由中国图象图形学学会青年工作委员会发起的“第十九届中国图象图形学学会青年科学家会议”于2023年12月28-31日在中国广州召开。本次会议由中国图象图形学学会主办，琶洲实验室、华南理工大学、中山大学、中国图象图形学学会青年工作委员会承办。王耀南院士、谭铁牛院士、中山大学赖剑煌教授、华南理工大学徐向民副校长、许勇副校长、琶洲实验室常务副主任李远清教授、华南理工大学陈俊龙教授、北京大学林宙辰教授共同担任大会主席。

会议面向国际学术前沿与国家战略需求，聚焦最新前沿技术和热点领域，会议设4个大会报告，27个主题分论坛，4个Tutorial，总计近150场高水平学术报告 。2023年12月30日下午，脑科学与类脑智能论坛论坛成功举办。论坛由深圳大学梁臻教授和华南理工大学俞祝良教授联合组织，梁臻教授担任本次论坛主持人。“脑科学与类脑智能”是重要的前沿科技领域，其着重于提升人类对人脑的认知，同时也为发展类脑计算系统和器件、突破传统计算机架构的束缚提供了重要的依据。论坛聚焦该领域的最新研究进展与前沿技术，详细探讨了“大规模类脑神经网络理论与方法”、“受脑机制启发的强化学习”、“脑机接口范式设计、算法优化及应用研究”、“人机混合增强智能”、“面向智能交互的个体行为解码研究”、“细粒度情绪神经编解码研究及其应用”和“稀疏贝叶斯学习在端到端脑电图解码中的应用”等主题内容。

北京大学博雅特聘教授田永鸿、北京师范大学教授邬霞、华东理工大学教授金晶、西安交通大学教授陈霸东、电子科技大学教授徐鹏、中国科学院自动化研究所研究员何晖光和华南理工大学教授俞祝良七位专家，作为本场论坛讲者进行主题报告。

田永鸿教授正在进行汇报

田永鸿教授带来主题为“大规模类脑神经网络理论与方法”的报告。

纵观科学技术发展史，借鉴和模仿大脑一直是智能技术创新的源泉。人类大脑是一个高效智能的超大规模生物脉冲网络，具有庞大的网络规模、复杂的网络连接和高效的信息处理机制。作为脑网络启发的第三代神经网络，脉冲神经网络（SNN）通过模拟神经动力学、事件驱动等计算特性捕捉时序信息和节能高效地进行计算，为人工智能领域的发展提供了新范式，但目前在规模和性能上均不及深度神经网络，面对复杂任务的泛化性和灵活性存在严重不足，因此迫切需要借鉴大脑机制发展大规模脉冲学习理论与方法。本报告将围绕“兼具生物合理和计算有效的大规模类脑神经网络理论与方法”这一主题，重点分享在神经元建模、脉冲网络生长与剪枝、深度脉冲神经网络模型与算法、深度训练框架和神经形态芯片等四方面的挑战问题与研究进展，并探讨在神经形态视觉领域的创新应用。

邬霞教授正在进行汇报

邬霞教授的报告主题为“受脑机制启发的强化学习”。

近年来，神经科学的发展极大地推动了计算科学的变革和创新。通过对大脑在结构、功能及认知层面的研究，逐步揭示了人脑实现智能高效决策的机制，相关工作有望促进受脑机制启发强化学习的发展。为进一步加强脑与类脑的交叉和融合，本次报告将首先介绍强化学习基本概念以及人脑决策机制的神经调节基础。在此基础上，分享当前受脑机制启发强化学习研究的前沿进展，并按照受脑启发不同角度将其分类归纳。最后，讨论受脑机制启发强化学习未来研究面临的挑战和机遇。

