文圖/《中國(guó)醫(yī)藥科學(xué)》記者 費(fèi) 菲

追求國(guó)際前沿與滿(mǎn)足國(guó)家重大需求并不矛盾，研究者要么做別人想不到的事，要么做別人不能做的事，要么將一種研究做到極致。像外行一樣思考，像專(zhuān)家一樣實(shí)踐。

——戴瓊海

“人工智能已進(jìn)入到包含腦科學(xué)在內(nèi)的生物智能階段。”日前，中國(guó)工程院院士、清華大學(xué)自動(dòng)化系教授及清華大學(xué)生命科學(xué)學(xué)院兼職教授戴瓊海以展示國(guó)際上第一個(gè)小鼠全腦的動(dòng)態(tài)圖為發(fā)端，介紹了腦科學(xué)的發(fā)展對(duì)腦工作原理、腦疾病的防治、人工智能產(chǎn)業(yè)的發(fā)展的巨大推動(dòng)作用，以及高分辨實(shí)時(shí)顯微成像在醫(yī)學(xué)領(lǐng)域中的實(shí)踐應(yīng)用。

戴瓊海院士介紹，在清華大學(xué)聯(lián)合上海光技術(shù)共同開(kāi)發(fā)的世界最大視場(chǎng)高速高分率顯示器上，可以看到腦整個(gè)結(jié)構(gòu)以及小鼠聽(tīng)到音樂(lè)神經(jīng)環(huán)路的狀態(tài)，是世界上第一個(gè)動(dòng)態(tài)全腦的圖，環(huán)路打通后將有能力解決人工智能環(huán)路的不確定性。

腦科學(xué)是什么？人類(lèi)大腦重約3磅（1.4公斤），大腦有1011個(gè)神經(jīng)元，每個(gè)神經(jīng)元又包含103個(gè)分支，構(gòu)成龐大精細(xì)的神經(jīng)網(wǎng)絡(luò)，將全世界的計(jì)算機(jī)放在一起運(yùn)行都無(wú)法逾越。人類(lèi)的大腦一點(diǎn)都不比無(wú)窮宇宙簡(jiǎn)單，可以說(shuō)人類(lèi)大腦的神經(jīng)科學(xué)（Neuroscience）是人類(lèi)科學(xué)最后的前沿陣地。認(rèn)識(shí)腦的奧秘是對(duì)人類(lèi)的終極挑戰(zhàn)，是開(kāi)展腦疾病防治、腦認(rèn)知、類(lèi)人腦研究工作最重要的前提。

世界各國(guó)相繼制訂了各種不同的腦計(jì)劃，總體可歸納為兩個(gè)方面，一是探索腦科學(xué)的秘密，研制人類(lèi)大腦成像技術(shù)的機(jī)制。利用功能核磁共振成像（fMRI）、近紅外光學(xué)成像（fNIRS）、功能經(jīng)顱多普勒超聲（fTCD）等，統(tǒng)一展現(xiàn)大腦的結(jié)構(gòu)和功能。主要任務(wù)是統(tǒng)計(jì)尚未掌握的大腦細(xì)胞類(lèi)型，建立大腦的結(jié)構(gòu)圖，發(fā)現(xiàn)顛覆性原理和機(jī)制（目前僅為假設(shè)）。二是提出新一代人工智能的理論與方法，建立從機(jī)器感知、機(jī)器學(xué)習(xí)到機(jī)器思維和機(jī)器決策的顛覆性模型和工作模式，對(duì)腦疾病和腦保護(hù)方面的工作起到積極作用。2013年4月2日，美國(guó)時(shí)任總統(tǒng)奧巴馬宣布啟動(dòng)“通過(guò)推動(dòng)創(chuàng)新型神經(jīng)技術(shù)開(kāi)展大腦研究”計(jì)劃。2013年10月，15個(gè)歐洲國(guó)家參與歐盟腦計(jì)劃。2014年日本科學(xué)家發(fā)起神經(jīng)科學(xué)研究計(jì)劃。2016年2月澳大利亞腦聯(lián)盟正式成立。將腦認(rèn)知功能的解析和技術(shù)平臺(tái)融為一體，認(rèn)知障礙相關(guān)重大腦疾病診治和類(lèi)腦計(jì)算與腦機(jī)智能技術(shù)為兩翼的“一體兩翼”布局。

