王大辉——北京师范大学系统科学学院教授

王大辉，男，博士，教授 。现任北京师范大学系统科学学院教授、博士生导师。

教育经历：

1999-2002北京师范大学系统科学博士研究生，系统理论专业博士,论文题目：金融与经济共同演化的复杂性研究，指导老师：方福康教授

1997-1999北京师范大学物理系系统理论硕士研究生，指导老师：方福康教授

1993-1997北京师范大学物理系，理学学士

工作经历：

2012-今 北京师范大学认知神经科学与学习国家重点实验，教授

2011-今 北京师范大学系统科学学院，教授

2007.9-2008.9 耶鲁大学医学院神经生物系（汪小京实验室），访问学者/研究科学家

2007-今 北京师范大学北京师范大学博士生导师

2005-2011 北京师范大学系统科学系，副教授

2002-2005 北京师范大学系统科学系，讲师

社会任职：

1、中国自动化学会生物控制论与生物医学工程专委会秘书长。

2、Journal of Neuroscience Method, BMC Neuroscience, Frontiers in Computational Neuroscience 等杂志编委。

主讲课程：

热力学与统计物理(本科，2003-2012年系统科学专业本科生)

非线性动力学（研究生，2003-2014系统科学专业研究生）

动力系统分析（研究生，北京师范大学研究生方法平台课全校公选课第一批课程

培养研究生情况：

资料更新中……
 

研究方向：

采用复杂性基本理论和方法研究脑与认知过程中动力学机制，例如工作记忆的容量、决策的动力学机制、神经系统振荡的相位关系等。

研究兴趣：

从事复杂系统基础理论及其应用研究，特别关注神经系统的复杂性研究，目的是以神经环路为基础建立计算模型揭示实验中观察到的神经系统动力学行为的机制，展示神经系统达成特定功能的机理，并尝试将相关的机制应用于工程问题。目前的研究题目包括决策的神经动力学机制、风险感知及其如何影响决策的神经机制、知觉学习的计算模型、视觉工作记忆容量的机制、参数工作记忆(触觉振动频率)的容量等。部分研究成果发表在Journal of Neuroscience, Plos computational Biology, Complexity, Frontiers in Computational Neuroscience, Neurocomputing等杂志。

承担科研项目情况：

1. 国家重点研发计划-变革性技术关键科学问题专项项目：“大脑计算同化平台与新一代类脑智能算法理论”（ 2019YFA0709503）总经费2163万，个人经费40万，参与，（2020.6-2025.5）

2. 北京市科委脑认知与类脑计算专项：皮层下视觉通路快速信息加工机制及运动目标识别算法研究（批准号z171100000117007）经费400万，主持，(2017.1—2018.12)

3. 国家自然科学基金面上项目：视知觉学习神经机制的计算模型研究（31671077）经费 62万，主持, (2017.1-2020.12)

4. 国家自然科学基金NSFC—RS合作研究项目：关于奖赏、厌恶和风险决策的脑回路动力学模型研究(31511130066)，经费9.5万，主持，（2015.3-2017.3）

5. 国家自然科学基金面上项目：风险感知的神经计算机制研究 (31271169)，经费80万，主持，（2013.1-2016.12）

6. 国家自然科学基金重大研究计划：记忆和记忆障碍的神经环路模型研究(91132702) 80万(参加) (2012.1-2014.12).

7. 国家自然科学基金面上项目：Gamma振荡中神经元相位关系的机制研究(60974075)30万，主持，(2010.1-2012.12).

8. 国家自然科学基金面上项目：大脑皮层功能分区的自组织机制研究(70471080) 14万， 主持， (2005.1-2007.12).

9. 教育部留学回国人员科研启动基金：Gamma振荡中兴奋性神经元领先抑制性神经元相位的机制研究 2万，主持，(2009.10-2010.10)

10.认知神经科学与学习国家重点实验室开放基金：有参照标准的决策机制研究(2010-2011)

发明专利：

[1]田耕硕, 吴思, 弭元元, 王大辉. 一种基于平衡神经网络的快速响应方法及快速响应系统[P]. 北京市: CN110751262A, 2020-02-04.

[2]寿寅任, 马文君, 梅竹松, 王鹏杰, 王大辉, 赵研英, 颜学庆, 林晨, 卢海洋. 一种激光离子加速器中透明靶体定位系统及其定位方法[P]. 北京市: CN108901118A, 2018-11-27.

[3]阎崟, 李武, 王大辉. 一种兼容光学成像和电生理记录的自动化脑皮层降温失活系统[P]. 北京市: CN105769373B, 2018-06-19.

[4]阎崟, 李武, 王大辉. 一种兼容光学成像和电生理记录的自动化脑皮层降温失活系统[P]. 北京: CN105769373A, 2016-07-20.

