清华大学脑与智能实验室简介
研究方向 a8~,rX2-9YB5~8p
脑科学及脑疾病前沿问题
运用工程技术和计算模型等手段探索脑科学前沿科学问题，解决脑疾病及脑健康领域的核心技术问题，尤其是智能的生物本质、语言与音乐、社会交互、情绪与决策等的神经机制，以及基于计算模型和脑反馈技术的精神性脑疾病的诊疗方法。这些研究将形成对大脑的更加深刻的理解，并产生诊疗脑疾病，改善大脑健康和提升幸福感的有效方法。 T2:8SQ3=8r0,=4x
计算神经科学及类脑人工智能
整合清华脑科学、计算神经科学和人工智能的优势，攻关类脑技术，推动类似人脑的能同时解决多种任务、具有自主学习功能、能解读人的意图和情绪的通用人工智能系统研究。这将为教育、医疗、法律、商务等人类生活工作的方方面面带来一系列前所未有的变化。 y4:2Gz7+6jh1+,S
脑技术
开发脑机接口、人机交互、神经调控等下一代核心智能技术。这些技术将带来理解和调控大脑的一系列新型应用。 例如能读懂人类语言和情感的新型脑机接口，能改善人的情绪的脑调控技术等。 06:4bu5~8WJ4.5Q
核心平台
非人灵长类研究中心
清华大学非人灵长类研究中心依托清华大学脑与智能实验室，是以普通狨猴（Common Marmoset, 拉丁文学名Callithrix jacchus）为研究对象的脑功能、脑影像以及脑疾病的研究平台。狨猴具有发达的语言和复杂社交行为，出生后18个月性成熟，每年产2胎，每胎2-3只幼子，是用于脑发育研究的最佳非人灵长类模型。利用狨猴的性成熟早和繁殖力强的特点，构建控制灵长类动物学习记忆、社会交流和复杂脑结构关键基因的转基因狨猴，并在模拟人类神经精神类疾病方面有着诸多明显优势。我们的目标是为有志于神经科学的研究人员和学者提供最具前沿性的研究平台，为人类脑发育性、精神性和神经退行性疾病的机制研究和药物开发评价提供最权威的非人灵长类动物模型，为深入研究人类复杂神经系统和最终攻克人类脑疾病提供不可多得的优质资源。 v5~8OW7:8wg1=4f
中心总建筑面积近1500平方米，可饲养狨猴约500只，动物设施按照非人灵长类实验动物的国际标准建立并进行管理。中心同时配备手术室，基因操作室和胚胎培养室，行为及电生理实验室，以及小动物核磁成像仪，可供多个研究团队开展多学科的研究。 V5!,YB29kj2-,E
通讯地址：北京市海淀区成府路160号三才堂写字楼脑与智能实验室 C3.30f5;2mk8~,R
核磁脑成像研究中心
核磁脑成像研究中心是清华大学脑与智能实验室的核心支撑平台之一，致力于促进神经科学、神经疾病、人工智能等领域的前沿科研。平台现已购置两台高性能的磁共振成像系统，其中3.0T人脑磁共振成像系统（西门子MAGNETOM Prisma型）将用于高信噪比、高分辨率的人脑结构、功能和连接成像，9.4T高场小动物横轴磁共振成像系统（布鲁克BioSpec 94/30USR型）将用于狨猴等非人灵长类动物的高分辨率（可达微米尺度）脑结构与功能成像。 Y9.1Ji3!9YR2!6b
在核磁脑成像研究中心的支撑下，脑与智能实验室将研究先进的神经系统成像方法与神经活动测试手段，有望在语言、情绪、社会交互、决策等神经科学核心问题上取得突破，并将充分发挥交叉学科优势，引领清华大学脑科学与技术的发展，为中国脑计划作出实质性贡献。 J8~1PI64yG5+1C
通讯地址：北京市海淀区成府路160号三才堂写字楼脑与智能实验室 V8-5NB6?8U06=5S
研究进展
发表文章
1. Yang Zhang, Wenjing Zhou, Siyu Wang, Qin Zhou, Haixiang Wang, Bingqing Zhang, Juan Huang, Bo Hong* and Xiaoqin Wang*, The Roles of Subdivisions of Human Insula in Emotion Perception and Auditory Processing. Cerebral Cortex 29(2): 517-528, 2018 k9-,fU6;9yN5!4S
2. Ding Y, Gray K, Forrence A, Wang X, Huang J, A behavioral study on tonal working memory in musicians and non-musician, PLoS One, 13(8): e0201765, 2018 r4.9dd8?,Rp7~2N
3. Chenggang Chen, Mingxiu Cheng, Tetsufumi Ito, # Sen Song *, Neuronal organization in the inferior colliculus revisited with cell-type-dependent monosynaptic tracing. Journal of Neuroscience, 38(13):3318-3332, 2018 S5-3Gw7~3xf9.9g
4. Xianggen Liu, Lili Mou, Haotian Cui, Zhengdong Lu, Sen Song, JUMPER: Learning When to Make Classification Decisions in Reading, IJCAI, 2018 b2-6NE5,kZ42Z
5. Li, Xuesong; Steffens, David C.; Potter, Guy G.; Guo, Hua; Song, Sen; Wang, Lihong*, Decreased between-hemisphere connectivity strength and network efficiency in geriatric depression, Human Brain Mapping, 38(1): 53~67, 2017 I4=1EY7!6hs8=1W
6. Jianfei Chen, Jun Zhu, Yee Whye Teh and Tong Zhang, Stochastic Expectation Maximization with Variance Reduction. In proc. of Advances in Neural Information Processing Systems (NeurIPS), Montreal, Canada, 2018. g4?9Ce9:8YC13x
