脑组织的功能

大脑皮质（皮层）是一个高度褶叠的神经组织板，平均厚约2~3毫米（中央前回处厚约4毫米；枕叶处厚约1．25毫米——所有哺乳动物大脑皮质的厚度则几乎相等，都在2毫米左右），体积约为300立方厘米，重量约为600克，表面积约有2200~2600平方厘米，占整个大脑半球的比例为40%左右，如展开能有一张报纸那么大，其中包含着各种不同的神经细胞和神经胶质细胞（胶质细胞起着一种支持、营养、保护神经细胞和为神经细胞的联接起构架的作用，其数量大约是420亿个），神经细胞的数量大致在140亿个左右，其中的135个亿为大脑新皮质所占有，比例是96%。它在大脑新皮质各主要功能区域中的具体分布为：额叶联合区为35亿个，颞叶联合区为25亿个，顶叶联合区为25亿个，一级视觉区为8亿个，一级听觉区为0．5亿个，一级躯体感觉区8亿个，一级运动区为8亿个，还有25个亿则在其他区域内。

大脑皮质的建筑块料——神经元是一种高度特化的细胞体，它包括一个特殊的细胞外形，一个能产生神经冲动的外膜和一个能把信息从一个神经元传递给下一个神经元的独特结构——突触。细胞体包含神经元的核和合成细胞生命所必须的酶及其它分子的生物化学机器。细胞体直径的大小5~100uM不等，表面积为25000平方uM（大脑神经细胞的重量约180克,占比为30%）。由细胞体发出一条较大的纤维称为轴突，还发出一些纤维分支称为树突。一般说来树突和细胞体接受输入信号；细胞体联络和整合输入的信号并发出传出信号，还负责细胞的总的保养；轴突则传输细胞体发生的传出信号到轴突末梢，再把信息分发给一组新的神经元。树突的长度由1uM~1mM不等，轴突的长度为1uM~1M不等。由这些神经细胞突起联接起来的神经过程通道的总长度可达4500kM，由此组成的神经网络比全世界整个的电话网络还要复杂。

信息是通过一个特殊化的接点—突触得到传递的。一个突触包含两部分：一个轴突终端的球状末端和另一个神经元表面上的受体区。突触前膜和后膜被约20~50纳米（毫微米）宽的突触间隙隔开。轴突终端含有无数的小泡，每个小泡拥有几千个分子的化学递质，当神经冲动到达终端时，一些突触小泡马上把它们的内含物释放到突触间隙中，然后激活接收神经元。通常一个神经元接受从另外的几百个或几千个神经元传来的信息，又把信息输给另外的几百个或几千个神经元。突触联系的方式，有体与体、轴与轴、神经末梢与胞体等。突触传递的机制，有突触后兴奋、突触后抑制，突触前抑制、突触前兴奋。

信号系统是双重的：电的和化学的。神经元所产生并沿轴突传输的是电脉冲，但信号的传递则靠递质分子——按物质种类可分为四个系统：①氨基酸类，如r-氨基丁酸（GABA）、谷氨酸、天门冬氨酸等；②胺类，如乙酰胆碱、多巴胺、5-羟色胺、去甲肾上腺素等；③肽类，如P物质生长激素、VIP、内啡肽等；④脂肪酸类，如前列腺素等等。（现在已经查明的有近百余种。）

神经元活动的原理，在动物和人类身上都是显著相似的。但是决定人类与动物高级精神活动差别的，则是不同的神经元类型、不同的构筑结构及神经元组合的特点。

人的大脑皮质由于神经细胞的有规则的排列，在水平方向上大体形成了六个结构层次。但在脑的不同区域神经细胞排列的层次又略有不同（比如在脑的17区中为8层，在4、6区内则只有五层）。

人的大脑还由于神经细胞在垂直方向的聚合而形成了圆柱形的排列特点，即为细胞柱（柱是由一些具有大致相同特性的神经元集合而成的。它是大脑皮层最基本的机能单位，并由此还使大脑组合成了一个个“块状”的功能联合体）。人的大脑皮层约含有1~2百万个柱，每一个柱内有10000个左右的神经元。圆柱形排列在前额叶中区表现得最为突出和明显——它已成为区别人类与动物巨大差异的最重要标志。

各种类型神经细胞的不同组合方式，形成了特定的细胞构筑区。所谓细胞构筑就是指细胞的排列及它们在皮质各层内的类型和密度。这就是大脑皮质分区和功能定位的主要依据。科学家按照皮质细胞构筑结构特点的不同，把大脑皮质划分成了若干的区，如卜罗德曼就把大脑皮质分成52个区——每个皮质区都显示出不同的机能特点；人们又根据大脑皮质各个区在主要机能上的差异，又将大脑皮质划分成许多功能性区域，如运动区、感觉区、视觉区、言语机能区等等。