出版专著：

第三版大百科全书词条：

1. 王大辉：吸引子神经网络. 大百科全书.理学.物理学.神经生物物理学（2020）

2. 王大辉：递归神经网络. 大百科全书.理学.物理学.神经生物物理学（2020）

发表英文论文：

[1]Du, Cong-Cong; Wang, Xuan; Wang, Zhangsen; Wang, Da-Hui*.Data-driven dynamics reconstruction using RBF network.Machine Learning: Science and Technology , 2023, 4(4): 045016. 

[2]Zhao, Shukuo; You, Hongzhi; Zhang, Ru-Yuan; Si, Bailu; Zhen, Zonglei; Wan, Xiaohong; Wang, Da-Hui*.An Interpretable Neuro-symbolic Model for Raven's Progressive Matrices Reasoning.Cognitive Computation, 2023, 15(5): 1703-1724. 

[3]Wang, Xuan; Shu, Zhenfeng; He, Quansheng; Zhang, Xiaowen; Li, Luozheng; Zhang, Xiaoxue; Li, Liang; Xiao, Yujie; Peng, Bo; Guo, Feifan; Wang, Da-Hui*; Shu, Yousheng*.Functional Autapses Form in Striatal Parvalbumin Interneurons but not Medium Spiny Projection Neurons.Neuroscience Bulletin, 2023, 39(4): 576-588. 

[4]Behera, Chandan K.*; Joshi, Alok; Wang, Da-Hui; Sharp, Trevor; Wong-Lin, KongFatt*.Degeneracy and stability in neural circuits of dopamine and serotonin neuromodulators: A theoretical consideration.Frontiers in Computational Neuroscience, 2023, 16: 950489. 

[5]Lei, Lixing; Zhang, Mengya; Li, Tingyu; Dong, Yelin; Wang, Da-Hui*.A spiking network model for clustering report in a visual working memory task.Frontiers in Computational Neuroscience, 2023, 16: 1030073. 

[6]Wong-Lin, KongFatt*; Wang, Da-Hui; Joshi, Alok.Multiscale modeling and analytical methods in neuroscience: Molecules, neural circuits, cognition and brain disorders.Journal of Neuroscience Methods, 2021, 359: 109225. 

[7]Wang C.; Deng H.; Dong Y.; Zhang X.; Wang D.-H.*.The capacity and cognitive processing of vibrotactile working memory for frequency.Current Psychology, 2021.

[8]Zanin,M*.,…,Wang,D.H...., Schmidt,H.H.W.(2021)An Early Stage Researcher’s Primer on Systems Medicine Terminology. Network and Systems Medicine 2021, 4.1. DOI: 10.1089/nsm.2020.0003

[9]Yu, Liutao; Wang Chundi; Wu Si ; Wang, Da-Hui*.Communication speeds up but impairs the consensus decision in a dyadic colour estimation task.R. Soc. Open Sci., 2020, 7(1): 191974.. 

[10]Hongzhi You; MengyaZhang; DA HUI WANG*.Neural Mechanism underlying Risk Attitude and Probability Distortion: One Two-stage Model of Valuation and Choice.Neurocomputing. https://doi.org/10.1016/j.neucom.2019.09.021 

[11]Wang Haotian; Xia Xinghui*; Liu Ran; Wang Zixuan; Zhai Yawei; Lin Hui; Wen Wu; Li Yang; Wang Dahui*; Yang Zhifeng; Muir Derek C G; Crittenden John C.Dietary Uptake Patterns Affect Bioaccumulation and Biomagnification of Hydrophobic Organic Compounds in Fish.Environmental Science & Technology, 2019, 53(8): 4274-4284. 

[12]Ruina Dai; Ran Liu; Tao Liu; Zong Zhang; Xiang Xiao; Peiopei Sun; Xiaoting Yu; DaHui Wang*; Chaozhe Zhu*.Toward a holistic view of interpersonal sensorimotor synchronization: a behavioral model and neural marker of joint tapping.Social Cognitive and Affective Neuroscience, 2018, 18: 1141-1154. 

[13]Luozheng Li; Yuanyuan Mi; Wenhao Zhang; DaHui Wang*; Si Wu*.Dynamic information encoding with dynamic synapses in neural adaptation.Frontiers in Computational Neuroscience, 2018, 12(16). doi: 10.3389/fncom.2018.00016

[14]Zhou, Huanyuan; Wong-Lin, KongFatt; Wang, Da-Hui.Parallel Excitatory and Inhibitory Neural Circuit Pathways Underlie Reward-Based Phasic Neural Responses.Complexity, 2018, Article ID 4356767, 20 pages

[15]You Hongzhi*; Wang DaHui.Neuromorphic Implementation of Attractor Dynamics in a Two-variable Winner-take-all Circuit with NMDARs: A Simulation Study.Frontiers in Neuroscience, 2017, 11(40). 

