□汪小京
计算神经科学：影响广泛的前沿科学
无论是简单的知觉、行动，还是复杂的情感、思维、学习、决策，都来自于我们的大脑。大脑是最复杂的生物器官，也是最神秘的“计算机”。即使今天最快的超级计算机（中国的Nebulae今年排名世界第二），在重要的智能方面也不及人脑。了解大脑的生物学原理，包括从遗传基础到神经网络机制，是21世纪最主要的科学挑战之一。这个领域的发展将解开脑的奥秘，而且将会对社会发展的多方面有深远影响。“脑科学与认知科学”在《国家中长期科学和技术发展规划纲要》中被列为八大科学前沿之一。
脑科学的研究越来越需要计算神经科学。计算神经科学是一门跨领域的交叉学科，把实验神经科学和理论研究联系在一起，运用物理、数学以及工程学的概念和分析工具来研究大脑的功能。随着各项新技术，如高密度多电极记录、用大量钙敏感染料的双光子成像技术、脑基因组学、脑连接组学的快速发展，未来数年里实验数据将以空前的速度增加。
因此，展望未来，为了能解读这些实验数据，并据此提出和检验各种科学假说，新的计算工具和方法是必不可少的。另一方面，大脑是一个异常复杂的动力学系统，具有多种反馈机制和多层时空结构，它的行为不能仅仅依靠直觉来理解，定量分析和从概念上深入阐明是至关重要的。这就是为什么计算神经科学，使用理论和模型，并通过与实验的互动，对形成新概念和基本原理起相当的作用。中国要成功建立一流实验神经科学，尤其是系统、认知神经科学，一定需要发展配套的一流计算神经科学。
除了在基础研究方面的贡献外，计算神经科学通过和神经科学的其他分支相结合，也会对社会的各个层面产生广泛的影响。例如，心理学、神经科学和机器学习理论能够为学习、教育提供新的模式。又如，对大脑如何作决策的研究已经开始影响微观经济学和社会抉择行为学，开拓了“神经经济学”这个新领域。再如，脑疾病已越来越引起社会的注意。由于对许多精神障碍病的治疗必须了解其相应的认知缺陷以及相关的分子和网络机制的失调，人们已经开始为精神病学发展新的计算和系统的研究方法。
另一个相关的广阔领域是未来的计算机技术、人工智能。作为开发下一代智能机器人平台的脑计算机仿真已受到人们的广泛关注。2008年2月，美国国家工程院发表了用工程方法重建人脑的重大挑战书(http://www.engineeringchallenges.org/cms/8996/9109.aspx)。
IBM和DARPA(Defense Advanced Research Projects Agency) 目前都积极地投入到这项研究中。欧盟也有“幼兽机器人”（RobotCub)大计划，以脑科学为基础发展智能机器人。在2009 Kavli Futures Symposium有关“幻想的计算机”的讨论会中，计算机学家、脑神经学家、物理学家们有一个共识：和计算神经科学的紧密合作能帮助人们为未来的机器人设计出创新型的结构(参见http://www.kavlifoundation.org/extreme-achine-2009-kavli-futures-symposium)。
由此可见，在中国建立计算神经科学，不仅仅对于我们实现建设世界一流的神经科学的目标是必不可少的，而且还对很多其他相关领域，特别是机器学习、机器人技术及神经工程学的发展，将产生巨大的促进作用。
计算神经科学是一个正在成熟的新领域
将数学理论和模型应用到脑的研究已经有一定的历史了。从上世纪30年代开始，McCullough和Pitts建立了第一个神经网络的数学模型；Norbert Wiener和John von Neumann推测了计算机和脑的关系；Hodgkin、Huxley和Rall建立了第一个符合生理学性质的神经元和突触模型，从而奠定了研究生物学神经网路的理论基础。
计算神经科学作为一个新学科领域开始形成，大约是在1988年左右。那一年，Sejnowski、Koch 和Churchland在 美国《科学》杂志上发表了这个领域的“宣言”。也就在同一年，介绍计算神经方法的课程首次在Woods Hole的海洋生物学所由Koch和Bower开设。为什么是在20世纪80年代后期呢？我在1987年获得理论物理学博士学位，当年转向这个新的领域。我记得当时有三个领域的成果汇聚令人振奋：一是人工智能〔Parallel Distributed Processing (PDP)，也就是“并行与分布式处理”的发展正处于它的高峰，影响颇大的两卷PDP手册在1986年出版〕；二是神经网络的物理研究（Hopfield模型及Amit、Gutfreund 和Sompolinsky 对此模型的分析在20世纪80年代中期发表）；三是现代神经生理学（1988年 Llinás 在美国《科学》杂志上发表的综述是其典型代表）。因此，计算神经科学始于实验神经科学、神经网络理论和人工智能的发展。从一开始，这个领域就是个高度交叉的学科，它吸引了大量来自物理学、认知心理学、数学和计算机等学科的科学家。
