本次分享介绍了集智学园与郑志刚教授合作的“复杂系统的涌现动力学”系列课程的最后一讲——“神经网络动力学”。课程将从耦合神经元网络模型入手，探讨大脑中神经元网络的宏观涌现机理，特别是同步和平衡状态。课程内容涵盖脑网络概述、神经元动力学模型、平均场理论、E-I神经元平衡网络动力学等，旨在从物理学视角解析大脑的复杂运作机制，适合对非线性动力学、复杂科学等领域感兴趣的研究者。

🧠 课程首先概述了脑网络的基本结构和功能，强调了大脑作为复杂适应性系统（CAS）的特性，其高级活动源于神经元自组织活动的集体涌现。

💡 课程将深入探讨神经元动力学模型，包括Integrate-and-Fire (IAF) 模型、Hodgkin-Huxley模型等，为理解神经元网络的行为提供基础。

🔄 课程核心内容之一是神经元网络动力学的平均场理论，它构建了宏观层面的理论框架，用于分析神经元网络的同步和平衡状态。

⚖️ 课程重点关注E-I（兴奋-抑制）神经元平衡网络动力学，探讨兴奋性神经元和抑制性神经元活动之间的平衡状态，以及其对大脑功能的影响。

🔬 课程还将涉及非平衡与自组织临界性，以及它们在神经元网络中的表现和意义，帮助理解大脑的复杂动力学行为。

集智俱乐部 2025-06-22 18:03 上海

2025年6月23日 19:00-21:00分享

主题：神经网络动力学

课程简介

大脑是生物体内结构和功能最复杂的组织。大脑是接收外界信号、产生感觉、形成意识、进行逻辑思维、发出指令产生行为的指挥部，掌管人类每天的语言、思维、感觉、情绪、运动等高级活动。构成人脑的神经系统是非线性的动力系统，是一个复杂适应性系统（CAS）。各种高级活动都是大量神经元自组织活动的集体涌现。

本次课将从耦合神经元网络模型开始，探讨其宏观涌现的机理，特别是关注神经元网络的同步和平衡，构建宏观层面的平均场理论，探讨E-I神经元平衡网络动力学。

课程大纲

 

1.脑网络概述

2.神经元动力学模型

3.神经元网络动力学平均场理论

4. E-I平衡神经元网络动力学

5.非平衡与自组织临界性

6.分析与总结

专业术语

脑网络，突触可塑性， Integrate-and-Fire (IAF) 模型，Hodgkin-Huxley模型， FitzHugh-Nagumo (FHN) 模型，Izhikevich模型，Morris-Lecar (ML)模型，序参量，E-I(Excitatory-Inhibitory)神经元平衡，自组织临界行为。

关键解释：

突触可塑性：是神经科学中的一个核心概念，指突触在强度和功能上因活动经历而发生改变的能力。

E -I balance（兴奋 -抑制平衡）：神经系统中兴奋性神经元和抑制性神经元活动之间的平衡状态。

自组织临界行为：是自然界的普遍现象，它在时间、空间和事件分布上都表现为典型的幂律分布，对应的谱是1/f谱，空间结构为分形，系统的动力学状态处于典型的临界状态（混沌边缘）。

参考文献

1. Xiao-Jing Wang, Theoretical Neuroscience- Understanding Cognition, CRC press, 2025.

2. W. Gerstner, W. M. Kistler, R. Naud, and L. Paninski, Neuronal Dynamics: From single neurons to networks and  models of cognition. Cambridge University Press, 2014.

3. E. M. Izhikevich, Dynamical Systems in Neuroscience: The Geometry of Excitability and Bursting. The MIT Press,  2006

4. Rabinovich, M. I., Varona, P., Selverston, A. I., & Abarbanel, H. D. I. (2006). Dynamical principles in neuroscience.  Reviews of Modern Physics, 78(4), 1213–1265.