[16]KongFatt Wong-Lin*; DA HUI WANG; Ahmed A Moustafa; Jeremiah Y Cohen; Kae Nakamura.Toward a multiscale modeling framework for understanding serotonergic function.Journal of Psychopharmacology, 2017, 31(9): 1121-1136. 

[17]Xiaolong Zou; DaHui Wang*.On the Phase Relationship between Excitatory and Inhibitory Neurons in Oscillation.Frontiers in Computational Neuroscience, 2016. DOI: 10.3389/fncom.2016.00138.

[18]Yu, L. T.; Wu, S.; Wang, D. H.*.Neural implementation of categorization in a motion discrimination task.NEUROCOMPUTING, 2016, 216: 709-717. http://dx.doi.org/10.1016/ j.neucom. 2016.08.038 

[19]Dominic Standage; Da-Hui Wang; Richard P. Heitz; Patrick Sime.Toward a unified view of the speed-accuracy trade-off.Frontiers in Neuroscience, 2015, 9: 139.

[20]Standage Dominic*; Da-Hui Wang; Gunnar Blohm.Neural dynamics implement a flexible decision bound with a fixed firing rate for choice: a model-based hypothesis.Frontiers in Neuroscience, 2014, 8: 00318. 

[21]Da-Hui Wang*; KongFatt Wong-lin*.Comodulation of dopamine and serotonin on prefrontal cortical rhythms: a theoretical study.Frontiers in Integrative Neuroscience, 2013, 7(54). 

[22]Hongzhi You; DA HUI WANG*.Dynamics of Multiple-choice Decision Making.Neural Computation, 2013, 25(8): 2108-2145. 

[23]Dominic Standage*; Hongzhi You; DA HUI WANG*; Michael C. Dorris.Trading speed and accuracy by coding time: a coupled-circuit cortical model.PLoS Computational Biology, 2013, 9(4): e1003021. 

[24]Ziqiang Wei; Xiao-Jing Wang*; Da-Hui Wang*.From Distributed Resources to Limited Slots in Multiple-Item Working Memory: A Spiking Network Model with Normalization.Journal of Neuroscience, 2012, 32(33): 11228-11240. 

[25]Jiawei Chen; Liujun Chen; Yan Liu; Dahui Wang; Yougui Wang.Chinese family name distributions in multiple scales.Physica A: Statistical Mechanics and Its Applications , 2011, 390(21-22): 3938-3943. 

[26]Hongzhi You; Yan Meng; Di Huan; Da-Hui Wang*.The neural dynamics for hysteresis in visual perception.Neurocomputing, 2011, 74(17): 3502-3508. 

[27]Gan, Xiaocong; Wang, Dahui; Han, Zhangang*.A growth model that generates an n-tuple Zipf law.Physica A: Statistical Mechanics and Its Applications , 2011, 390(5): 792-800. 

[28]Standage D*; You H.; Wang D-H; Dorris MC.Gain modulation by an urgency signal controls the speed-accuracy trade-off in a network model of a cortical decision circuit.Frontiers in Computational Neuroscience, 2011, 5(7): 7. 

[29]Xiaocong Gan, Dahui Wang, Zhangang Han, A Growth Model to Explain Power-law in N-tuple Zipf Analysis, Phsica A（Inpress）

[30]Hongzi You, Dahui Wang. Dynamical mechanism for multiple-choice decision making. Program No. 503.6. 2010 Neuroscience Meeting Planner. San Diego, CA: Society for Neuroscience, 2010. Online 

[31]Dahui,Wang, Ziqiang.Wei. A cortical network for sustaining multiple items during working memory task. Program No. 895.13. 2009 Neuroscience Meeting Planner. Chicago, IL: Society for Neuroscience, 2009.Online  

[32]Chen, Liujun; Chen, Weiting; Di, Zengru; Wang, Dahui*.Critical Phenomenon Induced by Noise in the BTW Sandpile.Fractals-Complex Geometry Patterns and Scaling in Nature and Society, 2009, 17(2): 227-232. 

[33]Wei Ziqiang; Hong Yiguang; Dahui Wang*.The phase diagram and the pathway of phase transitions for traffic flow in a circular one-lane roadway.Physica A: Statistical Mechanics and Its Applications , 2009, 388(8): 1665-1672. 

[34]Chai, Lei; Wang, Dahui; Chen, Jiawei; Li, Menghui; Di*, Zengru.Cluster splitting transition in a Markov chain model for labor division.International Journal of Bifurcation and Chaos, 2008, 18(2): 593-598. 