有人还根据大脑皮质各机能相互制约的性质，又把大脑皮质按等级差别划分为三级管理区。如鲁利亚就以中央沟作为界限，将后部的脑区划分为初级的（感觉的）、第二级的（联合的）、第三级的（超模式的或整合的）皮质；将前部脑区按运动区（位于前中央回）、前运动区（位于运动区前部及6区和部分8区）、前额区（9、10、45、46区），这样的三级作了划分。旋而，他又将整个大脑划分为三个主要机能结构区：1，调节张力或觉醒的结构；2，信息的接受、加工和保持结构；3，活动的程序编制、调节与控制结构。后两者的机能区在大脑皮质。

另外，由大脑纵裂分隔的大脑皮质的两个半球，在结构和机能上也显示着不同的特点。比如左半球所具有的语言功能特性和右半球所具有的非语言特性等。

大脑皮质与人脑的其它部分以及皮质间的联系，是通过神经纤维连接实现的。人体的全部传导系统可分为投射系统、联合系统和连合系统。

把中枢神经系统不同水平的结构联合在一起的通路叫做投射系统，它分为上行部分和下行部分。组成投射纤维主要部分的是皮质-丘脑纤维，它联系着皮质和“最近的皮质下”的活动。在大脑中，能使神经过程做循环运动的联系系统有：大脑半球皮质-丘脑-再回到皮质；大脑半球皮质-脑桥基底核-小脑皮质-小脑齿状核-丘脑-再回到大脑半球皮质。

联合系统是把同一水平上的脑组织彼此联系起来的神经纤维组织。联合邻近回皮质的叫短联合系统；联合两个脑叶皮质的叫长联合系统。联合额叶和颞叶“语言区”的联合系统——沟束和弓形束，是人脑所特有的。

神经系统的连合系统是连系大脑两半球或脊髓两半侧的。主要有：连合两半球古皮质的前连合；连接两半球旧皮质的海马连合；连接新皮质的胼胝，它主要负责大脑左右两半球的组织联络和信号传递工作。

人的大脑皮质按进化过程以及生理功能的不同又有古、旧皮质与新皮质之分。古、旧皮质亦即在种系发生上最老的脑皮质区域，如嗅束、海马结构和阿蒙角等脑干和边缘脑部分（皮质结构为三层）——也就是所谓爬行动物脑的组织结构，人类的这些皮质与其它高等动物相比，显已退化。这是由于管理高级精神活动的新皮质高度发展的必然结果。

但即使是新皮质在发生上也有先后之分。新皮质大约是在一亿五千万年以前被分化出来的。然而，只是在二千万至二千五百万年以前当人科动物出现时，新皮质才逐渐获得区别人脑和动物脑的初级结构，及至到古人类出现时，新皮质才高度发展起来。新皮质基本上是按枕、顶、颞、额叶这样的顺序发展的，而额叶前区则是新皮质发展最晚的部分，在进化过程中它自动获得了特殊的结构和有利的地位，从而最终成为人类的最主要的特征和智力的机能定位区。美国学者麦克林（Mclean）据此又提出了三个脑层次的理论：第一层（最外层）是新皮质，它是尼人到智人阶段进化的产物，是智力、想象力、辨别力和计算力的发源地；第二层是新皮质下边的缘脑，它是从哺乳动物遗传下来的部分，控制着情感；第三层是缘脑里边的“爬行动物脑”，它是从爬行动物那里继承下来的部分，控制着人的一些体能的、无意识的行为。

12月8日，国家超级计算天津中心和国防 科技 大学，联合数十家合作团队，共同发布“面向新一代国产E级超级计算系统的十大应用挑战”，支撑解决世界 科技 前沿、经济主战场、国家重大需求、人民生命 健康 领域的重大挑战性问题。

据介绍，新一代百亿亿次（E级）高性能计算机的研发，是国家在新一代信息技术领域的重要部署，将有力驱动国家信息技术产业创新发展，其自主化程度远高于其他超算平台，同时规模与性能更是大幅提升。此次十大应用挑战的发布，其目的就是为了充分发挥新一代E级高性能计算机强大计算能力，研发适配国产超级计算系统的关键技术和应用软件，构建新的国产E级超级计算应用生态。

挑战一：磁约束聚变堆全装置聚变模拟（人造小太阳）

可控聚变能源被认为是人类未来应对能源和环境挑战最有效的手段之一，而在磁约束聚变装置设计中，最重要的问题就是如何用更低的成本约束住更高密度、温度的等离子体。

目前被广泛认可的一个主要限制约束性能的机制是边界和芯部产生的所谓微观不稳定性。在先前的研究中由于多时间尺度的问题，这些不稳定性通常采用回旋动理学或磁流体力学等简化模型来描述，并且等离子体芯部和边界需要分别建模。

