中国科学院脑科学与智能技术卓越创新中心2015年遴选研究.DOC

附件1：中国科学院脑科学与智能技术卓越创新中心2015年度遴选研究方向 方向一：类脑模型、脑网络与智能信息处理 主要面向强人工智能，借鉴神经系统的结构与功能的特点及可塑性，建立类脑多尺度神经网络计算模型、类脑智能信息处理理论与方法。 研究目标：通过对全脑网络的数据分析，构建功能和结构可塑的多尺度脑神经网络计算模型，以此作为创新源泉，启发人工智能研究中的多模态感知计算、语言与知识处理等智能信息处理理论与方法，引领国际智能信息处理及类脑智能的研究与发展。 研究重点： 微观、介观和宏观等脑网络信息采集和海量数据处理与分析：多尺度网络结构和神经活动数据获取与分析；采用模式识别与机器学习方法进行自动数据分析，为构建类脑模型提供数据基础； 类脑多尺度神经网络计算模型：基于全脑网络数据分析结果进行计算建模，构建类脑多尺度神经网络计算模型，在多尺度模拟脑的多模态感知、自主学习与记忆、抉择等智能行为能力； 多模态感知计算模型：借鉴脑科学和神经科学研究结果和多尺度脑神经网络计算模型，研究类脑神经机理和认知行为的视听触觉等多模态感知信息处理、多模态协同自主学习、自然语言处理与理解、知识表示与推理的新理论与方法，使机器具有环境感知、自主学习、自适应、推理和决策的能力； 语言与知识处理计算模型：以人类脑皮层语言处理的神经机制为基础，以研究结构和功能可塑的多脑区、多尺度语言处理模型为核心，以统计、规则、样例等自然融合的语言学习机制为手段，建立具备逻辑推理、问答响应、精确意译等语义理解能力的语言与知识处理全人工神经网络计算模型。 方向二：类脑器件与系统 借鉴脑科学研究成果，研制高性能、低功耗的类神经计算芯片和器件，研制基于类脑计算模型的智能机器人，构建人机协同的智能生长环境。 研究目标： 受脑与神经科学研究启发，研制高性能、低功耗的类神经芯片，发展新型神经计算器件，启发下一代信息技术 研制类脑智能机器人，构建智能交互环境，促进人机协同智能的发展与应用。 研究重点： 类神经计算芯片：提炼神经网络处理共性运算特性，指导神经网络处理器的功能部件设计；提炼神经网络共性存储特性，指导神经网络处理器的存储层次设计。在原理性流片基础上，搭建智能计算机样机； 新型神经计算器件：受脑与神经科学启发，探索超低功耗结构和材料的设计与调控，为提高神经计算元器件的效能比提供基础。基于纳米等新型材料研制类脑神经处理器、忆阻器、亿容器、忆感器等神经计算元器件，支持类脑计算； 类脑智能机器人：结合类脑模型与类脑信息处理的研究成果，构建基于中枢神经系统和外周神经系统协同的类脑智能机器人，建立机器人仿人运动模型、自主学习-决策-动作模型，并形成相应的机器人实验平台； 人机协同与智能生长：结合人脑与机器智能的优势，研究人机智能协同、学习和交互式智能生长的理论与方法。