[35]Dahui, Wang*; Ziqiang, Wei; Ying, Fan.Hysteresis phenomena of the intelligent driver model for traffic flow.Physical Review E - Statistical Physics, Plasmas, Fluids, and Related Interdisciplinary Topics, 2007, 76: 016105. 

[36]Li, Menghui; Fan, Ying; Wang, Dahui; Li, Daqing; Wu, Jinshan; Di, Zengru.Small-world effect induced by weight randomization on regular networks.Physics Letters A, 2007, 364(6): 488-493. 

[37]Gao, Liang; Zhao, Jinshan; Di, Zengru; Wang, Dahui*.Asymmetry between odd and even node weight in complex networks.Physica A: Statistical Mechanics and Its Applications , 2007, 376: 687-691. 

[38]Li, Menghui; Wu, Jinshan; Wang, Dahui; Zhou, Tao; Di, Zengru; Fan, Ying.Evolving model of weighted networks inspired by scientific collaboration networks.Physica A: Statistical Mechanics and Its Applications , 2007, 375(1): 355-364. 

[39]Menghui Li, Dahui Wang, Ying Fan, Zengru Di, Jinshan Wu*. Modeling weighted networks using connection count. New Journal of Physics, 8, 2006:72. 

[40]Wang Dahui, Zhou Li, Di Zengru*.Bipartite producer-consumer networks and the size distribution of firms.Physica A: Statistical Mechanics and Its Applications , 2006, 363(2): 359-366. 

[41]Dahui Wang*, Weiting Chen, Qiang Yuan, Zengru Di.Static statistical approach to the BTW sandpile model.Fractals-Complex Geometry Patterns and Scaling in Nature and Society, 2006, 14(1): 55-61. 

[42]Li Zhou, Na Liu, Zengru Di, Dahui Wang*. Self-organization in learning process Journal of Biophysics, 2006, 22(suppl.2):114(in Chinese). 

[43]Wang Dahui*, Wang Yonngzhe,Yuan Qiang. An improvement of Haken’s light house model, Journal of Beijing normal university, 42(5), (2006) 548-550(in Chinese). 

[44]Dahui Wang*, Menghui Li, Zengru Di.True reason for Zipf's law in language.Physica A: Statistical Mechanics and Its Applications , 2005, 358(2-4): 545-550. 

[45]Honggang Li*; Dahui Wang; Xiangguang Chen.Job match and income distribution.Physica A: Statistical Mechanics and Its Applications , 2004, 341: 569-574. 

[46]Li, HG; Wang, DH; Chen, XG.Job match and income distributions.Physica A: Statistical Mechanics and Its Applications , 2004, 341: 569-574. 

[47]Liu, Zhaofan; Yan, Yin*; Wang, Da-Hui*.Category representation in primary visual cortex after visual perceptual learning.Cognitive Neurodynamics. 

发表中文论文： 

[1]章梦娅; 雷力行*; 杨俊忠; 王大辉.预期眼动任务中反应时呈双峰分布的神经环路模型.北京师范大学学报(自然科学版), 2023, 59(05): 769-775. 

[2]王大辉. 序[J]. 北京师范大学学报(自然科学版), 2023, 59 (05): 689-690.

[3]刘赵凡; 王大辉*.视知觉训练与初级视皮层神经元信息及其表征容量.北京师范大学学报(自然科学版), 2023, 59(01): 13-18. 

[4]王春地*; 王大辉*.振动触觉频率信息的工作记忆容量及存储机制.心理科学进展, 2021, 29(07): 1141-1148. 

[5]余柳涛; 鲍建樟; 陈清华; 王大辉*.个体自信度对双人决策的影响.心理学报, 2016, 48(8): 1013-1025.

[6]唐莲; 王大辉.关于Zipf-Mandelbrot律中参数ρ的一种解释.北京师范大学学报(自然科学版)2011,47(1):104-107 

[7]孟艳; 张丹; 王大辉.神经元簇状放电锋电位数的研究. 北京师范大学学报(自然科学版)2011,47(1): 97-100

[8]王大辉; 王永哲; 袁强.哈肯灯塔模型的一个改进.北京师范大学学报(自然科学版), 2006, 42(05): 548-550. 

[9]王大辉; 李红刚; R&D投资与经济增长.北京师范大学学报(自然科学版), 2005, 41(05): 547-550. 

[10]赵金山; 狄增如; 王大辉; 北京市公共汽车交通网络几何性质的实证研究.复杂系统与复杂性科学, 2005, (02): 45-48. 

[11]陈六君; 王大辉; 方福康; 中国污染变化的主要因素——分解模型与实证分析.北京师范大学学报(自然科学版), 2004, (04): 561-568. 

[12]陈六君; 王大辉; 方福康; 环境系统的临界性分析.系统工程理论与实践, 2004, (08): 12-17. 