在新一代国产E级计算机上，将可以直接采用电磁全动理学这一经典等离子体最基本的模型来直接模拟可分辨离子回旋半径的磁约束聚变堆全装置等离子体，并且不用区分边界与芯部。借助几何算法，使系统长期演化模拟结果的可靠性可以得到保证，更准确而自洽地再现其内部所发生的不稳定性过程，寻求提升磁约束聚变装置约束性能的机制。

此外，全装置等离子体动理学模拟还能得到对装置尺度的等离子体演化更加保真的模型，更好地指导未来磁约束聚变堆等离子体的设计，将为可控聚变研究和聚变能源开发提供强力支撑。

挑战二：全尺寸航空航天飞行器超百亿网格计算流体力学模拟

近年来的临近空间飞行器复杂流动问题数值研究对认识高空高速下的流动机理起到了重要作用。临近空间飞行器飞行包络覆盖连续流域、滑移流域和过渡流域，存在复杂的气动力热、稀薄非平衡效应、大动压下的多体分离、化学反应、等离子体等跨流域非定常多场耦合现象。

上一代超级计算机在计算能力和架构设计上无法进行满足精度和效率要求的临近空间飞行器跨流域非定常多场耦合模拟，而新一代国产E级超级计算机在理论上有望突破计算瓶颈，从而实现超百亿网格高精度全尺寸这一模拟。

临近空间飞行器跨流域非定常多场耦合模拟研究一方面可以帮助我们全面认识飞行器在高空高速飞行状态下的复杂耦合流动现象，并辨识流动机制及其对飞行器的影响，另一方面可以拓展新一代超级计算机上的数值风洞构建能力，为航天各类运载飞行器和航空国产大飞机等设计提供载体，使其更好地服务于我国战略发展和建设。

挑战三：数字细胞超亿级原子体系动力学模拟

在解读生命奥秘特别是细胞生物机理方面，全原子分子动力学模拟的虚拟实验作用日益凸显。

细胞内充斥了各种各样的生物大分子和小分子，始终处于一种动态的拥挤环境中，而拥挤环境对生物分子的扩散、聚集、构象变化和化学反应都会有显著影响。因此，在细胞尺度上对生物体系进行全原子分子动力学模拟将是认知生命过程的重要手段，但是目前的计算机很难提供足够的算力来实现。

国产新一代的E级超级计算机理论上可以实现超亿级甚至十亿级原子数字细胞的分子动力学模拟，使得未来细胞水平上的精准模拟成为可能。对细胞进行全原子分子动力学模拟，将使我们可以在虚拟实验中对整个细胞及其内外的生物大分子的微观动态过程进行高时空分辨的观察，帮助我们全面深刻地去认识新冠病毒等如何侵入细胞、细胞如何进行物质信息交换等生命科学重大挑战性问题。

通过数字模拟获得的知识，也将对未来的新药研发、生命 健康 保障起到奠基性的作用。

挑战四：对流尺度次公里级精细化数值天气预报

对于尺度较小、发展剧烈的强对流天气系统，往往难以预报，且容易造成破坏性灾害，对于大城市的运行管理带来很大的威胁。

随着天气系统时空尺度的缩小，大气的混沌属性越发明显，预报的不确定性加剧，这为精细化天气预报带来了很大的挑战，目前基于探测技术的预警时效性和对系统演变的预测往往不足。

基于新一代国产E级超级计算机的强大计算能力，综合超高分辨率模拟、集合预报、快速循环等技术，提前0-6小时预报强对流天气的触发、演变、消亡，为单个对流系统提供连续、概率性的预测，改进强对流引发的局地强降水、冰雹、突发大风、龙卷的时空落区预报准确性。

挑战五：百亿级高效高通量虚拟药物筛选

先导结构的发现和优化作为新药发现阶段的研究核心，往往需要花费数年时间以及高达数亿美元的资金，是药物研发的关键技术瓶颈。因此如何生成新分子及优化分子的关键属性(如生物活性、成药性、安全性和选择性等)是影响药物分子设计成败的两个关键问题。

据估计，目前可利用的化学空间大小范围约为10^23至10^60，即便是某些成熟数据库的小分子数量也达到十亿级别。如何在如此巨大的化学空间内如何进行分子的智能生成、结构的快速演化搜索和性质预测是药物筛选所面临的巨大挑战。

目前，药物筛选通常可以利用分子对接等相对粗略的方法，在之前的超级计算机上已经可以实现对十亿级别的小分子进行快速的初筛，再利用更为精确的自由能扰动计算等方法进行更为准确的评价分析。