腦科學(xué)發(fā)展最早也推動(dòng)了人工智能發(fā)展。1958年，David Hubel、Torsten Wiesel發(fā)現(xiàn)了人腦視覺(jué)機(jī)理——即視覺(jué)系統(tǒng)的信息處理在可視皮層是分級(jí)的，因此獲得1981年諾貝爾醫(yī)學(xué)獎(jiǎng)。人腦視覺(jué)機(jī)理的發(fā)現(xiàn)，使計(jì)算機(jī)人工智能在40年后獲得突破性發(fā)展。仿照人類(lèi)大腦由低層到高層逐層迭代、抽象的視覺(jué)信息處理機(jī)理，計(jì)算機(jī)專(zhuān)家建立了深度網(wǎng)絡(luò)模型。1999年腦科學(xué)和腦認(rèn)知專(zhuān)家、美國(guó)麻省理工學(xué)院（MIT）人工智能實(shí)驗(yàn)室Tomaso Poggio教授提出了H-MAX模型（受HUBILE和WIESEL啟發(fā)），并指導(dǎo)學(xué)生Demis Hassabis創(chuàng)建DeepMind，開(kāi)發(fā)了著名的阿爾法狗（AlphaGo）、阿爾法零（AlphaGo Zero）；他還指導(dǎo)另一位學(xué)生Amnon Shashua創(chuàng)建了Mobileye，開(kāi)發(fā)“視覺(jué)優(yōu)先”自動(dòng)駕駛汽車(chē)。2014年Tomaso Poggio教授創(chuàng)建以研究腦科學(xué)、腦認(rèn)知的麻省理工學(xué)院大腦、心智和機(jī)器中心（CBMM），IBM 公司出資2.4億美元，研究團(tuán)隊(duì)由信息科學(xué)家、生命科學(xué)家、腦科學(xué)病理科學(xué)家構(gòu)成。2007年斯坦福大學(xué)Jay McClelland創(chuàng)建“心智、腦和計(jì)算中心”，研究腦科學(xué)領(lǐng)域的機(jī)理和機(jī)制。

□戴瓊海：人工智能已進(jìn)入到包含腦科學(xué)在內(nèi)的生物智能階段

人工智能的發(fā)展歷程

人工智能最早是由數(shù)學(xué)家應(yīng)用符號(hào)主義，以知識(shí)表達(dá)和邏輯符號(hào)系統(tǒng)來(lái)模擬人類(lèi)的智能，試圖對(duì)智能進(jìn)行宏觀研究（Knowledge-driven）。1950～1960年符號(hào)主義以專(zhuān)家系統(tǒng)和知識(shí)工程為主流。1960～1970年符號(hào)主義陷入低谷，日本第五代計(jì)算機(jī)失敗。第二階段是1970～1980年，聯(lián)結(jié)主義得到蓬勃發(fā)展。1990～2015年聯(lián)接主義占據(jù)主導(dǎo)，同時(shí)模糊邏輯取得重大進(jìn)展。聯(lián)接主義始于W.S.McCulloch和Pitts的先驅(qū)工作，直到目前的深度學(xué)習(xí)，是微觀意義上的探索（Data driven）。第三階段是2016年起始的生物智能，目標(biāo)是探究腦科學(xué)的認(rèn)知機(jī)理。人工智能或人類(lèi)要進(jìn)行決策和控制時(shí)，目前是從被動(dòng)感知到?jīng)Q策與控制，首先是看得清，看得見(jiàn)，然后才能進(jìn)行決策和部署。未來(lái)人類(lèi)掌握腦科學(xué)機(jī)理后，可以發(fā)展為從主動(dòng)認(rèn)知到?jīng)Q策與控制。生物智能依賴(lài)于腦科學(xué)和心理學(xué)等學(xué)科的發(fā)現(xiàn)，將認(rèn)知機(jī)理變?yōu)榭捎?jì)算的模型。

深度學(xué)習(xí)

