北京师范大学脑与认知科学研究院 认知神经科学招生信息

北京师范大学脑与认知科学研究院下属认知神经科学与学习国家重点实验室刘嘉教授研究组2012年度拟招收2-3名研究生从事认知神经科学研究，具体研究方向为视觉的神经计算与神经信息学。希望拟报考学生对认知神经科学拥有浓厚兴趣，具备良好的数理基础，有乐观向上的性格，踏实肯干的作风。期望学生来自计算机、自动化、信息科学等理工科领域。若成绩优秀，或者具有数学建模，程序设计等方面特长，但无法拿到本校保送名额的同学，我们可以提供保送资格名额。外地学生来京面试，我们可负责来回路费和住宿费用。 通过与非心理学专业的学生接触，我们发现大家对认知神经科学都还不是很了解，尤其对数学模型、物理模型、信息科学技术如何在认知神经科学中发挥作用比较困惑，也对自己的背景是否适合认知神经科学比较有疑问。为此，结合我们的研究，我们整理了一些有关计算认知神经科学的材料，如果你们感兴趣可以向我们索要，这对你们确定自己是否对这个领域感兴趣会有帮助；如果大家有问题，也可以写信给我们，我们一定详细回答。也希望大家能把消息转给那些可能感兴趣的同学，谢谢！ 联系人： 甄宗雷，zhenzonglei@gmail.com -------------------------------------详细信息--------------------------------------- 指导老师： 刘嘉，男，教授，国家杰出青年基金获得者。本科毕业于北京大学心理学系，获心理学学位，并获无线电系电子学与信息系统辅修学位；博士毕业于麻省理工学院脑与认知科学系，导师为 Nancy Kanwisher 院士。以通讯作者在Nature Neuroscience, Current Biology, Journal of Neuroscience, Journal of Cognitive Neuroscience发表论文。 甄宗雷，男，硕导。本科毕业于天津大学，获机械电子工程学位；博士毕业于中科院自动化研究所获计算机应用博士学位。研究方向为计算认知神经科学。 宋宜颖，女，硕导。本科毕业于中国科技大学，获生物学理学学位；博士毕业于中科院研究生院获生物物理博士学位。研究方向为认知神经科学。 研究方向1：视知觉的神经计算机制 视觉是人类最重要的感知能力。人类的视觉系统是十分复杂的，包含着不同的模块(视觉脑区)，这些模块间又高度相互连接，形成了一个层次化、并行化的网络。因为模块间的高度连接，以及大脑功能的模块化组织，视觉系统的研究对理解其它脑功能系统也会有非常重要的帮助。我们主要以形状知觉(form perception)的神经计算机制作为切入点来对视觉系统进行研究，具体研究内容主要包括客体识别(object recognition)和场景知觉(scene perception)等。研究目的是从计算的层次建立定量模型精确预测大脑在特定视觉刺激下是如何工作的，进而理解人类视觉系统的结构和功能。大脑活动的预测模型不仅是计算神经科学的黄金标准(gold standard)，而且对神经科学、医学、自动化的进步也是非常关键的。 研究方法： 在研究中，我们会综合使用四类不同的方法：使用视觉心理物理法(psychophysics)来检验特定的计算假设和探索感兴趣的行为现象；使用磁共振脑成像技术(fMRI)和电生理技术(single-unit recording, multi-unit recording, EEG、MEG)来进行神经科学实验，以研究相关计算机制是如何在人类大脑皮层中组织的；同时会在研究中大量使用统计分析技术(statistical analysis technique)和理论计算模型(theoretical modeling)。统计分析技术作为研究工具和一种交流发现的媒介在我们的研究中具有核心的地位。来自经典统计学、贝叶斯统计学、机器学习及自动控制等领域的现代统计工具被用于拟合视觉刺激引起脑活动的定量计算模型。