[13]王大辉*; 关于复杂系统宏观与微观描述的一个结论.复杂系统与复杂性科学, 2004, (03): 76-81. 

[14]陈清华; 樊瑛; 王大辉; 一个“J”曲线动力学模型.北京师范大学学报(自然科学版), 2002, (04): 470-473. 

[15]葛新元; 王大辉; 袁强; 方福康; 多部门经济动力学模型及其合理性分析.系统工程学报, 2001, (05): 397-401. 

[16]王大辉 在复杂中寻找简单的科学:系统科学  科学中国人 2001-06-15

[17]葛新元; 王大辉; 袁强; 方福康; 经济结构失衡与经济衰退的多部门动力学模型.北京师范大学学报(自然科学版), 2000, (05): 634-638. 

[18]葛新元; 王大辉; 袁强; 方福康;中国经济结构变化对经济增长的贡献的计量分析.北京师范大学学报(自然科学版), 2000, (01): 43-48. 

[19]王大辉; 方福康; 袁强; 经济增长中的最优化方法.北京师范大学学报(自然科学版), 1999, (01): 67-70. 

发表会议论文：

[1]Xiaolong Zou, Zilong Ji, Xiao Liu, Tiejun Huang, Yuanyuan Mi, Dahui Wang and Si Wu (2018). Learning, Storing, and Disentangling Correlated Patterns in Neural Networks. In: Cheng L., Leung A., Ozawa S. (eds) Neural Information Processing. ICONIP 2018. Lecture Notes in Computer Science, vol 11303. Springer, Cham.(Best Paper), 2018-12-13 to 2018-12-16. 

[2]Hongzhi You; Da-Hui Wang.Neuromorphic Implementation of Attractor Dynamics in Decision Circuit with NMDARs.ISCAS2016, Canada, 2016-05-22 to 2016-05-25. 

[3]Li, Luozheng; Zhang, Wenhao; Mi, Yuanyuan; Wang, Dahui; Lin, Xiaohan; Wu, Si*.Dynamical Information Encoding in Neural Adaptation.38th Annual International Conference of the IEEE-Engineering-in-Medicine-and-Biology-Society (EMBC), 2016-08-16 To 2016-08-20. 

[4]董煜 & 王大辉. (2016). 单、双样本刺激条件下的触觉振动频率工作记忆的异同. (eds.) 第十九届全国心理学学术会议摘要集 (pp.434-435).

[5]余柳涛; 陈清华; 吴思; 王大辉.双人颜色感知如何形成于单人感知?中国心理学会, 中国,陕西省,西安市. 第十九届全国心理学学术会议摘要集 (pp.731-732). 

[6]余柳涛; 吴思; 王大辉 .A spiking neuron network model for the delayed motion direction discrimination task.24th Annual Computational Neuroscience Meeting: CNS*2015 , 2015-07-18 to 2015-07-23. 

[7]Yuanyuan Mi; Luozheng LI; Da-Hui Wang; Si Wu*. A Synaptical Story of Persistent Activity with Graded Lifetime in a Neural System. (2014) Neural Information Processing Systems 

[8]王大辉.神经系统复杂性研究与视觉工作记忆容量的神经机制.中国系统工程学会第十八届学术年会论文集——A03系统科学理论研究创新 2014,(pp.33-34).. 

[9]Zheng, Guozheng; Yu, Liutao; Feng, Yuwei; Han, Zhuyi; Chen, Lisheng; Zhang, Shouwen; Wang, Dahui; Han, Zhangang* .Seizure prediction model based on method of common spatial patterns and support vector machine.2012 IEEE International Conference on Information Science and Technology, ICIST 2012, 2012-03-23 To 2012-03-25. 

[10]Lisheng Chen; Erbo Zhao; Dahui Wang; Zhangang Han; Shouwen Zhang; Cuiping Xu .Feature extraction of EEG signals from epilepsy patients based on Gabor Transform and EMD Decomposition.2010 Sixth International Conference on Natural Computation. ICNC 2010: 1243-1247 , China, 2010-08-10 to 2010-08-12. 

[11]李梦辉; 高亮; 樊瑛; 王大辉; 吴金闪; 狄增如; 基于局域连接机制涌现的偏好选择.2006全国复杂网络学术会议论文集 (pp.135-136). 

[12]Di, ZR; Wang, DH; Cao, ZJ; Qu, ZL.Collective dynamics of excitable system in heterogeneous media.International Conference on Neural Networks and Brain (ICNN&B 2005), China, 2005-10-13 to 2005-10-15. 

[13]Li Zhou, Zengru Di, Dahui Wang*.Simulation of cortical functional area formation based on synaptic plasticity.International Conference on Neural Networks and Brain (ICNN&B 2005), China, p 1921-1924, IEEE Press 2005-10-13 to 2005-10-15. 