金晶教授正在进行汇报

金晶教授的报告主题为“脑机接口范式设计、算法优化及应用研究”。

脑-机接口可有效帮助行为语言障碍病人重获信息交互和运动控制能力，可有效促进运动、意识障碍病人的神经功能重塑。本次报告将介绍包括视觉、听觉和触觉诱发脑机接口和运动想象脑机接口的范式设计，识别算法优化和康复、辅助应用等；面向智能假肢/机器人和康复医学领域，研究提高残疾人的生活质量和自主性的新型生活辅助技术，并开发康复性神经反馈训练系统，帮助康复患者恢复运动能力和生活自理能力。

陈霸东教授正在进行汇报

陈霸东教授的报告主题为“人机混合增强智能”。

我国新一代人工智能发展规划中部署了五大重点发展方向，混合增强智能是其中之一。人机混合增强智能是将人类智能与机器智能深度融合。人类大脑具有创造性、复杂性和动态性，更擅长于处理非结构化信息，归纳知识而超越过去的经验，并能利用少量数据就能产生智能行为；而机器智能具有规范性、重复性和强大的算力。人机混合增强智能将人的作用或人的认知模型引入到智能系统，形成更强的决策与行为智能。本报告阐述人机混合增强智能的基本概念与形态，并汇报近年来团队围绕该方向开展的一些研究工作。

徐鹏教授正在进行汇报

徐鹏教授的报告主题为“面向智能交互的个体行为解码研究”。

智能人机交互以及临床诊断等方面需要对个体的行为进行可靠的预测，本报告从大脑在高级认知过程信息加工中体现出的网络特性出发，介绍如何从低信噪比脑电信号中可靠的构建不同层面的网络，并发展相应的方法，从网络中挖掘出相关辨识信息，对包括运动想象、情绪、以及决策等多种个体行为进行可靠预测，并把相关网络指标作为临床疾病的诊断以及神经反馈康复的生物标记。

何晖光研究员正在汇报

何晖光研究员的报告主题为“细粒度情绪神经编解码研究及其应用”。

情绪是大脑的高级活动，对情绪进行深入研究在医疗、安防和健康管理等领域具有重要作用。随着心理学的发展，研究人员发现了人类可以表达的更加丰富的情绪种类，从而促使我们对人类更加细粒度的情绪感知进行探究。情绪神经编解码建立情绪特征和人脑神经响应之间的映射，是研究和理解人类情绪的重要方式。基于此，我们首先利用人脑情绪响应构建神经信息编码模型，并据此绘制了大脑情绪“地图”，揭示了细粒度的情绪类别在大脑中的表征模式，为探索情绪加工的神经机制提供了新视角；接着，考虑到人类在同一时刻可以感知到细粒度的多种情绪，我们利用多视图学习、多标签学习以及图学习等算法实现了精确的细粒度情绪神经解码，助力情感脑机接口向现实应用场景迈进；最后，为了推动机器情感智能的研究，我们设计了基于表征相似性分析的联合训练框架，实现了神经网络和人脑情绪表征的对齐，从提升模型类脑特性的角度增强了模型的情绪感知能力。

俞祝良教授正在汇报

俞祝良教授的报告主题为“稀疏贝叶斯学习在端到端脑电图解码中的应用”。

脑电图(EEG)中解码脑活动对于脑机接口(bci)和脑疾病的研究至关重要。值得注意的是，由于深度学习研究的显著进展，端到端脑电图解码近年来得到了广泛的普及。然而，许多脑电图研究受到样本量的限制，使得现有的深度学习模型难以有效地泛化到高噪声的脑电图数据。重要的是，这个SBL框架还使我们能够学习以贝叶斯方式对模型进行最佳惩罚的超参数。提出的解码算法与几种现有算法进行比较，包括端到端基于深度学习的脑电解码算法。结果表明，我们的算法显著优于竞争算法，同时产生神经生理学上有意义的时空模式。因此，我们的算法通过提供一种新颖的脑电图定制机器学习工具来解码大脑活动，从而推进了最先进的技术。

本次论坛为青年科学家们提供了宝贵的学术交流平台，为通用脑科学与类脑智能领域的研究进展提供了新的启示和思想碰撞。