人工智能（AI）最新突破的領(lǐng)域是深度學(xué)習(xí)，在醫(yī)療成像領(lǐng)域和智慧城市中發(fā)揮著重要作用。深度神經(jīng)網(wǎng)絡(luò)主要包括深度卷積神經(jīng)網(wǎng)絡(luò)、深度信念網(wǎng)絡(luò)、深度自動(dòng)編碼器（2006年的突破性進(jìn)展）。谷歌大腦人工智能團(tuán)隊(duì)首席科學(xué)家Geoffrey Hinton、紐約大學(xué)AI研究者Y. LeCun、蒙特利爾大學(xué)計(jì)算機(jī)科學(xué)與運(yùn)營(yíng)研究部Y. Bengio，為深度學(xué)習(xí)領(lǐng)域的三大靈魂人物，其中最著名的是深度學(xué)習(xí)之父Geoffrey Hinton，他在2017年10月提出：“卷積神經(jīng)網(wǎng)絡(luò)（CNN）的時(shí)代已經(jīng)過(guò)去”。人工智能目前存在的問(wèn)題是認(rèn)知智能突破尚不明朗：人類(lèi)認(rèn)知機(jī)制尚不清晰，認(rèn)知算法仍未突破，僅依靠工程學(xué)算法得不到更好的結(jié)果，難以突破認(rèn)知智能。

IBM類(lèi)腦芯片

1997年5月IBM研制超級(jí)計(jì)算機(jī)“深藍(lán)”戰(zhàn)勝?lài)?guó)際象棋世界冠軍卡斯帕羅夫。研究“深藍(lán)”引出的智能計(jì)算知識(shí)，可應(yīng)用到藥學(xué)工程等其他方面的挑戰(zhàn)中。2014年8月，IBM公布類(lèi)人腦芯片TrueNorth，模仿人類(lèi)大腦神經(jīng)元結(jié)構(gòu)，只有郵票大小、僅重幾克，卻集成了4096個(gè)內(nèi)核，100萬(wàn)個(gè)“神經(jīng)元”、2.56億個(gè)“突觸”。TrueNerth相當(dāng)于一臺(tái)超級(jí)計(jì)算機(jī)，通信效率極高，能耗大大降低，只有65毫瓦（手機(jī)電池夠用一個(gè)星期），能實(shí)時(shí)識(shí)別出用每秒30幀速度攝自斯坦福大學(xué)胡佛塔十字路口視頻中的人、自行車(chē)、公交車(chē)、卡車(chē)等，準(zhǔn)確率達(dá)到80%。一臺(tái)筆記本編程完成同樣任務(wù)要慢100倍且能耗是TrueNorth芯片的1萬(wàn)倍。當(dāng)進(jìn)行到下一步研究時(shí)TrueNorth團(tuán)隊(duì)放棄了,他們發(fā)現(xiàn)，要設(shè)計(jì)實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)技術(shù)，需要從腦科學(xué)研究開(kāi)始，學(xué)習(xí)新的學(xué)習(xí)機(jī)制和拓?fù)浣Y(jié)構(gòu)，即從腦科學(xué)到類(lèi)腦計(jì)算再到人工智能。

類(lèi)腦人工智能

人工智能取得的進(jìn)展只是對(duì)腦工作原理的初步借鑒，未來(lái)機(jī)器智能研究需要和腦與神經(jīng)科學(xué)、認(rèn)知科學(xué)、心理學(xué)深度交叉融合。腦科學(xué)研究有助于在人工神經(jīng)網(wǎng)絡(luò)技術(shù)中設(shè)計(jì)實(shí)現(xiàn)新的學(xué)習(xí)機(jī)制與拓?fù)浣Y(jié)構(gòu)，這將強(qiáng)有力地推動(dòng)人工智能的進(jìn)一步發(fā)展，并為人工智能的發(fā)展指明全新的方向。

