时间：2023年10月21日 09：00—12：20(GMT+08:00)
地点：线上。腾讯会议号：731-486-593（会议密码：2425）
主讲人：梁智锋，曾春华，徐克生，陈含爽，郑木华，冯爱霞
邀请人：上海理工大学系统生物学创新团队
报告1：多模态融合的清醒小鼠和狨猴功能磁共振成像
内容介绍：大多数小动物功能磁共振成像（fMRI）是在麻醉或镇静状态下进行的，但清醒动物成像的最新进展显示了其独特的优势，因为它消除了麻醉对神经和血管功能的影响。为此，我们在 9.4T 下开发了清醒小鼠和狨猴 fMRI 范式，优化了预处理和分析流程，并能在 fMRI 期间进行主动行为。与我们的清醒小鼠 fMRI 平台（如光遗传学/光纤记录和电生理）的多模态整合，可进一步剖析局部和全局功能网络。例如，基于以上范式，我们开发了基于同时电生离的小鼠睡眠 fMRI 方法。利用这种方法，我们发现睡眠状态的转换是全局性、非对称性和连续性的，进一步利用 LSTM 模型可以提前长达 17.8 秒预测睡眠状态转换。结合海马电生理记录的睡眠 fMRI 显示，在 NREM 状态下，尖波涟漪（sharp wave ripple）触发的全局响应显著强于清醒状态，而这可能是由于纺锤波(spindle)事件的共同发生。综上，多模态融合的清醒小鼠和狨猴 fMRI 在神经科学研究中具有巨大潜力。
报告人介绍：梁智锋，博士2008年本科毕业于复旦大学，2013年于美国马塞诸塞大学医学院获博士学位，2013至2016年在美国宾夕法尼亚州立大学做博士后工作。2016年起担任中国科学院脑科学与智能技术卓越创新中心（神经科学研究所）研究员、比较神经成像研究组组长，2022年起任高级研究员、脑影像中心共同主任。主要从事多模态融合的小动物高场脑磁共振成像的方法和应用研究。获基金委优秀青年项目、面上项目、中科院百人计划（颁类择优）、科技部创新2030计划等基金支持。
报告2：自组织系统雪崩的早期预测：弛豫时间
内容介绍：雪崩是一种突发性的、破坏性的、极其难以预测的自然灾害，会导致大量人员死亡和广泛的财产损失。鉴于雪崩带来的巨大危险，人们对准确预测这些事件给予了大量关注。我们研究了一类自组织系统中雪崩的可预测性，这类系统通过操纵或组织同一系统中的其他元素来改变其内部结构或功能，以响应外部环境。在这里，我们提出了一种实用的弛豫时间来替代传统的恢复时间，重要的是它不会移除环境中的部分资源（扰动状态变量）。我们的研究提供了森林火灾模型和沙堆模型作为自组织系统的实例，弛豫时间指标都能成功预测雪崩的发生。与方差、滞后1自相关等传统间接指标相比，弛豫时间指标在振荡分岔和非振荡分岔中均能表现出增加的趋势，表明弛豫时间更具普适性。我们旨在识别雪崩发生前的预警信号，为管理者制定减灾对策和战略决策提供科学依据和重要信息。
报告人介绍：曾春华，2014年6月获博士学位，现为昆明理工大学二级教授，主要从事统计物理与复杂系统的研究。在Natil. Sci. Rev.、Phys. Rev. Research和Phys. Rev. E等期刊发表SCI论文114篇。
报告3：Noise-induced coexisting firing patterns inhybrid-synaptic interacting networks
内容介绍：Variability in synaptic conductance has beenevidenced by neuroscientists, but the precise mechanisms whereby it contributesto coexisting firing activities are subtle and remain elusive. We present anexcitatory–inhibitory balanced neural network of nodes with hybrid synapticcoupling to investigate the dynamic role of synaptic noise intensity andexcitatory weight in the appearance of coexisting firing patterns. This neuralnetwork can produce two forms of coexisting firing patterns: time-varying andparameter-dependent multistability under different combinations of synapticnoise intensity and excitatory weight. Synaptic noise intensity and excitatoryweight are significant but different in producing two forms of coexistingfiring states. Synaptic noise is beneficial for the emergence of various firingpatterns and their firing transitions, and excitatory weight can change thesynaptic noise intensity range of coexisting firing states. Our results shedlight on the emergence of multistability in neuronal networks with hybridinteractions and peak synaptic variability.
报告人介绍：徐克生，江苏大学教授，硕士生导师。2015年6月毕业于华东师范大学物理系，获理学博士学位，师从刘宗华教授。徐克生在Physical Review E、Chaos、Nonlinear dynamics、Chaos Soliton & Fractals 等国际期刊发表30篇SCI学术论文，是Physical ReviewE、Nonlinear dynamics等国际期刊审稿人，主持完成了智利国家优秀博士后项目和江苏大学高层次人才启动项目，目前正在合作主持国家自然基金项目1项。
报告4：Extremal statistics for a resettingBrownian motion before its first-passage time
内容介绍：In this talk,I will introduce theextreme value statistics of a one-dimensional resetting Brownian motion (RBM)till its first passage through the origin starting from the positive position x0.By deriving the exit probability of RBM in an interval [0, M] from theorigin, we obtain the distribution of the maximum displacement M andthus gives the expected value of M as functions of the resetting rate rand x0. We find that the expectation decreases monotonically as theresetting rate increases, and tends to 2x0 as r→∞.In the opposite limit, the expectation diverges logarithmically as theresetting rate tends to zero. Moreover, we derive the propagator of RBM in theLaplace domain in the presence of both absorbing ends, and then leads to thejoint distribution of M and the time tm at which thismaximum is achieved in the Laplace domain by using a path decompositiontechnique, from which the expected value of tm is obtainedexplicitly. Interestingly, the mean tm shows a nonmonotonicdependence on the resetting rate, and attains its minimum at an optimalresetting rate.