新一代E级超级计算机提供的强大算力能够支撑百亿级别药物小分子的快速筛选，辅以更先进的算法，可以实现虚拟药物筛选效能几十乃至上百倍的提升；同时高效的药物筛选，还可以与中药有效组分发现结合，推动中药研发的现代化。

挑战六：面向通用人工智能的超大规模预训练模型

深度神经网络是新一代人工智能的领航区，并且已经成功应用于计算机视觉和自然语言处理等领域，取得了突出成效。

随着应用场景的丰富和发展，传统基于有标注数据集的领域模型训练和应用范式越来越无法适用人工智能应用的开发和普及。基于无标注数据的自监督学习技术和综合能力好、通用能力强的大规模预训练模型的出现，将数据驱动的深度学习技术和通用人工智能推向新的发展阶段。

近年来，计算机和人工智能领域的专家和企业已经在利用现有高性能计算机上完成了 175 万亿参数的多模态预训练模型开发，而国产新一代 E 级超级计算机使得支撑参数规模更大、通用性更强的模型（十万亿甚至百万亿以上）的训练和应用成为可能。

大规模预训练模型的研发部署，一方面，将推动类人机器人加快落地；另一方面，有通用模型做基础，将大幅降低细分领域数据向智能化模型转化的难度，有效推动人工智能应用基础设施的构建，提升工业现代化、数字经济发展、智能 社会 数字化治理能力。

挑战七：FAST超大规模观测数据的高分辨率巡天图像处理

中性氢巡天是 “中国天眼”（FAST射电望远镜）的重要科学目标之一，通过探测可观测宇宙范围内中性氢的分布情况，为宇宙起源与演化、暗物质与暗能量等前沿科学领域的研究提供支撑。

受视场所限，望远镜每次观测只能覆盖有限天区，中性氢巡天观测持续时间可达数年，所积累的观测数据需拼接融合才能获得完整的高分辨率巡天图像。在中性氢巡天数据处理流程中，网格化（Gridding）是计算量最大且I/O最为密集的环节，是制约中性氢巡天数据处理与成果产出效率的瓶颈。

新一代E级超级计算机的数据处理能力配合高性能网格化算法，能够应对PB量级的中性氢巡天观测数据，从而为国之重器“中国天眼”能够“早出成果、多出成果，出大成果、出好成果”提供强大助力，促生天文学基础与前沿领域的重大发现。

挑战八：全球尺度地震全波形反演

地震全波形反演是当前分辨率最高的成像方法，是研究地球内部结构和动力学演化过程的强有力工具，还可为矿产资源和油气勘查提供关键支撑。

在过去十年里，地震科学领域专家已经在上一代超级计算机上实现了区域尺度的低频带d性波全波形反演研究。

国产新一代的E级超级计算机将可以实现全球尺度的、包括地震波衰减特征在内的高频带粘d性地震波场传播模拟和波形成像研究。全球尺度高频带粘d性地震波形反演一方面可以获得地球内部高精度成像结果，加深我们对板块构造、俯冲带和造山带形成和演化的认识，另一方面可以提供地球内部各圈层（中下地壳、岩石圈、软流圈等）物质和能量交换的地震学证据，为研究地球深部成矿作用和火山/地震活动提供依据，帮助人类更全面的认知地质演化，理解类地行星的形成发展。

挑战九：全脑千亿神经元动力学仿真

近年来的神经科学研究获取了大量的大脑结构和活动的数据，以此来理解大脑的工作机制。对于大脑的高级功能，如运动控制和思考等功能的解析和再现，迫切需要建立起人类全脑规模的仿真神经网络平台。

人类的大脑有860亿神经元，在过去的十年里，计算神经科学领域的专家在上一代的超级计算机上已经进行了人脑百分之一大小规模的脑回路仿真。而新一代的E级超级计算机在理论可以实现包括大脑皮层、小脑和基底神经节在内的全脑神经回路的模拟。

人类全脑回路的仿真和研究，一方面在可以帮助我们理解大脑的思考等高级功能，开发类脑人工智能算法。另一方面，帕金森症，亨廷顿舞蹈症等大脑疾病的发病机理也将能够得到进一步的分析和验证。此外，使用仿真脑模型构建基于脉冲神经网络的神经模态机器人，能够提升现有机器人系统的感知与决策水平。

挑战十：完全分辨率的全球次中尺度海洋数值模拟

气候变化是全球可持续发展所面临的重大挑战，也是科学界面临的最具挑战性的科学问题之一，海洋则是控制气候系统季节内、季节、年际、年代际变率的重要分量。

近年来，随着海洋观测的飞速发展，海洋中尺度、次中尺度过程的许多机理被不断揭示，海洋多尺度相互作用的特征更加清晰，对海洋环流数值模拟也提出了更高的要求，分辨率中尺度、次中尺度过程及其与大气的相互作用成为重要的研究方向。