2016年，美國(guó)先進(jìn)研究計(jì)劃署（IARPA）啟動(dòng)了皮質(zhì)網(wǎng)絡(luò)機(jī)器智能（MICrONS計(jì)劃），被稱(chēng)為阿波羅腦計(jì)劃。阿波羅腦計(jì)劃拿出一億美元經(jīng)費(fèi)，旨在反向設(shè)計(jì)1立方毫米大腦皮層中的所有神經(jīng)回路，測(cè)量記錄10萬(wàn)個(gè)神經(jīng)元的活動(dòng)和連接，分析其行為和工作模式，研究大腦計(jì)算方式，探索發(fā)現(xiàn)新的機(jī)理和現(xiàn)象，并用研究去找到大腦神經(jīng)元的模型和機(jī)器神經(jīng)元算法的相通之處。IARPA招募了3個(gè)研究團(tuán)隊(duì)在開(kāi)展工作，他們分別提出各自的5年研究規(guī)劃。哈佛大學(xué)生物學(xué)家及計(jì)算科學(xué)家David Cox（腦成像和腦機(jī)制探索）、卡耐基梅隆大學(xué)計(jì)算科學(xué)家Tai Sing Lee（人工智能機(jī)器學(xué)習(xí)）和貝勒醫(yī)學(xué)院Andreas Tolias（腦科學(xué)的生理病理）各自帶領(lǐng)一個(gè)團(tuán)隊(duì)。皮層網(wǎng)絡(luò)機(jī)器智能計(jì)劃由神經(jīng)科學(xué)與信息科學(xué)結(jié)合，通過(guò)介觀尺度皮層網(wǎng)絡(luò)功能觀測(cè)來(lái)推動(dòng)人工智能發(fā)展。

2017年美國(guó)國(guó)立衛(wèi)生研究院（NIH）發(fā)布BRAIN Initiative計(jì)劃，通過(guò)推動(dòng)創(chuàng)新型神經(jīng)技術(shù)開(kāi)展大腦研究。哈佛大學(xué)6位科學(xué)家在1.5億美元的資助下將在5年內(nèi)推動(dòng) BRAIN Initiative 研究計(jì)劃。研究目標(biāo)是理解神經(jīng)環(huán)路與行為的關(guān)系，解釋神經(jīng)環(huán)路如何生成行為，大腦如何處理沖突的刺激，神經(jīng)環(huán)路如何受到壓力、饑餓、孤獨(dú)的影響。項(xiàng)目采用斑馬魚(yú)腦熒光成像，用5年時(shí)間研究斑馬魚(yú)的神經(jīng)動(dòng)態(tài)結(jié)構(gòu)。Florian Engert的研究方向是斑馬魚(yú)行為學(xué)研究，鈣體成像和神經(jīng)環(huán)路重建。Jeff Lichtman的研究方向是神經(jīng)元連接與突觸分析及神經(jīng)編碼。Haim Sompolinsky的研究方向是大腦組織、動(dòng)態(tài)、功能研究和大腦多尺度觀測(cè)。Sam Kunes的研究方向是神經(jīng)系統(tǒng)發(fā)育與功能。同期我國(guó)也有一批科學(xué)家在進(jìn)行斑馬魚(yú)的神經(jīng)動(dòng)態(tài)結(jié)構(gòu)研究。

世界各國(guó)腦計(jì)劃中儀器先行

美國(guó)腦計(jì)劃是通過(guò)推動(dòng)創(chuàng)新型神經(jīng)技術(shù)開(kāi)展大腦研究，其中有兩個(gè)方面的工作與影像學(xué)有關(guān)：一是儀器開(kāi)發(fā)。開(kāi)發(fā)操作神經(jīng)回路的工具和大規(guī)模神經(jīng)網(wǎng)絡(luò)記錄技術(shù)。二是通過(guò)分析探索，描述人類(lèi)大腦成像技術(shù)的機(jī)制。這是腦科學(xué)“卡脖子”問(wèn)題，腦科學(xué)發(fā)展慢主要是因?yàn)闊o(wú)法觀測(cè)大腦，其中儀器的局限是關(guān)鍵原因。只有在這兩方面工作的基礎(chǔ)上，才能了解神經(jīng)細(xì)胞與個(gè)體行為之間的聯(lián)系，把神經(jīng)科學(xué)實(shí)驗(yàn)與理論、模型、統(tǒng)計(jì)學(xué)等進(jìn)行整合；隨后通過(guò)數(shù)據(jù)處理，統(tǒng)計(jì)大腦細(xì)胞類(lèi)型，建立大腦結(jié)構(gòu)圖；同時(shí)為科學(xué)研究建立收集人類(lèi)數(shù)據(jù)的機(jī)制，進(jìn)行知識(shí)傳播與培訓(xùn)。

目前迫切需要研發(fā)的領(lǐng)域是在體大視場(chǎng)高分辨動(dòng)態(tài)成像，其對(duì)系統(tǒng)生物學(xué)研究至關(guān)重要，美國(guó)BRAIN、MICrONS、歐盟HBP等腦計(jì)劃均給予新型顯微成像儀器研制重點(diǎn)支持。例如，實(shí)時(shí)記錄大尺度神經(jīng)網(wǎng)絡(luò)活動(dòng)正是美國(guó)腦計(jì)劃BRAIN Initiative主要目標(biāo)之一。

