弭元元

报告题目：

塑造序列吸引子的图式结构

个人简介：

清华大学心理与认知科学系长聘副教授。毕业于北京师范大学物理学系，先后在以色列Weizmann Institute of Science和美国Columbia University做博士后。研究方向为计算神经科学，主要专注于研究脑在网络层面处理动态信息的一般性原理，包括工作记忆的容量与调控、时空信息的网络编码等；并基于此发展了类脑运动模式的快速识别算法、运动目标的预测追踪算法等。以第一或者通讯（含共同）在Neuron, PNAS, Progress in Neurobiology等神经科学领域刊物和机器学习旗舰会议NeurIPS等发表论文。获得国家自然基金委交叉学部优秀青年基金项目、青年人才托举工程项目的支持和北京市科技新星的荣誉称号。

摘要：

序列图式是抽象、可复用的知识结构,能促进新序列任务中的快速适应和泛化。塑造作为一种课程学习形式,通过由简至难的子任务渐进训练,是动物和人类获取复杂序列图式的有效方式。尽管图式对认知至关重要,塑造对图式获取也很关键,但其神经动力学机制尚不清晰。我们使用实验神经科学中的成熟范式,在气味序列任务上训练递归神经网络,系统地再现了眶额皮层中观察到的图式学习关键特征,包括对新任务的快速适应、结构化的神经表征几何和学习过程中的维度压缩。分析表明,学习到的图式是通过序列吸引子实现的,这些吸引子动力学在塑造过程中逐步发展:从简单任务中的离散吸引子,发展为链接序列,最终形成能捕捉共享任务结构的可泛化吸引子。在关键词检测任务中的应用证明,塑造促进了序列吸引子图式的快速发展,提高了学习效率。我们的研究揭示了一种新型基于吸引子的机制,支持图式表征及其通过塑造的演化,为生物和人工智能中抽象知识的获取提供新见解。