课程，基于腾讯会议进行授课。

五、报名与缴费

1、培训费：

600元/人。费用仅包含本次培训课程费，不包括纸质会议资料及其他费用。

2、缴费方式：

在线注册缴费，网址：https://meeting.cns.org.cn/3rdNCMP/。

推送最下方点击“阅读全文”也可以报名。

注意：报名时账号的邮箱和手机号正确！！！

3、截止日期：

2024年8月10日23:59。本次会议名额有限（280人），报满为止。

4、本次培训为学员授予结业证书。

5、发票：开具培训费发票。培训班结束后一个月内开具。

六、联系方式

培训会务组

• 夏燕
• 邮箱：xiayan@mail.bnu.edu.cn
• 电话：18001093566

培训课程组

• 王超名
• 邮箱：1802539982@qq.com
• 电话：13120194621

报名缴费

• 李超
• 邮箱：lichao@cns.org.cn
• 电话：18918608441

七、编程工具

本次课程将结合BrainPy编程框架进行实践，BrainPy是一个基于即时编译技术构建的先进编程平台，它集成了现代AI框架如JAX和XLA的强大功能，专门为脑动力学编程提供必要的基础架构。该平台包含了一系列脑动力学建模和仿真所需的核心组件，例如稀疏或事件驱动算子、突触连接、权重和延迟等，这些组件的集成使得BrainPy成为一个全面而完整的脑动力学编程系统。

BrainPy以其高度模块化和统一的编程接口而著称，这些特点极大地便利了从单个离子通道到神经元、网络乃至整个神经系统等不同尺度模型的构建。使用BrainPy，研究人员可以方便快捷地进行模型的仿真、训练和分析，而无需为不同任务重复编程。此外，BrainPy支持即时编译至多种硬件设备上，如CPU、GPU和TPU等，以实现高效的仿真和计算。

针对大脑作为多尺度建模对象的特点，BrainPy提供了模块化和组合编程的解决方案。这种方法允许用户按照大脑的真实层次结构堆叠网络模型，从而构建出复杂的系统模型。例如，用户可以利用Dynamical System构建离子通道模型，这些模型可以组合堆叠成Hodgkin-Huxley（H-H）模型，进一步叠加成网络模型，最终形成系统级的模型。

总之，BrainPy通过其独特的即时编译技术、模块化设计和组合编程范式，为脑动力学建模和仿真提供了一个强大而灵活的平台，显著提升了模型构建和仿真的效率。

八、授课教材

其次本课程以北京大学神经信息处理课题组所著的《神经计算建模实战》教材为基础。

九、往期培训班学员反馈

❝

经过这一个周的学习，我对神经计算有了直观的了解，包括不同层次的模拟（离子通道，突触，神经元，网络），明白了模型并非越精细越好，而要和想回答的问题紧密相连，既可以严格贴合生物构造与现象，也可以化繁为简提取关键因素，意识到神经计算也能够揭示意识和行为等的逻辑与机制 ，也在此过程中第一次上手编程（虽然python的书看了两遍，但第一次编程）。虽然这些收获与感悟可能对于神经计算领域的人来说过于浅显，但是作为生物学背景的人我很开心接受到这些知识的拓展。这个周的学习也坚定了我结合神经生物学与神经计算来揭示神经科学基本规律的决心，我认为神经生物学研究者能够观察到很多有趣的，细节的现象（他们应当更敏锐），而神经计算研究者擅长于归纳总结，提纲挈领，两者应当紧密结合，希望我们大家都能在以后的研究中通过学习与合作，推动神经科学的机制研究。—— 周瑞

❝

报名这个课程让我近距离接触到了清北的优秀师兄师姐们，也带领我进入了计算神经科学的大门。作为一个心理学专业的本科生，我深知自己还有很多数理和编程知识需要补充，这次课程提供的资源，至少在接下来的几个月，都够我继续探索钻研，再次感谢教员们的精心准备和辛勤付出！愿共赴，直至星辰大海的尽头。—— 罗韬昱

❝

这是一段十分宝贵的学习经历，经过七天紧张忙碌的学习主要有以下收获:1.对计算神经科学的知识体系和理框架有了一个总体的认知；2.对如何搭建Brainpy计算环境并使用Python编程对神经科学研究对象及问题进行建模有了一个全面细致的了解；3.对动力系统、矩阵论、概率论等工具进行数学建模和理论分析有了更深刻的感受。七天时间的高强度教学点燃了同学们对计算神经科学的热情，这只是万里长征的第一步，是每个人关于计算神经科学故事的开始，还有很多内容需要消化巩固，对数学编程等培训中发现的知识漏洞和薄弱环节有待充实提高。加强与老师和同学们的联系，在科学探索和学科交叉中寻求支持和帮助。—— 张维

❝

在一周高强度的学习节奏和老师及师兄师姐们的悉心指导下，我对计算神经科学的基本概率、方法和技术有了更深入的理解。这些知识为我未来在神经计算领域或者在类脑智能领域的研究打下坚实的基础。其次我也学习了如何结合神经计算通用编程框架BrainPy进行神经系统的方便建模和高效模拟，掌握了一些实用的技能和方法，例如如何使用BrainPy中的不同模型类、如何自定义模型参数和方程、如何进行批量模拟和分析等。作为数学专业的本科生，从前接触更多的是理论知识，通过这次实操深刻体会到数学知识的实际应用价值，未来我会坚持努力学习，不断提高自己的能力。感谢大家一起继续努力，在神经科学领域深耕！—— 丁恒洋