對(duì)比全球現(xiàn)有針對(duì)神經(jīng)環(huán)路的成像儀器及技術(shù)指標(biāo)發(fā)現(xiàn)，傳統(tǒng)顯微鏡低數(shù)據(jù)通量，難以同時(shí)實(shí)現(xiàn)寬視場(chǎng)和高分辨率的要求，比如光學(xué)顯微成像可觀測(cè)靜態(tài)細(xì)胞級(jí)結(jié)構(gòu)網(wǎng)絡(luò)，一點(diǎn)點(diǎn)地移動(dòng)著看，主要是觀測(cè)結(jié)構(gòu)；功能核磁成像雖然可觀測(cè)動(dòng)態(tài)腦區(qū)級(jí)功能活動(dòng)，但分辨率較低，細(xì)胞級(jí)結(jié)構(gòu)與功能成像無(wú)法統(tǒng)一。

大腦皮層神經(jīng)元超過(guò)100億個(gè)，每個(gè)神經(jīng)元又與約100～10000個(gè)其他神經(jīng)元相連接。小鼠大腦直徑為1厘米，神經(jīng)元胞體直徑僅10微米，迫切需要寬視場(chǎng)、多尺度、高分辨率連續(xù)觀測(cè)技術(shù)和儀器，而當(dāng)前顯微在體神經(jīng)影像成像的核心難題是——高分辨率和寬視場(chǎng)之間存在著固有矛盾。

如何實(shí)現(xiàn)細(xì)胞級(jí)結(jié)構(gòu)與功能成像統(tǒng)一到一個(gè)框架下觀測(cè)全腦高分辨率的動(dòng)態(tài)功能活動(dòng)？前提是研制出具有高分辨率特征的光學(xué)成像，并能觀測(cè)動(dòng)態(tài)寬場(chǎng)腦成像。神經(jīng)科學(xué)中心目標(biāo)之一是揭示神經(jīng)環(huán)路圖譜。綜合2013年至2016年生命科學(xué)成像儀器進(jìn)展發(fā)現(xiàn)，美國(guó)加州理工大學(xué)、麻省理工大學(xué)等機(jī)構(gòu)在《自然》（Nature）系列雜志報(bào)道了介觀尺度成像技術(shù)，在視場(chǎng)和分辨率上有了一定的突破，揭示其所研制的亞厘米級(jí)視場(chǎng)顯微儀器可觀測(cè)小鼠等實(shí)驗(yàn)動(dòng)物的腦神經(jīng)結(jié)構(gòu)，但顯微技術(shù)仍受到低數(shù)據(jù)通量這一難以逾越的限制，無(wú)法獲得觀測(cè)對(duì)象的活體全腦高分辨率動(dòng)態(tài)成像數(shù)據(jù)，從而無(wú)法了解小鼠全腦神經(jīng)活動(dòng)和神經(jīng)環(huán)路整合機(jī)制。比如2013年加州理工學(xué)院研制出傅里葉域拼接視場(chǎng)：視場(chǎng)10×10mm2，分辨率0.78μm，成像速率180秒/幀，速度慢；2014年麻省理工學(xué)院建立動(dòng)態(tài)光場(chǎng)顯微成像，視場(chǎng)0.7×0.7×0.2mm3,分辨率1.4μm，成像速率0.03秒/幀，視場(chǎng)?。?015年霍華德休斯醫(yī)學(xué)研究所建立Light Sheet成像，視場(chǎng)0.8×0.8×0.8mm3，分辨率 1.1μm，成像速率 0.5秒 /幀，視場(chǎng)小、速度慢；2016年7月北卡醫(yī)學(xué)院建立雙光子腦部成像，視場(chǎng)3.5mm×3.5mm,分辨率1.1μm，成像速率10秒/幀，速度慢。

