OpenTalks #89 | AI孪生脑:模型训练、评估、应用

Abstract

大脑是一个复杂的网络系统,如何建模大脑的动力学性质和脑网络特性是一个重要难题。在这里,我将从数据驱动的角度,提出用人工智能(AI)学习多种模态的静息态神经数据,例如fMRI和EEG等模态,通过自监督学习预测大脑的未来状态,从而解决大脑动力学系统反问题,将AI模型作为真实大脑的替代品,即AI孪生脑。AI孪生脑可以支持大脑的多种仿真,实现个性化的闭环神经调控。例如,我们对AI孪生脑进行虚拟扰动实验,从而得到大脑的输入-响应的因果关系,构建全脑的有效连接图谱,刻画大脑的信息流的大小、方向、正负等有效连接特性,指导神经调控的脑区靶点选择。最后,我将提出一个基于AI数字孪生脑的模型预测控制框架,它结合神经动力学建模和优化控制理论,用于设计神经刺激最佳策略,为脑疾病的个性化治疗、脑功能的增强、行为调控等方向开辟新途径。

Date
Sep 13, 2025 9:00 PM — 10:00 PM
Location
腾讯会议 863 0404 9478(房间容量100人)

分享嘉宾:



刘泉影,南方科技大学长聘副教授,博导,PI。2010年/2013年毕业于兰州大学信息学院,获学士/硕士学位。2017年于瑞士苏黎世联邦理工学院获博士学位,其后在美国加州理工学院从事博士后研究工作。2019年8月回国,在南方科技大学成立神经计算与控制实验室(NCC lab)。主要研究方向是多模态神经信号处理算法、脑网络动力学建模、神经编解码算法、神经调控优化算法等工作,致力于从人工智能、控制理论和脑科学交叉融合的视角,发展基于AI的多模态神经解码算法,构建数据驱动的AI孪生脑模型,研发智能化的闭环神经调控系统,推动“读出-写入”双向脑机接口技术的发展,为解码脑功能和干预神经疾病提供全新范式,已在Nature Methods、The Innovation等期刊,NeurIPS、ICML、ICLR等机器学习顶会上发表论文60余篇。