得到的统计模型描述了视觉系统的基本单位(神经元(neuron)、体素(voxel)、视觉区(visual area))是如何编码外部刺激信息的。统计显著性和对脑活动的预测能力将被用来验证这些模型的正确性和可靠性。理论模型是在已有实验基础上，基于一定的假设，建立的用以刻画大脑的工作机制计算模型。在我们的研究中，理论模型会为我们提供一个理论框架来解释数据，同时通过对比模型仿真结果和实验数据，可以帮助我们更好的设计未来的实验。 研究意义： 对脑活动具有精确预测能力的计算编码模型具有十分重要的应用价值。首先，它为那些试图恢复视觉功能的研究提供了坚实的理论基础，毕竟只有在理解一个系统是如何工作的，才有可能修补它。其次，这些模型提供了一个新的工具用于神经病学评价和诊断。第三，这些模型可以逆过来用于解码大脑活动，直接对思维进行解读，用于建立脑机接口(brain-machine interfaces)和神经假肢(neural prosthetics)。 和计算模型、神经实验这些基础研究对应，我们也希望在不远的将来，能把这些基础研究成果应用到工程中，比如机器视觉，图像处理，机器人研究中。我们的哲学是，真正有用的计算模型应该不仅能经得起实验环境下的行为和神经实验数据检验，同时也应该对真实世界中的应用有所帮助。比如，客体识别计算模型应该可以帮助我们进行自动目标检测，自动驾驶，和机器人的自动导航。 研究方向2：神经信息学 理解人脑如何工作是21世纪最大的科学挑战之一。是什么使得人类在自然界中这么唯一？又是什么使得每个人又那么与众不同？人的各种认知能力是如何经由复杂的神经网络涌现出的？而这些认知能力又是如何受遗传和环境因素影响？为回答这些问题，需要研究者综合使用基因组学，细胞学，解剖学，电生理学，行为科学，进化科学，和计算理论等多种手段，对大脑进行多个时间空间尺度的测量和研究。例如，使用基因测序技术，对人类全基因组进行测量；使用电生理技术，对神经元及神经元群进行微妙级的记录；使用神经成像技术，对大脑结构和功能进行空间分辨率在毫米，时间分辨率为秒级/亚秒级的测量；使用计算机行为测试，对神经系统整体涌现出的不同认知能力进行测量。然而随之而来，这些测量为我们带来了复杂的数据类型，及海量的数据内容。如何组织这些海量数据，并开发出有效的数据挖掘工具，集成和综合分析这些不同时空层次的数据，挖掘隐藏在这些数据中的科学知识，成了亟待解决的问题。为此，神经信息学作为一门新兴学科应运而生。 研究方法： 神经信息学主要运用信息科学知识，研究如何更好的组织神经科学海量数据，开发更有效的数据挖掘工具，发展更具生理基础的计算模型。通过神经信息学手段，研究人员可以共享数据，协同开发数据分析工具。因而，这个领域对于挖掘越来越多实验数据和提高神经系统和脑功能的理论模型具有重要作用。 具体说来，我们将主要进行如下几个方面的工作： 1.综合各种测量数据特点，构建便于存储多种数据类型，和海量数据的神经科学数据库，为在不同尺度上研究大脑提供可能。 2.利用数据挖掘和机器学习方法，对多模态数据（神经影像、行为学和基因数据）进行分析和建模，进行科学发现。 3.使用大规模神经计算模型，进行数值仿真，并和数据挖掘发现进行对比，验证和发展神经计算理论和模型。 研究意义： 大脑的复杂性决定了，只有使用多种手段，从多层次对其进行测量，才能解开其奥秘。然而，不同领域的科学文化，数据获取方法，存储，描述，和分析甚至相互沟通所使用的语言的差异，都为在多层次上研究大脑带来了障碍。神经信息学的出现为这些数据良好的组织和解释人类智能奥秘提供了大量工具，将大大促进不同领域的研究数据共享和分析方法的交流讨论。同时，通过海量数据的挖掘进行科学发现，也必然会成为人脑功能研究新模式，极大改变我们对人脑的认识。 暑期学校 如下链接是北师大脑与认知研究院的暑期学校信息，有兴趣的同学，可以报名参加。 http://psychbrain.bnu.edu.cn/teachcms/yjszs/ff8080812f8f9b00013043c7079202ee.htm