[14]王大辉; 葛新元; 基于个体相互作用的金融与经济共同演化的模型结构.CCAST“复杂性问题”研讨会.  Complexity Problems--Proceedings of CCAST (World Laboratory) Workshop (pp.257-265).

[15]王大辉; 方福康.一个包含金融因素的宏观经济模型框架.CCAST“优化方法、经济物理和风险管理”研讨会. Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop (pp.157-171).

 

 

荣誉奖励：

资料更新中……

 

王大辉：复杂系统的探索者 

 

初春，北京师范大学一派怡人景象，师生们在春意盎然的校园中来来往往。在这里，王大辉教授20余年来都专注于系统科学的学习和研究工作，从一名系统理论专业的本科生蜕变成了系统科学领域的教授。还不到40岁的王大辉教授气质温和内敛。访谈中，他对科学问题严谨酣畅的论述凸显了专业的厚度和视野的深度。 

结缘系统科学 

王大辉接触系统科学缘于一个偶然的机会。王大辉的高中时代是在四川省盐亭中学度过的。这个中学很重视学生的全面发展，订阅了很多报纸张贴在报刊栏中供同学们阅读。1993年春夏之交，在高考备战之余，王大辉在报栏里看到一篇介绍钱学森先生的文章。文章提到钱老等老一辈科学家推动创立了系统科学的学科体系，并指出系统理论在国防、军事、科技和社会经济等领域都有重要作用。由于对钱老在工程控制、火箭和航天事业方面伟大贡献的景仰，系统科学和系统理论引起了王大辉的极大兴趣。巧合的是，北师大在四川省提前批次招生，正好也有系统理论这个专业，王大辉的高考志愿就报了系统理论。从此，王大辉进入了系统科学这个领域。

王大辉1993年考进北师大时，系统理论专业由物理系建设，该专业以物理学为基础，注重数理逻辑的训练。该专业是钱学森先生支持和方福康教授的倡导下于1985年在师大设立，后逐渐发展成系统科学的首批博士授权单位、博士后站、一级学科授权单位和国家重点学科。方福康教授在诺贝尔奖获得者伊.普里高津指导下从事非平衡系统研究并获得博士学位。回国后曾任北京师范大学校长、国务院学位委员会委员、系统科学学科评议组召集人，积极推动复杂系统的研究，为我国系统科学的发展作出重要贡献。1996年秋，王大辉获得免试上研究生的资格，在方福康教授指导下开展社会经济系统的复杂性研究。2002年获得博士学位后留校任教，成为北师大复杂性研究团队的重要成员。 

在社会经济系统的复杂性探索  

系统科学是“横断”的新兴学科，其研究对象不如传统学科那样条块分明，而是由大量具有自适应行为的个体组成、个体之间具有非线性相互作用的复杂系统。通过对具体的复杂系统演化的关键动力学机制，特别是那些通过微观作用机制在宏观层次涌现出新的结构、性质和功能的动力学机制，除了促进对具体系统的认识，还可以揭示复杂系统所具有的一般性规律。

北师大是我国系统科学研究的重要基地，多年以前就确定几个研究方向，包括复杂系统基本理论、社会经济系统分析、生命与生态暨脑与认知的自组织行为、多主体系统和演化算法，近年来又新增了复杂系统的控制和优化、复杂系统的信息技术两个方向。王大辉目前的研究兴趣是脑与认知的自组织行为，以神经环路为基础建立计算模型，通过计算模拟和理论分析，开展计算神经科学研究，探索实验中观察到的神经系统行为的动力学机制，揭示支撑神经系统达成特定功能的动力学机制，并尝试将相关的机制应用于工程问题。然而，王大辉早期的研究主要涉及社会经济系统分析。

在研究生期间，王大辉在方福康教授指导下开展金融与实体经济的共同演化和相互作用。金融系统最基本的功能是帮助资源跨时间、跨空间配置和通过多个经济主体分担的方式分摊单个经济主体难以承担的风险。不同于传统经济学研究的思路，王大辉从金融与实体经济耦合作用和共同演化的角度出发，把经济系统的主体（包括厂商、家户和政府）在产品市场、劳动力市场的活动看着是实质生产，在金融市场的活动看作是金融生产。经济主体的金融生产活动能够扩大实质生产活动可能性集，可以增加经济效率。但是也增大了经济系统的风险，一方面是因为实质生产可能性集合扩大导致风险增加，一方面是因为金融市场自身特有的风险可能传递到实质生产活动产生的风险。因此，金融生产的规模相对实质生产应该有一个适当的规模。与此同时，在金融生产和实质生产中，金融生产是快变量，实质生产是慢变量，经济系统的性质主要由慢变量决定，最核心的部分还是实质经济。金融生产发生严重问题时，可以通过隔离的措施，解除两个系统的强耦合关系，不让金融生产的问题传递到实质生产而影响整个经济系统。这样的理解和通常的看法不同，通常认为金融市场一旦崩溃，整个经济体系也会受到毁灭性的破坏。在此期间，王大辉参加了戴汝为院士、于景元研究员和顾基发研究员牵头的国家自然科学基金重大项目“支持宏观经济决策的人机结合综合集成体系研究”。王大辉的部分研究内容也收录到顾基发研究员等人主编的《综合集成方法体系于系统学研究》中。 