通過(guò)分析指標(biāo)需求和以上4所研究機(jī)構(gòu)的新型成像儀器技術(shù)指標(biāo)發(fā)現(xiàn)，新型成像儀器仍無(wú)法兼顧“寬視場(chǎng)、多尺度、高分辨率連續(xù)觀測(cè)”在體神經(jīng)影像需求，無(wú)法進(jìn)行介觀尺度下高分辨率信息的高速獲取。這一需求在光學(xué)上其實(shí)是個(gè)矛盾的問(wèn)題。因?yàn)橐晥?chǎng)大，則分辨率低。如果觀測(cè)在體，則速度通量要下降?！翱吹么罅?，就看不清10微米尺度的神經(jīng)元；看得細(xì)了，就看不全厘米尺度的小鼠全腦；看得慢了，就無(wú)法捕獲神經(jīng)元間的動(dòng)態(tài)信息收發(fā)過(guò)程。即使看得大了、細(xì)了，還需要把海量信息采集、記錄下來(lái)?！贝鳝偤＝忉尅?/p>

如何解決這些相互矛盾的問(wèn)題，是研發(fā)寬視場(chǎng)、多尺度、高分辨率連續(xù)觀測(cè)新型成像儀器的前提和關(guān)鍵。戴瓊海教授用4年半的時(shí)間接受了這項(xiàng)挑戰(zhàn)并一舉解決了這一難題。2012年他動(dòng)議國(guó)家自然科學(xué)基金重大儀器專(zhuān)項(xiàng)“腦科學(xué)機(jī)理與腦疾病”，2013年領(lǐng)銜正式申請(qǐng)這一重大儀器專(zhuān)項(xiàng)并獲得支持，開(kāi)始研發(fā)以超寬、超分、超快和超深為目標(biāo)的多維多尺度高分辨率計(jì)算攝像儀器。研制單位有清華大學(xué)、浙江大學(xué)和中國(guó)科學(xué)院上海光學(xué)精密機(jī)械研究所。驗(yàn)證單位為解放軍第三軍醫(yī)大學(xué)、華中科技大學(xué)同濟(jì)醫(yī)學(xué)院和中國(guó)科學(xué)院上海生命科學(xué)研究院。后期加入的北京大學(xué)、北京師范大學(xué)和解放軍總醫(yī)院開(kāi)展儀器分析和方法處理。

新型超寬視場(chǎng)高分辨率實(shí)時(shí)顯微成像儀器研制歷時(shí)4年，包含4000個(gè)零部件，輾轉(zhuǎn)15個(gè)光機(jī)工廠(chǎng)，2個(gè)電子工廠(chǎng)，研究出擁有完全自主產(chǎn)權(quán)的新型超寬視場(chǎng)高分辨率實(shí)時(shí)顯微成像儀器（Real-time Ultralarge-Scale imaging at High-resolution，RUSH），是目前全球視場(chǎng)最大、數(shù)據(jù)通量最高的光學(xué)顯微儀器。RUSH研制過(guò)程歷時(shí)一年半：2015年4月進(jìn)行設(shè)計(jì)驗(yàn)證，2015年11月構(gòu)建平臺(tái)，2016年3月完成元件加工，2016年6月進(jìn)行模塊匹配，2016年8月完成系統(tǒng)集成。技術(shù)指標(biāo)：視場(chǎng)大小1cm×1.2cm（可觀測(cè)小鼠全腦），分辨率0.8μm，每幀圖像1.69億像素，成像幀率30 frames/s（首個(gè)達(dá)到動(dòng)態(tài)實(shí)時(shí)特征），數(shù)據(jù)通量達(dá)到11.55GB/s，是目前世界上最大視場(chǎng)的高速高分辨光學(xué)顯微鏡，實(shí)現(xiàn)了兼顧“全局形態(tài)”和“細(xì)節(jié)特征”的多尺度觀測(cè)。

RUSH（Ⅱ）的目標(biāo)視場(chǎng)為1cm×1.2cm（突破衍射極限限制），光學(xué)分辨率達(dá)到400納米（提升一倍），能實(shí)時(shí)觀測(cè)到神經(jīng)元的軸突與樹(shù)突的信息傳遞；軸向分辨率5～7μm（提高近一倍）；單幀像素?cái)?shù)6.7億像素（提高4倍）；每秒數(shù)據(jù)量50GB（超出萬(wàn)兆網(wǎng)帶寬4倍）；存儲(chǔ)數(shù)據(jù)量10～100PB。這對(duì)研發(fā)團(tuán)隊(duì)的挑戰(zhàn)主要有三方面：一是探索、研制多種高軸向分辨率的顯微成像系統(tǒng)；二是提升采集、存儲(chǔ)、計(jì)算系統(tǒng)能力；三是發(fā)現(xiàn)腦的原理與機(jī)制，揭示認(rèn)知規(guī)律和生理性能。