在过去的10年期间，全球的科学家在此方向作出了不懈努力，将全球的海洋模拟提高到部分分辨率次中尺度涡（2km）的分辨率，而我国的科学家也自主开发了全球3-5km的海洋模式，基本可以完全分辨开阔大洋的中尺度过程。新一代的E级超级计算机可以实现完全分辨率次中尺度过程的模拟，帮助科学家全面理解海洋内部多尺度相互作用过程，以及海洋能量串级过程，并进一步提高对海洋环流以及整个气候系统的模拟能力。

编辑/范辉

由于神经网络是多学科交叉的产物，各个相关的学科领域对神经网络

都有各自的看法，因此，关于神经网络的定义，在科学界存在许多不同的

见解。目前使用得最广泛的是TKoholen的定义，即"神经网络是由具有适

应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经

系统对真实世界物体所作出的交互反应。"

如果我们将人脑神经信息活动的特点与现行冯·诺依曼计算机的工作方

式进行比较，就可以看出人脑具有以下鲜明特征：

1 巨量并行性。

在冯·诺依曼机中，信息处理的方式是集中、串行的，即所有的程序指

令都必须调到CPU中后再一条一条地执行。而人在识别一幅图像或作出一项

决策时，存在于脑中的多方面的知识和经验会同时并发作用以迅速作出解答。

据研究，人脑中约有多达10^(10)～10^(11)数量级的神经元，每一个神经元

具有103数量级的连接，这就提供了巨大的存储容量，在需要时能以很高的

反应速度作出判断。

2 信息处理和存储单元结合在一起。

在冯·诺依曼机中，存储内容和存储地址是分开的，必须先找出存储器的

地址，然后才能查出所存储的内容。一旦存储器发生了硬件故障，存储器中

存储的所有信息就都将受到毁坏。而人脑神经元既有信息处理能力又有存储

功能，所以它在进行回忆时不仅不用先找存储地址再调出所存内容，而且可

以由一部分内容恢复全部内容。当发生"硬件"故障（例如头部受伤）时，并

不是所有存储的信息都失效，而是仅有被损坏得最严重的那部分信息丢失。

3 自组织自学习功能。

冯·诺依曼机没有主动学习能力和自适应能力，它只能不折不扣地按照

人们已经编制好的程序步骤来进行相应的数值计算或逻辑计算。而人脑能够

通过内部自组织、自学习的能力，不断地适应外界环境，从而可以有效地处

理各种模拟的、模糊的或随机的问题。

神经网络研究的主要发展过程大致可分为四个阶段：

1 第一阶段是在五十年代中期之前。

西班牙解剖学家Cajal于十九世纪末创立了神经元学说，该学说认为神经

元的形状呈两极，其细胞体和树突从其他神经元接受冲动，而轴索则将信号

向远离细胞体的方向传递。在他之后发明的各种染色技术和微电极技术不断

提供了有关神经元的主要特征及其电学性质。

1943年，美国的心理学家WSMcCulloch和数学家WAPitts在论文《神经

活动中所蕴含思想的逻辑活动》中，提出了一个非常简单的神经元模型，即

M－P模型。该模型将神经元当作一个功能逻辑器件来对待，从而开创了神经

网络模型的理论研究。

1949年，心理学家DO Hebb写了一本题为《行为的组织》的书，在这本

书中他提出了神经元之间连接强度变化的规则，即后来所谓的Hebb学习法则。

Hebb写道："当神经细胞A的轴突足够靠近细胞B并能使之兴奋时，如果A重

复或持续地激发B，那么这两个细胞或其中一个细胞上必然有某种生长或代

谢过程上的变化，这种变化使A激活B的效率有所增加。"简单地说，就是

如果两个神经元都处于兴奋状态，那么它们之间的突触连接强度将会得到增

强。

五十年代初，生理学家Hodykin和数学家Huxley在研究神经细胞膜等效电

路时，将膜上离子的迁移变化分别等效为可变的Na+电阻和K+电阻，从而建

立了著名的Hodykin-Huxley方程。

这些先驱者的工作激发了许多学者从事这一领域的研究，从而为神经计

算的出现打下了基础。

2 第二阶段从五十年代中期到六十年代末。

1958年，FRosenblatt等人研制出了历史上第一个具有学习型神经网络

特点的模式识别装置，即代号为Mark I的感知机（Perceptron），这一重

大事件是神经网络研究进入第二阶段的标志。对于最简单的没有中间层的

感知机，Rosenblatt证明了一种学习算法的收敛性，这种学习算法通过迭代

地改变连接权来使网络执行预期的计算。

稍后于Rosenblatt，BWidrow等人创造出了一种不同类型的会学习的神经