投身计算神经科学 

博士毕业之后，王大辉留校任教。继续开展社会经济系统的复杂性研究，包括汉字与英文字频的差异及其机制，企业规模的分布规律，中国人口中姓氏分布规律等等。“慢慢的，我的研究兴趣转移到神经系统。可以说，认识大脑是人类的最后一个挑战。”王大辉从2005年就开始关注神经系统的复杂性研究。为此，王大辉从头学习神经系统的知识，反复研读尼克尔斯等人编著的《神经生物学：从神经元到脑》。“读这本书的时候，每个字都认识，但放到一起就不知道是什么意思了。”不知道就一点点地啃，慢慢地也了解了神经科学的基本知识，可以开展一些神经系统的复杂性研究。

神经系统的研究领域非常庞大，从分子到各个系统，从实验到理论，还有各种模式动物。“我最感兴趣的是高级认知功能如何从神经系统产生出来，系统科学本来关注的就是怎么样从局部的作用涌现出高级的结构和功能。”“我的基本观点是神经系统是一个动力学系统，这个动力系统的动力学行为，包括对外界刺激的响应和没有刺激时的活动，是支撑神经系统完成各种功能的基础。”“我的研究手段就是基于神经生理的基础，建立相应的动力学模型，分析其动力学机制，我的工作既可以看作是神经系统的复杂性研究，也可以归类为计算神经科学研究。”“这类研究的基本目标包括在科学上揭示神经系统工作的动力学机制，在应用方面要为大脑的开发、神经疾病的治疗提供新的思路和方案，同时要将神经系统的信息处理机制应用到人工系统发展新一代的人工智能。”

相干振荡(Coherent Oscillation)是一种非常普遍的神经活动。理论和实验研究先后提出抑制性神经元之间的相互作用以及兴奋性神经元和抑制性神经元之间的回路是产生相干振荡的重要机制，其中抑制性神经元放电时对它投射的神经元产生抑制作用，而兴奋性神经元放电对它投射的神经元产生兴奋作用。大量的实验观察到，在相干振荡中，兴奋性神经元的相位往往领先于抑制性神经元。尽管这一现象具有重要的生理学意义，例如有利于放电时间依赖的可塑性学习，有利于神经系统对信息的传递等等。但是其机制一直不清楚。在国家自然科学基金的资助下，王大辉对这个问题进行了深入的研究。经过很长一段时间的摸索，把问题简化，回到一个简单的平面振荡系统。在这样的振荡系统中，可以证明系统存在一个起到兴奋作用的变量，即该变量的增加导致另一个变量增加；同时还必须存在一个抑制性变量，即该变量增加导致另一个变量减小；并且兴奋性变量的相位领先抑制性变量。回到神经系统的相干振荡这个问题，对那些由抑制性神经元之间的作用导致的振荡中，如果系统只有抑制性神经元，抑制性神经元的放电活动导致其突触后的门变量增加，进而抑制神经元的放电，结果就是抑制性神经元放电活动领先其突触的门变量；如果网络中还有兴奋性神经元，但是兴奋性神经元没有投射到抑制性神经元，那么兴奋性神经元的振荡就是一种受迫振荡，因此，它的相位既可以领先也可以落后于抑制性神经元。对纯粹由抑制性和兴奋性神经元相互作用产生的振荡，兴奋性神经元放电使它的突触门变量增加，进一步使抑制性神经元放电增加，导致其突触门变量增加，而抑制性神经元的突触门变量增加导致兴奋性神经元放电减少。因此，兴奋性神经元放电的相位领先抑制性神经元放电。对于一般性的神经网络，抑制性回路和兴奋性神经元与抑制性神经元之间的回路的竞争决定了两种神经元之间的相位。“这个项目我们研究了很久，尽管已经结题了，我们还在研究这个问题。现在我对这个结论基本满意，也应该是正确的结论。”