多學(xué)科聯(lián)手，力促突破性的實(shí)驗(yàn)進(jìn)展

為實(shí)際探索RUSH儀器的應(yīng)用情況，2017年1月起，戴瓊海教授團(tuán)隊(duì)與生物科學(xué)家和臨床醫(yī)師合作，應(yīng)用RUSH開(kāi)展了一系列生物科學(xué)實(shí)驗(yàn),迄今已逾一年。神經(jīng)血管耦合（NVC）功能復(fù)雜，影響因素較多，目前尚無(wú)公認(rèn)的評(píng)價(jià)方法，缺乏大視場(chǎng)的高速高分辨高通量光學(xué)顯微成像數(shù)據(jù)。RUSH（Ⅱ）對(duì)大腦神經(jīng)-血管耦合機(jī)制下結(jié)構(gòu)信息與功能信息進(jìn)行了統(tǒng)一觀測(cè)，實(shí)現(xiàn)清醒小鼠在氣流刺激胡須下的全腦結(jié)構(gòu)-功能成像，通過(guò)功能信號(hào)和血管舒張的同時(shí)成像，幫助研究者探索腦區(qū)血管每個(gè)節(jié)點(diǎn)與周?chē)窠?jīng)元的關(guān)系。

借用RUSH成像+深度學(xué)習(xí)技術(shù)，通過(guò)定位癌細(xì)胞、統(tǒng)計(jì)癌細(xì)胞、進(jìn)行轉(zhuǎn)移灶和原發(fā)灶分類(lèi)，完成腫瘤細(xì)胞的自動(dòng)檢測(cè)與統(tǒng)計(jì)，有助于探索疾病機(jī)理。比如如果人腦腫瘤活檢出結(jié)果需較長(zhǎng)時(shí)間，通過(guò)RUSH以人腦膠質(zhì)瘤切片做三維成像，用時(shí)30毫秒就可以定位癌細(xì)胞，辨別是轉(zhuǎn)移灶還是原發(fā)灶。

開(kāi)展CX3CR1-GFP小鼠全腦尺度的免疫細(xì)胞保護(hù)機(jī)理研究，免疫細(xì)胞遷移是癌癥細(xì)胞轉(zhuǎn)移的逆過(guò)程，RUSH可以觀測(cè)到遷徙免疫細(xì)胞的軌跡。研究中風(fēng)引入前后小鼠全腦不同血管位置免疫細(xì)胞流量變化，揭示免疫病理反應(yīng)，可以實(shí)現(xiàn)核磁共振無(wú)法做到的高分辨率觀測(cè)。另外，借助RUSH開(kāi)展了癲癇病理研究，通過(guò)對(duì)鮮活人腦切片+鈣指示劑染色，進(jìn)行癲癇患者病變組織癲癇波的研究，研究電極誘導(dǎo)下癲癇波的產(chǎn)生過(guò)程，揭示癲癇病理發(fā)生機(jī)制，從而為疾病防治找到新的手段提供幫助。

RUSH還對(duì)推動(dòng)心臟生理、病理研究起到一定作用。實(shí)時(shí)觀測(cè)心肌鈣成像＞104心肌細(xì)胞，基于高通量成像的藥物篩選平臺(tái)，可加速藥物研制，開(kāi)拓新領(lǐng)域。開(kāi)發(fā)全自動(dòng)數(shù)據(jù)處理算法，用于分析＞104個(gè)心肌細(xì)胞隨時(shí)間變化的規(guī)律，對(duì)篩選高通量心肌藥物起到重要作用。通過(guò)高通量腦藥物篩選＞104個(gè)神經(jīng)元細(xì)胞實(shí)時(shí)鈣成像，探索神經(jīng)信號(hào)傳遞規(guī)律。目標(biāo)是推動(dòng)人工智能跨越發(fā)展，建立大腦動(dòng)態(tài)連接圖：研究結(jié)構(gòu)網(wǎng)絡(luò)——靜態(tài)、基礎(chǔ)通信設(shè)施和功能網(wǎng)絡(luò)——?jiǎng)討B(tài)、分級(jí)概率網(wǎng)絡(luò)。通過(guò)讓小鼠聽(tīng)音樂(lè)、吃巧克力、喝不同的飲料來(lái)觀測(cè)其全腦反應(yīng)。戴瓊海教授展示了一段小鼠全腦皮層、亞細(xì)胞級(jí)、結(jié)構(gòu)功能的統(tǒng)一成像視頻，記錄了清醒小鼠在聽(tīng)音樂(lè)時(shí)的全腦神經(jīng)網(wǎng)絡(luò)活動(dòng)：閃爍的鈣成像信號(hào)反映了單神經(jīng)元活動(dòng)和跨腦區(qū)的信息傳遞、變換信息。這是國(guó)際首次獲得音樂(lè)刺激下清醒小鼠全腦皮層神經(jīng)網(wǎng)絡(luò)活動(dòng)的高速成像。

