【中科院联合清华北大，构建AI与神经科学新桥梁】 中国科学院自动化研究所李国齐、徐波研究团队，携手清华大学及北京大学，创新性地提出了一种基于内生复杂性的类脑神经元模型构建方法。这一突破性成果，解决了传统AI模型通过外扩规模导致的计算资源消耗问题，为有效融合神经科学与人工智能提供了示范案例。相关研究论文今日发表于《自然·计算科学》。 研究团队首次揭示了脉冲神经网络LIF模型与HH模型在动力学特性上的等效性，并通过设计微架构，提升了计算单元的内生复杂性，使得HH网络模型能在较小架构下，实现与大规模LIF网络模型相似的计算功能。进一步简化后的模型，在捕捉复杂动力学行为方面表现出高效性，且计算资源消耗显著减少，整体运算效率得到提高。 此研究不仅为人工智能与神经科学建立了桥梁，还为AI模型优化与性能提升提供了新路径。研究团队正致力于探索更大规模HH网络及更复杂神经元结构的研究，旨在提升大模型计算效率，加速其实用化应用进程。 这项研究成果，标志着中国在AI与神经科学领域合作取得了重要进展，为未来智能科技发展注入了强大动力。