进入计算神经科学领域后，王大辉于2007－2008年到耶鲁大学神经生物学系汪小京教授实验室学习计算神经科学。回国后，王大辉在汪教授关于空间工作记忆模型的基础上，研究空间工作记忆容量的机制。工作记忆是神经系统完成很多高级功能的基础，其容量的大小影响决策、推理、计算等高级认知能力，例如精神分裂和老年痴呆患者的工作记忆容量都会减小。研究工作记忆容量的传统线路是：开展工作记忆容量的行为实验研究并针对实验结果提出相应的理论。Vogel和Luck等人根据心理物理实验结果提出“Discrete-slot”理论，认为信息存储在一系列离散的记忆槽里，容量由记忆槽的数量决定，而WeiJi Ma和Husain等人提出“Resource-shared”理论，认为大脑用几乎恒定的资源来执行工作记忆，并将资源平均分配到每个记忆对象，容量由记忆精度来确定。这两种理论都有行为数据做支持，但又不能说服对方，更为重要的是他们都只是给出了某种“算法”，但并没有阐述算法实现的物质基础，也就是没有阐述神经系统执行工作记忆以及决定工作记忆容量的神经机制，使得相关讨论成为领域内的核心内容。为此，王大辉等人根据大脑额叶皮层神经元的活动特点和神经回路构筑特点，建立了具有连续吸引子的神经元网络模型，通过网络分布式神经活动来表征记忆对象，网络的记忆容量则由活动峰的消失和融合决定。该模型展示了多项记忆内容在神经系统存储的神经机制，给出“Discrete-slot”和“Resource- shared”理论预期的行为特征，表明现有两种理论仅反映了视觉空间工作记忆的一个方面。同时，该模型预言了存储的记忆项的相互作用将导致工作记忆任务中记忆对象的相似性可能改善工作记忆任务的行为表现；模型中，工作记忆所保存的记忆项可能突然消失，这也反映了工作记忆实验中全或无现象。对这项工作，Journal of Neuronscience在Features section/Journal Club栏目发表推荐评论文章认为“通过具有神经基础的模型同时呈现出“Discrete-slot”和“Resource- shared”的现象给人印象深刻”，“计算模型能够推进视觉空间工作记忆研究，促使人们更加清晰地思考关于记忆的神经资源的本质特征”。

除以上内容，王大辉近年来还开展了其他的计算神经科学研究工作，例如风险感知与风险决策，神经调质如多巴胺和5羟色胺对神经系统动力学的影响，多选项决策的神经计算机制，知觉决策中的速度正确率替代效应。在速度正确率替代效应的研究中，应Frontiers in Neuroscience邀请，和同行组织了一个专辑《Toward a unified view of the speed-accuracy trade-off: behaviour, neurophysiology and modelling》。 

对计算神经科学产业化与人才的期待  

从事神经系统复杂性研究多年以后，王大辉认为我们现在面临一个大的机遇和挑战。一方面，美国和欧盟都发起了大型的脑科学研究计划，中国的脑计划也在规划之中。这必将产生海量的观察数据，为计算模型的生物可靠性提供了坚实的基础。但是如何有效、快速地解读这些实验数据，在海量的、分散的实验数据基础上完整地理解大脑工作的动力学机制是计算神经科学面临的一个挑战。另一方面，智能机器人的时代已初露端倪，如何有效地把神经系统高效率、低能耗的处理信息的机制、神经系统与环境互动的机制抽提出来，写成方程，转化成硬件设备，开发出类脑智能算法和自适应的智能机器人是计算神经科学的另一个挑战。值得注意的是，这将衍生出庞大的产业，成为新的产业技术的制高点，但很可惜的是，国内还没有做好准备去迎接这个机会和挑战。没有准备好的原因是，“最大的问题就是，没有培养交叉人才的机制和项目，年轻教师的评价系统导致他们很难从事具有学科交叉的研究工作。计算神经科学的研究，不仅需要了解神经科学的实验，还要有数理逻辑的基础，最好还要有工程实现的能力。”“就我本人来说，有一定的数理基础，但神经生物方面的基础就比较薄弱，工程实现能力就更差了。”尽管如此，王大辉还是认为，“这些研究很必要，哪怕现在做得很粗浅，哪怕费时费钱费力，哪怕是失败的探索，也都是有价值的，也是推动科技进步的必经之路。”正是基于这样的想法，在国家自然科学基金委员会的资助下，王大辉让自己的一个博士生到苏黎世大学(UZH)和苏黎世理工大学(ETH)合办的神经信息研究所(The Institute of Neuroinformatics) 在I.Gicomo教授指导下学习类神经元芯片，目前已经在芯片上实现了包含128个神经元的芯片，完成简单的知觉决策任务。

不仅如此，王大辉热切希望有相关研究经验的研究人员可以组成交叉团队，开展联合研究；有相关学科背景的老师，建立联合培养项目，培养一批年轻学生，为短时间内追赶国际水准，在神经系统信息处理机制的产业应用方面走到国际前沿做准备。鉴于我国对脑科学研究的重视和即将启动的脑计划，王大辉认为这个希望一定会变成现实。

      来源：科学中国人  2015年第9期