网络处理单元，即自适应线性元件Adaline，并且还为Adaline找出了一种有

力的学习规则，这个规则至今仍被广泛应用。Widrow还建立了第一家神经计

算机硬件公司，并在六十年代中期实际生产商用神经计算机和神经计算机软

件。

除Rosenblatt和Widrow外，在这个阶段还有许多人在神经计算的结构和

实现思想方面作出了很大的贡献。例如，KSteinbuch研究了称为学习矩阵

的一种二进制联想网络结构及其硬件实现。NNilsson于1965年出版的

《机器学习》一书对这一时期的活动作了总结。

3 第三阶段从六十年代末到八十年代初。

第三阶段开始的标志是1969年MMinsky和SPapert所著的《感知机》一书

的出版。该书对单层神经网络进行了深入分析，并且从数学上证明了这种网

络功能有限，甚至不能解决象"异或"这样的简单逻辑运算问题。同时，他们

还发现有许多模式是不能用单层网络训练的，而多层网络是否可行还很值得

怀疑。

由于MMinsky在人工智能领域中的巨大威望，他在论著中作出的悲观结论

给当时神经网络沿感知机方向的研究泼了一盆冷水。在《感知机》一书出版

后，美国联邦基金有15年之久没有资助神经网络方面的研究工作，前苏联也

取消了几项有前途的研究计划。

但是，即使在这个低潮期里，仍有一些研究者继续从事神经网络的研究工

作，如美国波士顿大学的SGrossberg、芬兰赫尔辛基技术大学的TKohonen

以及日本东京大学的甘利俊一等人。他们坚持不懈的工作为神经网络研究的

复兴开辟了道路。

4 第四阶段从八十年代初至今。

1982年，美国加州理工学院的生物物理学家JJHopfield采用全互连型

神经网络模型，利用所定义的计算能量函数，成功地求解了计算复杂度为

NP完全型的旅行商问题（Travelling Salesman Problem，简称TSP）。这

项突破性进展标志着神经网络方面的研究进入了第四阶段，也是蓬勃发展

的阶段。

Hopfield模型提出后，许多研究者力图扩展该模型，使之更接近人脑的

功能特性。1983年，TSejnowski和GHinton提出了"隐单元"的概念，并且

研制出了Boltzmann机。日本的福岛邦房在Rosenblatt的感知机的基础上，

增加隐层单元，构造出了可以实现联想学习的"认知机"。Kohonen应用3000

个阈器件构造神经网络实现了二维网络的联想式学习功能。1986年，

DRumelhart和JMcClelland出版了具有轰动性的著作《并行分布处理-认知

微结构的探索》，该书的问世宣告神经网络的研究进入了高潮。

1987年，首届国际神经网络大会在圣地亚哥召开，国际神经网络联合会

（INNS）成立。随后INNS创办了刊物《Journal Neural Networks》，其他

专业杂志如《Neural Computation》，《IEEE Transactions on Neural

Networks》，《International Journal of Neural Systems》等也纷纷

问世。世界上许多著名大学相继宣布成立神经计算研究所并制订有关教育

计划，许多国家也陆续成立了神经网络学会，并召开了多种地区性、国际性

会议，优秀论著、重大成果不断涌现。

今天，在经过多年的准备与探索之后，神经网络的研究工作已进入了决

定性的阶段。日本、美国及西欧各国均制订了有关的研究规划。

日本制订了一个"人类前沿科学计划"。这项计划为期15－20年，仅

初期投资就超过了1万亿日元。在该计划中，神经网络和脑功能的研究占有

重要地位，因为所谓"人类前沿科学"首先指的就是有关人类大脑以及通过

借鉴人脑而研制新一代计算机的科学领域。

在美国，神经网络的研究得到了军方的强有力的支持。美国国防部投资

4亿美元，由国防部高级研究计划局（DAPRA）制订了一个8年研究计划，

并成立了相应的组织和指导委员会。同时，海军研究办公室（ONR）、空军

科研办公室（AFOSR）等也纷纷投入巨额资金进行神经网络的研究。DARPA认

为神经网络"看来是解决机器智能的唯一希望"，并认为"这是一项比原子d

工程更重要的技术"。美国国家科学基金会（NSF）、国家航空航天局（NASA）

等政府机构对神经网络的发展也都非常重视，它们以不同的形式支持了众多

的研究课题。

