基本信息
张铁林  男  硕导  中国科学院自动化研究所
电子邮件: tielin.zhang@ia.ac.cn
通信地址: 北京市海淀区中关村东路95号
邮政编码: 100190

研究领域

大家好,我的研究领域是“类脑脉冲神经网络”模型的基础优化理论研究以及“类脑芯片器件、类脑机器人”等应用。热衷于这个特殊脉冲模型的主要原因之一,是想通过研究生物系统来走捷径,让AI更快的达到类人程度的综合智能水平。经过了千百年的遗传进化,生物系统产生了多样的神经元、神经网络结构、优化方法等,并组合表达出了人类水平的认知功能。这个能力也正是现今AI领域所一直不懈努力但却一直未曾达到的目标。与现有的基于深度学习的AI系统不同,生物系统的优化更多的是局部的简单学习法则,如脉冲时序依赖可塑性、短时可塑性、Hebb学习法则、网络稳态调节、兴奋抑制神经元类型调控等,具有节能、高效、自组织等特点。与之相比,人工智能领域广泛使用的深度反向传播(BP)并没有生物合理性,且在灵活性、能量消耗、通用性、鲁棒性等方面仍然表现欠佳。这不禁让我们思考,未来的AI优化路在何方。不妨设想,有没有可能通过纯生物机制的组合优化,实现与现有的AI相比,在更多方面达到或接近人类智能水平呢?基于这个思路,我做了很多工作。如通过搜集生物学家发现的多类生物学习法则,整合构建出了一套基于多尺度可塑性的脉冲神经网络模型,涵盖了神经元级别、突触级别、微环路级别的多类可塑性。一定程度上实现了基于纯生物法则支撑优化的脉冲神经网络优化模型(无BP),在MNIST手写体数据集(以及其他时序如TIMIT、DVS-Gesture等)上,达到了较高正确率且具有低能耗、高鲁棒、强泛化性等特点。再如在认知机器人方面,我通过加入认知约束(如认知视觉特征、听觉特征等),更好的提升了现有模型的认知能力,如不容易被攻击了、泛化性更好了。我能够做出这些生物启发类的新工作,极大的得益于积极的和中科院上海神经所的诸多团队老师们合作,通过他们在猴子、小鼠等模型动物实验上发现的有益机制,来深入启发AI模型。同时为了弥补自己的生物知识不足,我积极的参与生物信息处理过程,如主导并解析了一个大鼠脑的全脑结构并将里面所有神经元可视化出来。我认为,AI和生物的密切结合,将为AI的进一步发展突破指明方向。这个过程中,要瞄准关键的科学问题,如我们基于多尺度可塑性的脉冲网络模型的成功优化,将克服非凸、非连续网络表征的学习瓶颈,使得大规模的生物神经网络模拟、生物优化再学习、生物稳定功能表征(如分类能力、预测、存储、提取、时序规划等)等成为可能,为下一步新一代的类脑AI新模型的构建打下基础。从2013年研究类脑模型开始,我共发表论文约30篇,含Science子刊(Science Advances,1作),IEEE顶刊(IEEE-TNNLS,1作1篇,其他2篇),AI顶会(AAAI和IJCAI,各1篇),Cognitive Computation (1作2篇,其他2篇),Scientific Reports(1篇),Frontiers系列(5篇)等,其他期刊或会议14篇。我的工作受到了中科院战略先导计划A、中科院战略先导计划B、科技部2030国家新一代人工智能、教育部自然科学基金委等支持。未来我将借鉴更多的生物机制,研发出更好的类脑、智能算法,并搭载到神经形态芯片上,实现更广泛场景的在线、连续、智能的信息处理。期待和更多同学同事合作,做出更好的研究。

招生信息

做事踏实、主动汇报、基础扎实、乐观开朗、乐于交流。

招生专业
081104-模式识别与智能系统
招生方向
类脑计算,脉冲神经网络
增量学习,强化学习
类脑芯片

教育背景

2013-09--2016-07   中科院自动化所   博士
2010-09--2013-07   北京工业大学   硕士
2006-09--2010-07   北京工业大学   本科

工作经历

   
工作简历
2019-10~现在, 中科院自动化所, 副研究员
2016-07~2019-10,中科院自动化所, 助理研究员

教授课程

系统与计算神经科学-“类脑模型、架构与机器人应用”
类脑智能导论-“人工神经元与浅层网络

专利与奖励

   
专利成果
( 1 ) 基于语义网本体数据的集成方法, 发明, 2019, 第 3 作者, 专利号: CN201510616011.7
( 2 ) 类脑多模态融合方法及装置, 发明, 2018, 第 2 作者, 专利号: CN201711296149.9
( 3 ) 基于类脑语义层次时序记忆推理模型的问答方法、系统, 发明, 2018, 第 2 作者, 专利号: CN201811471835.X
( 4 ) 基于脑发育机制的自适应神经网络模型的构建方法及系统, 发明, 2019, 第 2 作者, 专利号: CN201910999416.1
( 5 ) 基于膜电位调控脉冲神经网络的图像分类方法、系统, 发明, 2019, 第 1 作者, 专利号: CN201911014227.0
( 6 ) 基于生物神经网络的智能机器人控制方法、系统、装置, 发明, 2019, 第 1 作者, 专利号: CN201911014231.7

