脑智能提供了一种将大脑视为数据处理系统的视角，其中生物大脑的智能来源于数十亿基本计算单元的集体行为。揭示大脑功能的精细结构可以提供对通用智能，无论是人工还是生物，所基于的基本原理的洞察。然而，我们深入研究大脑深层结构的能力受到检测能力和计算资源的限制。通过应用具有介观视场的神经元颗粒分辨率荧光显微镜，辅以计算成像技术和神经网络建模，我们在揭示神经网络的集体行为方面取得了重大进展。这些技术使我们能够探索大脑如何编码和处理高维信息，动态适应不断变化的生物状态，并通过从生活经验中学习而进化。通过深入研究大脑的计算机制，我们为增强自我理解和发展类人人工智能铺平了道路。

代表性论文

• Mesoscale neuronal granular trial variability in vivo illustrated by nonlinear recurrent network in silico, Nature Communications 2024

• Prominent involvement of acetylcholine dynamics in stable olfactory representation across the Drosophila brain, Nature Communications 2025