7. Tianyu Pang, Chao Du, Yinpeng Dong and Jun Zhu, Towards Robust Detection of Adversarial Samples, In proc. of Advances in Neural Information Processing Systems (NeurIPS), Montreal, Canada, 2018. (Spotlight, NVIDIA Pioneering Research Award) (preprint: arXiv:1706.00633) (NVIDIA Pioneering Research Award) w8~5pa5.6hg7;1u
8. Chongxuan Li, Max Welling, Jun Zhu and Bo Zhang, Graphical Generative Adversarial Networks, In proc. of Advances in Neural Information Processing Systems (NeurIPS), Montreal, Canada, 2018. (preprint: arXiv:1804.03429) g3!,hb8!1Vk9?4b
9. Yucen Luo, Tian Tian, Jiaxin Shi, Jun Zhu and Bo Zhang, Semi-crowdsourced Clustering with Deep Generative Models, In proc. of Advances in Neural Information Processing Systems (NeurIPS), Montreal, Canada, 2018. Z1?2Ix2;,g0,3Y
10. Jianfei Chen, Jun Zhu, and Le Song, Stochastic Training of Graph Convolutional Networks, In Proc. of the 35th International Conference on Machine Learning (ICML), Stockholm, Sweden, 2018. E8?3Xb1~9HU7-4T
11. Yichi Zhou, Jun Zhu, and Jingwei Zhuo, Racing Thompson: an Efficient Algorithm for Thompson Sampling with Non-conjugate Priors, In Proc. of the 35th International Conference on Machine Learning (ICML), Stockholm, Sweden, 2018. O9=1XW,:7yO,.4e
12. Tianyu Pang, Chao Du, and Jun Zhu, Max-Mahalanobis Linear Discriminant Analysis Networks, In Proc. of the 35th International Conference on Machine Learning (ICML), Stockholm, Sweden, 2018. U9+3bv8~8VX9?4j
13. Jingwei Zhuo, Chang Liu, Jiaxin Shi, Jun Zhu, Ning Chen, and Bo Zhang, Message Passing Stein Variational Gradient Descent, In Proc. of the 35th International Conference on Machine Learning (ICML), Stockholm, Sweden, 2018. U7.9gs4?5Ml2:3E
14. Jiaxin Shi, Shengyang Sun, and Jun Zhu, A Spectral Approach to Gradient Estimation for Implicit Distributions, In Proc. of the 35th International Conference on Machine Learning (ICML), Stockholm, Sweden, 2018. V45CE8!,wA8-9v
15. Li Xuesong, Ma Xiaodong, Li Lyu, Zhang Zhe, Zhang Xue, Tong Yan, Wang Lihong, Song Sen, Guo Hua, Dual-TRACER: High Resolution fMRI with Constrained Evolution Reconstruction. Neuroimage. 164:172-182,2018 q4.3KS,!8vO6-1G
16. Zhao, Zhe; Wang, Liang; Gao, Wenling; Hu, Fei; Zhang, Juen; Ren, Yuqi; Lin, Rui; Feng, Qiru; Cheng, Mingxiu; Ju, Dapeng; Chi, Qingsheng; Wang, Dehua; Song, Sen; Luo, Minmin; Zhan, Cheng*, A Central Catecholaminergic Circuit Controls Blood Glucose Levels during Stress. Neuron, 95(1): 138, 2017 Q1.9hl5+7cm5?1D
获奖
1. 2018年脑与智能实验室师生的4 篇论文被机器学习领域的最高水平学术会议Advances in Neural InformationProcessing Systems 录用，并被列入中国计算机学会A类会议论文列表。其中，深度学习对抗样本的鲁棒检测的论文获得英伟达先锋研究奖 (NVIDIA Pioneering Research Award) D8.2DZ5?2QC5?4F
2. 2018年脑与智能实验室师生的论文Essay-Anchor Attentive Multi-Modal Bilinear Pooling for Textbook Question Answering获得IEEE International Conference on Multimedia and Expo (ICME)最佳人论文奖 S9;6ak6-4Cg,8G
3. 2019年脑与智能实验室学生组成的THANS团队参加国际大学生类脑计算大赛（ICCBC 2019）决赛并获得了一等奖和10万奖金。 b11wF7?3nl,6Z
免责声明
网站收录目的在于传递更多信息，致力于为中文网站提供动力。不代表本网赞同其观点和对其真实性负责。