报告人介绍：陈含爽，安徽大学物理与光电工程学院教授。2005年获安徽师范大学物理学专业理学学士学位，2008年及2011年分别获安徽师范大学和中国科学技术大学理学硕士和博士学位。在多尺度方法发展和应用、复杂网络上非平衡相变、布朗运动研究中取得了有意义的进展。在国际有影响的刊物（如Phys. Rev. E, New J. Phys., J. Chem. Phys., J.Stat. Mech,. Chaos, EPL, Physica A等）发表论文50余篇，研究成果受到了PRL、Adv. Phys., Phys. Rep.等杂志的正面引用。受邀担任Phys. Rev. E, EPL, Chaos, Phys. Lett. A, Physica A，理论物理通讯等刊物的审稿人。
报告5：The effects of long-range connections onnavigation in suprachiasmatic nucleus networks
内容介绍：In the mammaliansuprachiasmatic nucleus (SCN), the cellular oscillators communicate within aneuronal network to regulate thecircadian rhythms of physiological and behavioral activity. However, how thenetwork topology drives the information communication in the SCN remains poorlyunderstood, especially for the effects of long-range connections. In this talk,we investigate the roles of long-range connections on navigation in spatiallyembedded SCN networks. First, we show that the SCN networks can be embeddedinto hidden hyperbolic metric spaces with a simple connectivity law, and thehyperbolic distances can measure the long-range connections. Second, we presentthat after removing a small fraction of connections with long hyperbolicdistances, the residual SCN network can still maintain the robustness of thesystem and relatively efficient information communication. In contrast, thenetwork becomes very vulnerable after removing the same fraction of connectionswith long distances in Euclidean space. The navigability between left and rightSCN is seriously damaged. The roles of short- and long-range connections arevirtually indistinguishable in Euclidean space. Third, we adopt a biophysicalmodel to verify the findings in navigation and show that highly efficientnavigation implies the system can sustain the circadian rhythm better. Ourresults suggest that long-range connections in Euclidean space are undoubtedlymeaningful in maintaining the stability and navigability of a system. Incontrast, distances in the underlying hyperbolic space can provide almostperfectly navigable maps of SCN networks.
报告人介绍：郑木华，江苏大学教授，博士生导师，江苏特聘教授。2017年博士毕业于华东师范大学，2015至2016年在美国纽约城市大学Hernán Makse教授课题组联合培养，2017至2020年在巴塞罗那大学Marián Bogu?á和M. ?ngeles Serrano教授课题组从事博士后研究工作。研究方向为非线性物理与复杂网络、脑科学、复杂网络在双曲空间中的映射及应用、网络传播动力学等。目前已在PNAS， Nat. Commun.， Natl. Sci. Rev.， Phys. Rev. E等国际著名期刊上发表论文近30篇。相关研究成果被AAAS EurekAlert，News Medical，MedicalXpress，News wise，Technologynetworks等多家在学术界有重要影响力的杂志和媒体专门报道。先后参与欧盟、西班牙及中国国家自然科学基金5项。目前主持国家青年基金、江苏特聘教授人才项目、江苏大学高层次人才启动基金各1项。
报告6：基于复杂网络分析的中国高温热浪
内容介绍：近来高温热浪频发和强发，热浪的特征分析和预测愈来愈受到重视。本研究基于中国高温热浪数据、地理信息数据和复杂网络分析方法，构建了一个升降状态转移网络，分析了高温热浪的时空演变规律，并尝试构建新的热浪预测模型。研究结果表明，高温热浪在中国地区表现出显着的空间聚集性和时间持续性。同时研究还发现不同区域的温度状态转移网络的结构一致性，但权重会随着地区不同而显着变化。初步探究发现不同地区最佳预测效果的窗口大小是不同的。在日常的热浪监测和预测中，可以通过设置最佳的预测超前时间来提高预测精度。这一工作不但有助于更好地理解中国的高温热浪时空演化特征，而且为防灾减灾等工作提供科学依据和精准预报，从而助力各行各业对高温热浪的服务需求。
报告人介绍：冯爱霞，国家气象信息中心高级工程师，一直从事气象资料的分析处理与应用服务工作，在气象资料应用服务上和研发上做出了突出的贡献。会商服务效果显着，大众共享和院士服务受到科技部平台中心和工程院知识中心嘉奖，以及院士好评。此外，主持并通过验收国家自然基金2项，中国气象局气候变化专项1项，国家自然基金重大研发项目子课题1项。作为第一作者完成8套数据产物的研发，完成高空历史、高原科考、重大项目以及部委交换等数据资源建设工作并应用发布。