欧共体也制订了相应的研究计划。在其ESPRIT计划中，就有一个项目是

"神经网络在欧洲工业中的应用"，除了英、德两国的原子能机构外，还有多

个欧洲大公司卷进这个研究项目，如英国航天航空公司、德国西门子公司等。

此外，西欧一些国家还有自己的研究计划，如德国从1988年就开始进行一个

叫作"神经信息论"的研究计划。

我国从1986年开始，先后召开了多次非正式的神经网络研讨会。1990年

12月，由中国计算机学会、电子学会、人工智能学会、自动化学会、通信学

会、物理学会、生物物理学会和心理学会等八个学会联合在北京召开了"中

国神经网络首届学术会议"，从而开创了我国神经网络研究的新纪元。

目录 1 拼音 2 神经科学对社会健康的意义 3 神经科学对社会发展的意义 4 神经科学发展的科学意义 5 国际社会和国际科技界对神经科学的重视 1 拼音

shén jīng kē xué

美国国立健康研究院 鲁白

弗吉尼亚大学 梅林

华盛顿大学 饶毅

人各有所好, 很难有众所认同的世界上“最重要”的事物; 但是, 从人类社会的角度看, 很少人会认为人脑没有关键作用,有少数人“持”此观点也实质上反证了正常脑的重要性。对脑的科学研究近年有显著的进展, 一门新的交叉学科神经科学是过去二十多年中发展最为迅速的学科之一。它应用生命科学和物理科学，信息科学的综合途径，从分子、细胞到计算网络、心理多个水平，对神经系统的形成， 正常功能和异常病变进行研究。继承和扩展中国的神经科学研究, 对改善 现代中国社会的健康、推进中国传统药物工业和新型生物工程企业、和发展中国科学都是必需的。

2 神经科学对社会健康的意义

对于社会的发展和人类的健康, 人脑所起的作用是世间任何事物不可替代的。神经科学研究对每个年龄层次的人都有意义。出生前的胎儿神经系统的形成和发育是正常脑功能的决定性基础；儿童脑的可塑性发育是人才智力和健康心理形成的关键；成年人脑的有效工作取决于神经网络中信息的高效传递和加工；老年人健康生活依赖于有无病理性衰变和神经损伤。

从发达国家的经历来看，随着以前常见病的减少和消失，影响人的高级功能的病如各种脑疾患占的比例会越来越高。这些疾病极大地影响人的健康，而且造成巨大家庭和社会负担，转用了本来可以用于社会发展的精力和经费。美国九十年代初的统计结果，65岁以上的人患老年痴呆占百分之11，每年消耗1131亿美元，精神疾病每年消耗351亿，脊柱损伤消耗226亿，中风消耗179亿，癫痫和多发性侧束硬化消耗55亿。中国这方面统计尚不全，在北京、上海的初步统计显示65岁以上的人患老年痴呆占百分之49，从健康史上看，中国人群脑疾患的整个趋势是会不断接近发达国家的。

人口素质的核心是智力。提高人口素质和控制脑疾患是世界性问题。而在中国，因为特殊的人口结构，又是更突出的课题。每对夫妻只生一个孩子的政策使全社会普遍关注每一个儿童的健康成长，其中很重要的就是脑功能的发育和成长。“一胎”政策和医疗的改善造成老年人口比重增加，而且老年人的脑疾患也明显增加，这就要求对老年人常见的脑疾患要有有效的预防和控制。这些都是神经科学研究的课题。

所以，神经科学不仅是世界的前沿科学，而且更是中国国情所迫切需要发展的学科。

3 神经科学对社会发展的意义

神经科学既是传统药物工业的主要基础，也是现代高技术产业－生物工程的重要支柱之一。传统药物工业的成功很大一部分归功于神经药理的研究。神经药理不仅仅是推出了大家可以想象的神经系统或神经疾患的药物，如各种 物、控制巴金森氏综合症的药物、控制精神病的药物、影响睡眠的药物等；神经药理也推出了大部分心血管药物，如很多控制血压、心律、微循环的药物都是靠影响神经对心血管的调节，从而达到控制心血管的目的。治疗呼吸系统和消化系统的药物，也依赖和借鉴神经药理的研究结果，比如一些控制鼻塞、哮喘的药和控制胃酸的药是调节神经信号而产生作用。因为神经药理对大量药物发展非常重要，所以世界上传统药物工业起家的大药厂，靠神经药理为基础的占了很大比重，迄今仍是药物工业主力。

现代生物工程产业，是以分子生物学为基础。这一新型高技术产业还在快速发展，有大量企业兴起，已经有成功利润的企业屈指可数。就在这些成功的企业中，神经科学相关的药物也很受重视。比如，包括老年痴呆在内的神经退行性变的危害之广，使大家有共识其药物市场是很大的。因此，美国几家专攻神经退行性变的生物技术公司，股票上市时曾创记录。而且，靠传统药物工业起家的大药厂在吸收和推进生物技术产业的过程中，也注重神经科学有关的生物工程药物。

