人類大腦中，結構、功能以及神經動力學之間的關係複雜，且涉及到多個學科的各個方面。對這些關係的理解是腦科學研究的一個基本目標，並可能是通往下一代人工智慧的道路。本期NSR“人類大腦計算與類腦智慧”專題涉及了該領域中的幾個重大挑戰性問題。

首先，鑑於人腦的神經元規模、神經形態細節和連線拓撲結構的複雜性，建立人腦的計算神經網路模型是極其困難的。人類大腦是一個極其複雜的器官，擁有860億個神經元和100萬億個突觸，這讓所有人造智慧的嘗試——比如大語言模型——都相形見絀。對大腦的不同尺度、不同規模進行詳盡細緻的結構與連線的建模，在數學上是一項不可能完成的任務。由此產生的一個問題是：多尺度結構在多大程度是實現大腦功能的必要條件？因此，繪製全連線組（包括所有神經連線的綜合圖譜）是當前研究的優先事項，而破譯每個大腦區域的功能更是重大挑戰。

在介觀尺度上，Maass在Perspective文章中提出並討論了皮層微電路（cortical microcircuits, CMs）的基本原理，這些原理可以幫助我們理解皮層計算，並可能啟發產生某種本質上更像大腦和更節能的計算框架。在微觀尺度上，Senden等人對混合整合大腦模型（hybrid integrative brain models）進行了綜述。這類模型以模組化的方式整合了大腦、身體和環境之間複雜的相互作用，幷包含透過丘腦等樞紐結構來調節的類似注意力機制等的整體性過程。為了進一步分析這種相互作用，Vohryzek等人從基於體素的結構矩陣的歸一化拉普拉斯運算元的本徵函數出發，提出了用於fMRI的時空諧波分解（Harmonic Decomposition of Spacetime, HADES）框架。由此，作者發現致幻劑作用下存在明確的諧波模式和功能性的諧波變化。

其次，神經形態計算採用建設性的“構建用以理解”（build to understand）方法來表達大腦的結構-功能二分性，旨在設計和實現人類大腦結構和功能啟發的計算系統。當然，要複製出類似於人類大腦規模和即時計算能力的複雜神經網路，需要開發能夠精確模仿並行和分散式神經資訊處理機制的硬體，這些硬體還應當具有與大腦相當的能量效率。因此，設計和製造神經形態晶片是實現具有人類大腦規模和複雜性的神經網路的必由之路。

本專題報道併發布的最新版達爾文3（Darwin3），是一種神經形態專用指令集和高密度連線儲存技術。它將單位晶片負載神經元數量提升至超過200萬，還具有強大的不同模型支援能力和可程式設計性的學習能力。近期神經形態計算系統的研究焦點主要集中在腦科學方向。但此類系統也正在將其範圍擴充套件到具有工程應用的通用人工智慧（AGI）領域。該方向的一個值得注意的案例是混合神經網路（Hybrid Neural Network, HNN），它集成了面向計算機科學的人工神經網路和麵向神經科學的脈衝神經網路。新一代神經形態系統的主要特徵就是支援HNN。例如，第二代Spinnaker（Spinnaker2）與其第一代相比在功能密度和能量效率方面都有超過一個數量級的改進，並支援HNN，引領了節能型先進人工智慧的發展。甚至於，事件驅動的稀疏大語言模型也即將浮出水面。

第三，人類大腦計算模型的臨床應用也是腦科學的前沿問題，亟需要開發新的科學有效的方法。數字孿生腦（digital twin brain, DTB）的概念和技術被用於描述生物腦結構、計算過程和智慧功能的數字化表示。這將為數字化測試各種認知行為和醫學方法提供平臺，而這些測試常常是無法在真實的生物體上進行的。然而，臨床應用要求需要個體化的數字化表示。為此，虛擬孿生腦（Virtual Brain Twin, VBT）提出了一種個性化的全腦網路模型，該模型是透過個體的大腦成像資料構建的。王慧芳等人的專題文章提出，該模型給出描述五種大腦疾病相關引數的空間掩碼，並基於生理學和病理生理學假設證明了其臨床應用潛力。馮建峰課題組的專題封面文章提出的數字孿生腦平臺，構建脈衝神經元網路，達到了全腦規模，擁有多達200億個神經元，幷包含大腦結構資料作為結構。數字孿生腦的特色是以逆向工程方法提供了資料同化的正規化。作者透過此方法發現，在神經元網路規模和結構上越接近真實大腦，模型與真實大腦之間的相似性就越大——無論在靜息狀態還是任務態，都是如此。這在一定程度上（首次）揭示了在計算模型與人類大腦在規模和結構細節的相似性，是探索有生物學意義的類腦智慧的必要條件。

綜上所述，模型、資料和算力，是探索大腦計算基本原理的必要因素。例如，自由能原理依託大腦計算的貝葉斯假設，而該假設需要透過這些領域中的諸多機制的結合才能實現。大腦計算的貝葉斯機制為理解真實智慧提供了一條獨特的路線圖，指向了類腦智慧發展的重要方向。