在过去20年里，这个领域飞速发展。其中一个标志就是每年在美国、欧洲和日本等地都要举办计算神经科学方面的年会（Cosyne、CNS、NIPS，每一个会、每届均有数百名参会者）和暑期学校。但是，需要强调的是这个领域仍然很年轻。在美国，哥伦比亚（2005年）、耶鲁（2006年）、普林斯顿（2006年）、哈佛（2007年）都是在近年间才建立起计算神经科学中心。其他一些顶尖大学仍尚未设立类似的理论中心。（美国）神经科学学会在2008年第一次颁发理论神经科学领域的Swartz奖。
因此，计算神经科学是一个新兴的前沿领域，它对中国未来科学的发展提供了一个很好的契机。
计算神经科学的研究方向
预测科学发现是不可能也是不明智的，但对建立一个学科领域来讲，设法找出有潜力的研究方向还是有用的。以下我提出4个在我看来有发展前景的研究方向。
1.高维随机的神经系统
目前，如何用数学方法来描述高维空间中的随机性神经活动过程以及如何处理高维数据的方法甚少。针对此问题，数学家已经开始发展一些新的理论工具，例如压缩传感 （compressed sensing）。网络数学理论、大规模随机性的储备型网络（reservoir network）的设想等也开始用来描述复杂神经网络。上个世纪，对物理系统的理论研究曾经引发数学的长足发展。也许，在这个世纪中对生物系统，尤其是在对大脑的理论研究，也将起到同样的效果。
2.神经化学计算
细胞生物学研究显示在神经元中存在大量的分子活动过程（包括细胞内钙、cAMP、G蛋白、激酶、磷酸酶类等等）。我们知道它们包含了很多信息，也知道它们对长时程的突触可塑性和神经调制等机能非常重要，但是对于它们在神经计算中的作用我们仍缺乏概念性的了解以及综合理论。理论科学家在基于电活动模型解释某些神经计算时遇到一定困难。要克服这些困难，我们也许需要考虑到神经元内部和突触上的“细胞化学计算”。如何跨尺度地将分子过程与网路计算联系起来是一个值得投入的课题。
3.大尺度神经环路的理论
我们对局部神经网络（例如一个皮层区）的研究较多，而对包括许多部分的大神经组织结构和功能的机制了解甚少。我们对于自上而下的信号（如选择性注意在感觉神经元中的介导）是如何在微环路层次上得以实现还所知不多。另外，我们也不了解大尺度的神经环路是如何运作的，例如，在决策过程中，不同的大脑皮层区与皮层下的结构是如何通过动态相互作用进而作出抉择的。我们还缺乏一套大尺度神经环路工作的基本理论。
4.认知的神经机制
得益于脑功能核磁共振的发明，认知脑科学近年来有了很大的发展。认知科学和神经生理学之间仍还有较大的鸿沟，但近年来人们已经开始用精确设计的动物实验，单细胞记录和网络模型模拟来研究一些关键的认知行为（如决策、工作记忆和选择性注意）。一个神经生物学与认知科学相综合的新领域正在形成，在这个新领域中，理论方法和建模将起着重要的作用。其中的一个前沿学科是社会认知学，它致力于了解社会行为及情感的脑神经基础。这个领域将会对社会产生大的影响，包括发展培养儿童认知能力的新方法，改进经济和金融抉择理论，抗老领域里对老年认知功能的修复和增强。
新的理论方向会因出乎意料的新实验结果而不断涌现。因此，为了促进计算神经科学取得富有成效的研究成果，我们需要仔细地建立一个理论和实验科学家合作的机制，确保理论与实验之间的双向交流。理论模型的建立是基于实验数据，而模型作出的预测又反过来用新的实验验证，有时甚至可对试验的设计有定向性的指导意义。如果我们能建立实验和理论科学家紧密合作的传统，那么不仅计算神经科学能确保有坚实的实验基础，而且实验神经科学也将能从它与理论科学的相互影响中获益而更有创新。
计算神经科学在美国和欧洲的科研资助
由于计算神经科学的重要性和潜在的广泛影响，中国应该在主要的科研经费安排上对其优先考虑。在美国，当这个领域在上世纪90年代初刚刚兴起时，Sloan基金会建立了5个Sloan理论神经生物学研究中心（分别在Brandeis、Caltech、NYU、UCSF 和Salk Institute）。最近，Swartz基金会扮演了类似的角色，建立了几个新的研究中心（现在总共有11个Sloan-Swartz 研究中心）。各中心里实验和理论科学家有一个合理的组合，很多计算神经科学领域的领军人物也都属于这些中心。
多年来，Sloan-Swartz研究中心培训了大量有物理学或其他计算科学领域背景的研究生和博士后，帮助他们成功地转入计算神经科学领域。据Hirsh Cohen博士介绍，103名这样的受训者现在已经在美国和欧洲担任教职（Cohen博士先后在Sloan、Swartz两个基金会，在整个过程中发挥了关键作用）。很多Sloan-Swartz 研究中心的学员又成了实验科学家，既做实验又做理论研究。因此，这个领域的发展很大程度上得益于Sloan和Swartz基金会的远见卓识和长期支持。此外，从2004年开始，National Institutes of Health 和National Science Foundation 联合建立“CRCNS(Collaborative Research in Computational Neuroscience)项目”，支持计算神经科学，特别有计划地促进实验和理论科学家之间的协作。