4 神经科学发展的科学意义

神经科学是综合性很强的交叉学科。它综合了多门学科，对神经系统进行全面的研究。它得益于这些学科，又推动这些学科；加速神经科学的发展可以带动一批相关学科的发展。

传统上，神经科学来源于生理学、生物化学、生物物理学、药理学、解剖学、胚胎学、神经病学和精神病学。在七十年代初神经科学形成单独的学科，到八十年代定型。分子生物学、遗传学、影象学、计算网络(神经网络)和认知科学等对神经科学的促进在近十到二十年很为明显。

以前，神经科学的各亚学科侧重单一的研究策略。神经解剖学发现神经系统的基本结构；神经生理学分析神经系统内信息传递的基本规律；生物物理学研究神经细胞的物理特性；神经生物化学找到神经系统的主要化学成份；神经遗传学了解影响神经系统结构和功能的遗传因素，这些基础科学部分成神经科学中的神经生物学部分。神经药理学一方面寻找治疗疾病的药物，另一方面用分子作为工具来探索神经系统的功能；神经病理学着重神经、精神疾病的解剖结构变化；神经病学和精神病学主要是疾病的临床分析和治疗；放射学仅起辅助临床诊断的作用；而心理学更是与自然科学缺乏联系。

现代神经科学的发展使其各亚学科有活跃的相互作用。这即表现在多学科的技术交叉上，也体现于学术思想和概念的交融上。现在，当神经生物学家用分子生物学发现一个基因及其产物分子后，要用多个途径研究它在神经系统形成和功能中的作用：可用免疫学技术辅助，靠解剖学观察来定位基因产物在神经系统什么部位存在，以生物物理学手段分析基因产物对神经细胞电活动的影响，用生理学方法研究它在信息传递中的作用。这些基本特征了解后，也可进一步用转基因技术或基因剔除技术来增加或减少基因产物的存在量，然后研究脑的高级功能的变化，如通过行为的分析看学习记忆是否受影响，或通过行为、病理等分析看是否导致了疾病的发生。这些综合研究可以揭示特定的基因是否参与脑的高级功能、或影响神经系统的疾病发生。现代影象学在神经科学中的应用是物理科学与生命科学相互作用的一个范例。正电子扫描和功能性核磁共振等无创性成象技术使人们观察活体脑的美梦成为可能；而神经系统的精细和复杂也要求和驱使这些技术不断改进和提高。神经系统内信息传递是控制论早期就感兴趣的问题。人脑具有所有人造机器所不及之处，信息科学一方面可以它为研究目的，一方面可以借鉴其优点，以改善人造机器。

因为神经科学高度综合性的特点，神经科学的发展能够有助于驱动一系列相关学科，这也是国际上对神经科学高度重视的从学术发展角度来考虑的原因。现代神经科学综合了分子生物学、细胞生物学、解剖学、组织学、发育生物学、生理学、生物化学、生物物理学、遗传学、药理学、免疫学、病理学、神经病学、精神病学、影象学、计算网络、控制论、心理学、认知科学等多门学科。推动神经科学发展可以带动多门相关学科的发展。

5 国际社会和国际科技界对神经科学的重视

国际社会对神经科学很重视。美国总统和国会定九十年代为“脑的十年”，欧洲推出“欧洲脑十年”，日本有二十年“脑科学时代”等计划，都是为了推动神经科学。美国国立健康研究院1997年度投入直接与神经科学有关的经费为18亿美元，是其人类基因计划的10倍多。美国国家科学基金会总共22亿年经费中，用于神经科学的经费与其对数学、物理和化学这种大学科的研究经费在相近数量范围。日本“脑科学时代”计划年投入1000亿日元(约8亿美元)，总投入2万亿日元，为其“超级钢材计划”的10倍。这些投入一方面是为人的健康，一方面也期望对脑的研究揭示新的奥秘能推动药物工业和生物技术产业，并有助于将来改进人造机器如计算机。

从国际科技界看，早在50年代，一批控制论的先驱就注重神经系统。从60年代起，一批分子生物学的开创者，包括DNA结构发现者、英国科学家克里克，纷纷转向神经科学的研究领域，使神经科学的发展有更多高质量的人员加入研究行列。神经科学的发展速度也表现在其从业人员的增长速度上。美国神经科学会于1970年成立时仅500多会员，到1998年已有2万9千以上了，这个上升趋势还未进入平台期。每年学会年会都有2万多人参加。作为参考的数字：美国数学会成立于1888年，现有会员3万; 美国物理学会成立于1899年，现有会员4万。这样看，神经科学的规模已经不在数理科学的亚学科的规模，而是与大学科的规模在一个数量级了。这个比较结果，并不意味着神经科学与数学科学或物理科学在科学领域的比较，但是却反映了神经科学研究人员和梯队的发展规模和趋势。