出版信息

   
发表论文
(1) A Brain-Inspired Approach for Collision-Free Movement Planning in the Small Operational Space, IEEE Transactions on Neural Networks and Learning Systems, 2021, 通讯作者
(2) Spiking Adaptive Dynamic Programming Based on Poisson Process for Discrete-Time Nonlinear Systems, IEEE Transactions on Neural Networks and Learning Systems, 2021, 第 3 作者
(3) Tuning Convolutional Spiking Neural Network with Biologically-plausible Reward Propagation, IEEE Transactions on Neural Networks and Learning Systems, 2021, 第 1 作者
(4) Neuronal-Plasticity and Reward-Propagation Improved Recurrent Spiking Neural Networks, Frontiers in Neuroscience, 2021, 通讯作者
(5) Quantum Superposition Inspired Spiking Neural Network, iScience, 2021, 第 3 作者
(6) Self-backpropagation of Synaptic Modifications Elevates the Efficiency of Spiking and Artificial Neural Networks, Science Advances, 2021, 第 1 作者
(7) Neuron type classification in rat brain based on integrative convolutional and tree-based recurrent neural networks, Scientific Reports, 2021, 第 1 作者
(8) 脉冲神经网络研究现状及展望, 计算机学报, 2021, 第 1 作者
(9) Brain-Inspired Active Learning Architecture for Procedural Knowledge Understanding Based on Human-Robot Interaction, Cognitive Computation, 2020, 第 1 作者
(10) Cognitive Template-clustering Improved LineMod for Efficient Multi-object Pose Estimation, Cognitive Computation, 2020, 第 1 作者
(11) A Curiosity-Based Learning Method for Spiking Neural Networks, Frontiers in Computational Neuroscience, 2020, 第 2 作者
(12) GLSNN: A Multi-Layer Spiking Neural Network Based on Global Feedback Alignment and Local STDP Plasticity, Frontiers in Computational Neuroscience, 2020, 第 3 作者
(13) A Brain-Inspired Model of Theory of Mind, Frontiers in Neurorobotics, 2020, 第 3 作者
(14) SOAR Improved Artificial Neural Network for Multistep Decision-Making Tasks, Cognitive Computation, 2020, 第 3 作者
(15) A Plasticity-centric Approach to Train the Non-differential Spiking Neural Networks, AAAI, 2018, 第 1 作者
(16) Brain-inspired Balanced Tuning for Spiking Neural Networks, IJCAI, 2018, 第 1 作者
(17) The Effect of Culture and Social Orientation on Player's Performances in Tacit Coordination Games, International Conference on Brain Informatics, 2018, 第 4 作者
(18) A Computational Effort towards the Microscale Mouse Brain Connectome from the Mesoscale, Journal of Integrative Neuroscience, 2017, 第 1 作者
(19) Towards a Brain-Inspired Developmental Neural Network by Adaptive Synaptic Pruning, ICONIP, 2017, 第 2 作者
(20) Improving multi-layer spiking neural networks by incorporating brain-inspired rules, Science China Information Sciences, 2016, 第 2 作者
(21) HCNN: A Neural Network Model for Combining Local and Global Features towards Human-like Classification, International Journal of Pattern Recognition and Artificial Intelligence, 2016, 第 1 作者
(22) Parallel Brain Simulator: A Multi-scale and Parallel Brain-Inspired Neural Network Modeling and Simulation Platform, Cognitive Computation, 2016, 第 3 作者
(23) HMSNN: Hippocampus inspired Memory Spiking Neural Network, Proceedings of the 2016 IEEE International Conference on Systems, Man, and Cybernetics, 2016, 第 1 作者
(24) Biological Neural Network Structure and Spike Activity Prediction based on Multi-neuron Spike Train Data, International Journal of Intelligence Science, 2015, 第 1 作者
(25) Linked Neuron Data (LND): A Platform for Integrating and Semantically Linking Neuroscience Data and Knowledge, Frontiers in Neuroinformatics, 2014, 第 3 作者

科研活动

   
科研项目
( 1 ) 基于时空信息融合的多任务脉冲神经网络研究, 主持, 国家级, 2019-01--2021-12
( 2 ) 类脑智能模型安全研究, 主持, 国家级, 2020-06--2023-05
( 3 ) 类脑决策博弈模型, 主持, 部委级, 2020-07--2024-12
( 4 ) 基于生物可塑性规则启发的多任务脉冲神经网络学习方法研究, 主持, 省级, 2019-01--2022-12
( 5 ) 类脑学习与决策的认知计算模型, 参与, 部委级, 2018-01--2022-12
( 6 ) 类脑计算与认知系统核心技术研究, 参与, 省级, 2018-08--2020-07
( 7 ) 类脑感知与决策的演化, 参与, 部委级, 2017-01--2017-12
( 8 ) 类脑认知功能计算模型, 参与, 部委级, 2015-07--2017-06
( 9 ) 意识与麻醉的类脑认知, 参与, 院级, 2018-01--2019-12
( 10 ) 超脑网络系统原型, 参与, 院级, 2018-01--2020-12
( 11 ) 基于脉冲神经网络算法研究领域的学术研究资助, 参与, 院级, 2018-10--2020-10