Sloan-Swartz研究中心的成功模式在欧洲有相当的影响。近年来，德国神经科学家和物理学家建立了National Bernstein Network of Computational Neuroscience (http://www.nncn.de/)。他们说服了德国政府承诺出资1亿欧元支持4个研究中心（分别在Munich、Berlin、Freiburg 和 Gottingen）以及一些小型的Bernstein小组（一些小组特别致力于神经科学技术）。与Sloan-Swartz研究中心不同，一个Bernstein研究中心可以包括多个研究所。例如，Gottingen 的 Bernstein 研究中心是在Gottingen 的4个研究所的合作机构，包括 Georg-August 大学、德国灵长类研究中心、Max Planck 动力学和自组织研究所以及Max Planck 生物物理化学研究所。这种模式值得中国在发展计算神经科学时借鉴。
中国发展计算神经科学的建议
1.计算神经科学研究中心
综上所述，我们可以肯定地说计算神经科学应该成为中国的一个重要的科研领域。中国在建立这样一个交叉学科上是有优势的，因为我们有非常多的物理学、数学和工程学方面的年轻人才，其中很多人对转入生物学领域的前景很有兴趣。要真正建立一流计算神经科学，需要有眼力，有长期的计划和经费支持，实现理论和实验科学家能够真正的组合，培养年轻人才、领军人物，引回在国外的优秀学者。
我们可以提出一个战略性的计划：考虑先建立两三个研究中心，应尽可能将中国已有的计算神经科学家及大学和中科院研究所的实验神经科学家联合在一起。中心的规模待定，数量可在将来增加。这些中心需要设计成：1）最有利于实验和理论科学家之间的日常交流和合作；2）能促进物理学、计算机科学和神经科学之间创新性的交流；3）能够承担交叉学科学生的训练。
2.培训项目和会议
现代生命科学各领域的教学中，计算模拟应该或已经成为必不可少的一部分。在这方面，神经科学比其他一些生物学领域走在更前面。训练计算神经科学的学生和博士后需要有双重的目标：让物理学和数学学科的青年人才学习神经科学，同时给实验科学家机会学习建模的数学知识及建模方法。计算神经科学应该在本科和研究生阶段教授，也可以通过暑期学校的方式（我们从2010年开始在冷泉港—亚洲组织“计算和认知神经生物学”的暑期课程，见http://meetings.cshl.edu/CSHAsia/s-cosyne10.html）。同时，为了建立一个新的领域，必须有讨论会以便于人们定期集会、交流和开展合作，这对计算神经科学这样的交叉学科尤为重要。因此，我们需要有专门的经费来资助定期的会议和暑期课程。
3.高性能计算设备
目前，有些神经系统的模拟需要具有几千个快速处理器的计算机集群。从未来的需求看，哺乳动物大脑有千亿个神经元和百兆个突触连接，要模拟它的真实模型，对当今最快的十佩塔浮点（peta- 〈1015〉 flop）运算量的超级计算机来说仍是一个挑战。这就是为什么在日本的理化所（RIKEN)，大脑建模是他们“下一代超级计算机研究与开发中心”的一个重要任务。在瑞士EPFL、美国IBM Almaden研究中心以及加拿大Rotman研究所，正在发展几个“全脑模型模拟”方案。欧盟也有“虚拟（计算机模拟）的生理人”大项目。这些项目都处在早期阶段，而且一些计划、观点也颇具争议。尽管如此，高性能计算设备在我们领域将成为越来越重要的工具这一点是毋庸置疑的。反过来，脑模拟也会对超级计算机的发展有大的推动。新的计算神经科学研究中心在这个方面应该成为领军者，建立起有强劲的计算机集群（computer cluster），接入到最先进的超级计算机（high-performance supercomputer）的计算平台。
总之，如本文所叙，我认为国家在中长期计划中应强力建立计算神经学。它应是我们争取走到世界前沿的跨学科的领域之一，并对许多其他学科、社会将有广泛的影响。建立此学科，可帮助加快一流大学和研究所的建设。
本人感谢吴思、陶乐天对此文的帮助。也衷心希望能促进同行对中国计算神经科学发展的讨论。
（作者系耶鲁大学教授，电子邮件：xjwang@yale.edu。个人更多信息见：http://wanglab.med.yale.edu。）
《科学时报》 (2010-8-26 A3 学科综述)
