杜久林

中国科学院脑科学与智能技术卓越创新中心 副主任（主持工作）/ 神经科学国家重点实验室主任

创建多项国际领先的斑马鱼在体研究技术，建立“既见森林（全脑）、又见树木（神经元）、甚或树叶（突触）”的脊椎动物大脑结构与功能在体研究体系，研究动物产生适应性行为的神经机制，提出“Bi-Pathway Brain Function”假说；并侧重于全脑神经联接图谱的研究，揭示大脑结构设计和功能运作的基本原理，开展基于生物脑的全脑结构与功能模拟研究；同时，研究大脑血管网络和血脑屏障形成及其神经调控机制。杰青、中科院百人、上海市领军人才等获得者，获中国神经科学学会首届CST杰出神经科学家奖、上海市自然科学牡丹奖、上海市自然科学一等奖等。

黄铁军

CCF会士

北京智源人工智能研究院 院长，北京大学计算机学院 教授

报告题目：脉冲视觉进展

视觉是最主要的感知通道，光电视觉是最基本的感知手段，但是，当前的视觉感知系统采用视频（图像序列）表达视觉信息，速度不可能超过视频帧率，而提高帧率又带来数据量和计算复杂度等比例增长的问题。脉冲视觉是颠覆图像和视频概念的新模型，采用脉冲序列表达光的变化过程，能够有效保留物理光流的时序信息，物理意义更准确，形式更简洁，有望重塑视觉信息处理技术体系。本报告将介绍最新进展：速度达到4万赫兹的脉冲视觉芯片，超高速目标和场景任意时刻图像重构系统，基于脉冲神经网络的超高速目标检测跟踪系统等。

杜久林

中国科学院脑科学与智能技术卓越创新中心 副主任（主持工作）/ 神经科学国家重点实验室主任

报告题目：破解脊椎动物全脑神经联接——脑与类脑研究的基石

大脑是一个在跨时空尺度上具有高度非线性作用的复杂动力学系统，是上亿年演化的结晶，其复杂而有序的精巧构造是动物适应和改造自然的产物，心智的奥秘就蕴藏在这精巧的组织结构中。因此，揭示大脑组织规律及其基础上产生的神经功能的机制，不仅是理解大脑奥秘的必由之路，也将为发展类脑智能构架与算法、突破冯?偌依曼构架提供新策略。斑马鱼具有脊椎动物保守的神经系统结构，其大脑相对小而简单，可以从全脑尺度上解读其大脑工作的基本原理。本报告将讲述本研究团队运用自创的“既见森林（全脑）、又见树木（神经元）甚或树叶（突触）”的研究范式，实现了对脊椎动物全脑所有神经元形态结构与神经活动的在体观测与调控、以及动物行为的同时记录，并率先在细胞和突触分辨率下对全脑神经联接的结构与功能开展了系统的研究，同时推进基于生物大脑的全脑模拟和全脑计算的探索。

杨玉超

北京大学 长聘教授

人工智能研究院类脑智能芯片研究中心主任，北京智源青年科学家，国家杰青获得者。长期从事忆阻器、类脑计算、存算一体芯片等研究，累计发表Nature Electronics(2篇)、Nature Reviews Materials、Nature Nanotechnology、Nature Communications(6篇)、Science Advances、IEDM等期刊和会议论文130余篇。曾40余次受邀在国际学术会议上做主旨、特邀报告。任《Microelectronic Engineering》副主编、《Nano Select》副主编、《National Science Review》编委、《Chip》编委、《中国科学：信息科学》青年编委、《电子学报》青年编委。获首届科学探索奖、求是杰出青年学者奖、Wiley青年研究者奖、《麻省理工科技评论》中国区35岁以下科技创新35人等奖项，入选2020年与2021年全球前2%顶尖科学家榜单、2020年与2021年爱思唯尔“中国高被引学者”。

报告题目：基于动态忆阻器的高阶复杂度类脑计算

自上世纪中叶以来，计算机和计算芯片以晶体管为基本元件构建数字处理电路，摩尔定律驱动计算性能增长。而当晶体管尺寸微缩接近物理极限，摩尔定律面临终结，芯片算力增长逐渐放缓，人类正在步入后摩尔时代。此外，以CPU、GPU为代表的传统芯片架构下计算单元与存储单元的分离也造成频繁的数据搬运，形成速度、功耗瓶颈（冯诺依曼瓶颈），在近年来兴起的神经网络等数据密集型计算任务上问题进一步凸显。未来智能计算需求仍面临指数增长，传统计算架构瓶颈更加突出，亟需从器件创新、架构创新层面为后摩尔时代算力持续增长提供新的驱动力。近年来，通过存算一体、类脑计算等新型计算范式构建具有高效智能计算芯片与系统已经取得了显著进展。然而，在现有计算系统下全部智能、复杂性、适应性都是由软件编程（事实上是编程的生物智能体-人）所赋予的，器件、电路本身均不具备任何复杂性与适应性。与之相比，生物系统展示出了分子、细胞、系统等多层次、全方位的智能、复杂性与适应性，对于发展新一代智能、高效计算技术具有重要启发意义。

余肇飞

北京大学人工智能研究院视觉感知中心 研究员

主要研究方向为类脑计算、神经网络。在Cell Patterns、IEEE Transaction汇刊和NeurIPS、CVPR、ICCV、IJCAI、INFOCOM等顶级会议上发表论文30余篇，主持国家自然科学基金面上项目、博士后创新人才支持计划项目各一项，担任ACM MM、IJCAI、IJCNN等会议PC Member，曾获北京市科学技术奖二等奖。

报告题目：脉冲神经网络学习理论与方法

脉冲神经网络（Spiking Neural Network，SNN）被称为第三代人工神经网络，除神经元和突触状态之外，脉冲神经网络还包含了时间状态。相比于前二代人工神经网络，脉冲神经网络具有高生物仿真、低功耗、高效等特征。本报告将介绍脉冲神经网络的基本原理，分析当前研究现状与发展趋势，并结合课题组今年相关工作汇报脉冲神经网络学习理论与方法研究中的最新进展。