這項(xiàng)已開(kāi)展一年余的實(shí)驗(yàn)研究也得到了很多國(guó)際同行和科學(xué)家的關(guān)注。2017年7月16日，諾貝爾物理學(xué)獎(jiǎng)獲得者、美國(guó)第12任能源部長(zhǎng)朱棣文教授在薛其坤校長(zhǎng)陪同下參觀清華大學(xué)自動(dòng)化系寬帶網(wǎng)實(shí)驗(yàn)室（BBNC），對(duì)RUSH儀器項(xiàng)目產(chǎn)生了濃厚興趣，肯定了儀器的先進(jìn)性，并對(duì)實(shí)驗(yàn)結(jié)果表示震撼。

戴瓊海教授目前正在開(kāi)展的工作是基于RUSH的神經(jīng)環(huán)路觀測(cè)，揭示顛覆性機(jī)理。通過(guò)獲取清醒動(dòng)物全腦結(jié)構(gòu)功能實(shí)時(shí)成像數(shù)據(jù)，開(kāi)展寬場(chǎng)高分辨實(shí)現(xiàn)情緒環(huán)路、思維環(huán)路協(xié)同神經(jīng)網(wǎng)絡(luò)研究；借助高數(shù)據(jù)通量，推進(jìn)神經(jīng)網(wǎng)絡(luò)記憶、決策機(jī)制研究，從而推進(jìn)人工智能的發(fā)展。2015年《科學(xué)》雜志（Science）一篇文獻(xiàn)報(bào)道，人類(lèi)只需要極少的樣本就可以學(xué)習(xí)到新的概念，而機(jī)器學(xué)習(xí)算法通常需要數(shù)百個(gè)樣本才能達(dá)到同樣的性能。而同年《自然》雜志報(bào)道，隨著學(xué)習(xí)的過(guò)程，多個(gè)神經(jīng)序列可從一個(gè)共同的前體序列的生長(zhǎng)和分解中形成。記憶分為三個(gè)階段:長(zhǎng)期記憶的形成與學(xué)習(xí)過(guò)程有關(guān)；人類(lèi)采用注意力、重復(fù)、與過(guò)去的學(xué)習(xí)過(guò)程來(lái)對(duì)信息進(jìn)行編碼；從神經(jīng)學(xué)來(lái)看，大腦的海馬體中一直在重復(fù)進(jìn)行編碼的工作。目前戴瓊海教授團(tuán)隊(duì)正在就這些研究方向開(kāi)展小鼠實(shí)驗(yàn)，下一步將進(jìn)入靈長(zhǎng)類(lèi)動(dòng)物實(shí)驗(yàn)階段，研究者們將通過(guò)建立5只獼猴動(dòng)物模型，更好的揭示關(guān)于這些研究的方向性認(rèn)識(shí)。

院士小傳

戴瓊海，中國(guó)工程院院士，清華大學(xué)自動(dòng)化系教授，清華大學(xué)生命科學(xué)學(xué)院兼職教授。1999年至今在清華大學(xué)自動(dòng)化系工作，研究領(lǐng)域?yàn)橐曨l處理及通信，光場(chǎng)與計(jì)算攝像學(xué)，多視圖三維重建與立體視頻，IPTV與無(wú)線(xiàn)視頻傳輸，合成視覺(jué)及其導(dǎo)航應(yīng)用，壓縮感知與稀疏表示理論及應(yīng)用，圖像（視頻）檢索及其挖掘。