5. S. Coombes and K. C. A. Wedgwood, Neurodynamics: An Applied Mathematics Perspective. Springer, 2023.

6. D. S. Bassett and O. Sporns, “Network neuroscience,” Nature Neuroscience, vol. 20, p. 353–364, 2017.

7. Bullmore, E., Sporns, O., Complex brain networks: graph theoretical analysis of structural and functional systems,  Nat. Rev., Neurosci., 2009,10:186–198.

8. Bick, C., Goodfellow, M., Laing, C.R. et al. Understanding the dynamics of biological and neural oscillator  networks through exact mean-field reductions: a review. J. Math. Neurosc. 10, 9 (2020).

9. Mikhail I. Rabinovich, Michael A. Zaks, Pablo Varona, Sequential dynamics of complex networks in mind:  Consciousness and creativity, Phys. Rep. 883, 1-32 (2020).

10. Anton P.J. Stampfl et al., SYNAPSE: An international roadmap to large brain imaging, Phys. Rep. 99 (2023) 1–6

11. Junhao Liang , Zhuda Yang, and Changsong Zhou, Excitation–Inhibition Balance, Neural Criticality, and Activities  in Neuronal Circuits, The Neuroscientist 1–16 (2024)

课程信息

课程主题：神经网络动力学

课程时间：2025年6月23日（周一） 19:00-21:00

课程形式：腾讯会议（会议信息见群内通知）；集智学园网站录播（3个工作日内上线）

课程主讲人

郑志刚，华侨大学二级教授，研究员-教授双岗，荟萃计划特聘教授，闽江学者、桐江学者特聘教授，福建省百人计划、高层次领军人才，系统科学学科负责人，物理学科带头人。

1997-2015年在北京师范大学工作，2001年破格教授，2006-2011年曾任物理系系主任。2015年至今在华侨大学信息科学与工程学院工作，任华侨大学系统科学研究所所长。曾获全国百篇优博、高校青年教师奖、优秀骨干教师奖等。

目前担任《JAND》杂志副主编，《Chaos》、《Scientific Reports》、《Entropy》、《Chinese Physics B》、《物理学报》等杂志编委。长期从事复杂系统统计物理与非线性动力学方面的教学研究，承担包括973、国家自然科学基金重点项目等国家和省部级项目30多项，在国际刊物发表学术论文200多篇。出版《混沌控制》、《耦合非线性系统的时空动力学与合作行为》、《从动力学到统计物理学》、《复杂系统的涌现动力学》、《生物分子马达的统计物理与复杂输运》等多部专著。

课程适用对象

1. 领域研究者、理工科研究生或高年级本科生：

a. 对非线性动力学、复杂科学、统计物理等领域感兴趣；

b. 具备一定的微分方程、线性代数及计算基础；

c. 对交叉领域研究有热情的研究者；

2. 具有探究精神的学生：

a. 乐于参与讨论、假设推导和问题反思的学生。

报名须知

1. 课程形式：腾讯会议直播，集智学园网站录播。本系列课程不安排免费直播。

2. 课程周期：2025年4月14日-2025年6月16日，每周一晚19点-21点进行。

3. 课程定价：799元

扫码付费报名

课程课程链接：https://campus.swarma.org/course/5482?from=wechat

付费流程：

1. 扫码付费；

2. 课程页面添加学员登记表，添加助教微信入群；

3. 课程可开发票。

推荐阅读：

1. 涌现动力学如何用来分析复杂系统？ | 新课上线

2. 书籍推荐：复杂系统的涌现动力学 | 郑志刚

3. 什么是系统科学 & 复杂系统？

4. 突触动力学如何启发对大脑神经网络的认识？

5. Cell 最新：科学家成功绘制出完整的果蝇大脑神经网络！

6. 系统科学是科学么？——从系统科学基本原理到大脑智能

点击“阅读原文”，报名读书会

阅读原文

跳转微信打开