助理研究员项目|哈佛大学脑科学中心实验室

　　项目背景

　　神经网络是如何传递和存储信息的？大脑在有限的结构之上如何产生出超凡的学习和计算能力？智商和性格是基因决定还是后天养成的？为什么许多动物一出生就能跑能跳而人类通常要长到一岁才开始学会走路？大脑真正成熟的标志是什么？孤独症儿童的神经发育状况与正常儿童有怎样显著的不同？人类大脑真的有性别之分吗？

　　神经生物学是一门非常年轻的，致力于研究神经系统的解剖、生理以及病理特性的交叉学科。近年来，由于人工智能的飞速发展，“神经网络”这个关键词，已经从神经生物学的范畴一跃而出，涵盖各个领域引领各样潮流。尽管AlphaGo已然轻松击败地球上最好的人类棋手，但是人工智能真的智能到足以取代甚至超越人类吗。答案是否定的。事实上，现今这种基于海量数据训练学习的机器学习算法，比起真正的人类智慧而言，可以说根本不具备真正的智能。于是科学家们转而将注意力放在真正的神经网络上，因为只有挖掘真实生物数据背后所隐藏的神经计算原理，才有可能为下一代人工智能提供更先进的理论计算构架。

　　本课程将通过对目前神经生物学领域中与人工智能结合最紧密的连接组学（Connectomics）方向作深入的介绍，给学员建立对神经网络的初步认识和理解。

　　学术科研能力已经日益成为海外高校录取学生日益关注的焦点。是否能具备世界知名实验室的实习经验，与顶尖科学家的科研合作经历，以及领域大牛与知名学者的推荐信成为决定能否冲击顶尖名校的关键一环。

　　ViaX与哈佛大学顶尖实验室展开合作，联合招募哈佛大学实验室助理研究员项目。该项目由哈佛大学知名教授、美国科学院院士领导，哈佛大学博士后亲身一对一指导。为中国学生提供远程参与哈佛大学顶尖实验室科研实习，并切实参与到美国自然科学基金项目中并做出贡献的机会。

　　线上在哈佛大学博士后亲身指导积累的美国哈佛大学顶级实验室的合作科研经历，是为后续获得哈佛大学教授，美国科学院院士的推荐信和申请哈佛大学访问学者，赴哈佛大学参与实地工作的机会做申请基础。

　　导师介绍

　　科研指导：

　　Dr. Snow Wang

　　ViaX科研教育理工科导师

　　哈佛大学博士后研究员

　　项目指导:

　　Dr. JWL

　　哈佛大学终身教授

　　美国科学院院士

　　项目目的

　　通过线上的方式远程参与到国际顶尖实验室的科研合作中

　　了解和熟悉基本的学术思路、科研流程、研究方法及技术手段

　　获悉前沿专业知识并了解该领域在全世界范围内最新的研究进展

　　获得哈佛大学实验室助理研究员的助研经历

　　获得与世界级顶尖科学家的科研合作经验

　　通过参与完成具体的科研任务提高科研能力与学术竞争力

　　项目产出

　　由科研指导人——哈佛大学博士后签发的结课证明与推荐信（需保质保量完成实验室安排的科研任务）

　　在导师指导下，完成1000-1500字关于项目科研主题的学术报告。

　　对项目产生可观贡献且有意愿和导师进行科研的学生可与导师进一步合作完成有作者署名的高水平SCI论文（每个项目限3-6人，考核方法依照每一次作业分数）。

　　参加SCI论文的同学可以获得哈佛大学实验室暑期访问学者名额，参与实验室工作，表现出色者将获得哈佛大学脑科实验室教授、美国科学院院士的推荐信一封。

　　适合人群

　　具备一定生物背景的学生：神经生物（Neuroscience）、计算神经生物（Computational Neuroscience）、系统生物（System Biology）等；

　　非生物背景但对脑科学及其相关交叉学科感兴趣的学生：心理学（Psychology）、应用数学（Applied Mathematics）、统计（Statistics）、计算视觉（Computer Vision）、图像处理（Image Processing）、机器学习（Machine Learning）等；

　　针对意在申请Top50高校本科项目和研究生项目的学生。

　　项目要求

　　有一定的数理背景

　　英语综合能力较好

　　对脑科学、图像处理和生物计算领域有浓厚兴趣

　　愿意积极参与到和导师的科研讨论与合作中

　　能吃苦耐劳、坚持不懈、保质保量地完成所分配的科研任务（你的工作成果质量直接影响到该科研项目的质量与进展）

　　自备Windows系统的电脑（内存配置最好不低于8G）

　　项目流程

　　报名，拿到课前资料与摸底

　　摸底题目，会在课程开始前1周发给导师

　　正式开始课程&远程助理研究员工作

　　其余学生获得导师签发的推荐信

　　按照课程表现和作业完成度，6名左右表现优异的学生（根据学生实际表现3-8人不等）可以申请继续参加哈佛大学访问学者项目赴哈佛大学实地参与科研工作，刊发SCI文章。

　　项目安排

　　WEEK 1

　　Introduction to Connectomics: how the brain’s wiring makes who we are

　　连接组学导论

　　Summary: 本节将主要介绍目前神经科学领域最为热门的研究方向之一：连接组学。涵盖学科概念的产生和发展，学科领域内的研究方向和方法，以及当下所面对的技术瓶颈。近几年来，世界范围内许多国家投入巨资启动各种“大脑计划”“全脑图谱绘制”及相关研究，本节亦会对这一科研流行趋势作专业解读。

　　课程提纲：

　　导师和学员分别作自我介绍；了解每位学员的学习目的、短期和长期学习目标与职业规划。

　　导师简要阐述课程构架、教学大纲、授课目的、和成果预期。

　　了解连接组学方向的基本发展现状和研究方法。

　　了解神经科学作为一门交叉学科的未来走向和发展趋势。

　　课前推荐阅读：

　　Connectome: How the Brain‘s Wiring Makes Us Who We Are – S Seung (Book)

　　Why not connectomics? - JL Morgan, JW Lichtman - Nature methods, 2013

　　The big data challenges of connectomics - JW Lichtman, H Pfister, N Shavit - Nature neuroscience, 2014

　　From Cajal to connectome and beyond - LW Swanson, JW Lichtman - Annual Review of Neuroscience, 2016

　　作业：（8小时）

　　阅读、归纳和总结导师课上布置的文献资料内容，撰写一篇150字的英文摘要。

　　课后阅读材料：随课堂发出

　　WEEK 2

　　How the brain works: synapses, neurons, and neural networks

　　介绍大脑神经网络的构成及其工作原理

　　Summary: 本节将主要引入神经生物学的基本知识点使学员对大脑的组成和工作原理有初步的理解和认识。背景常识体系的搭建将极大地帮助学生对后续课程内容的理解。

　　课程提纲：

　　了解神经生物学的发展史。

　　掌握神经生物学中的基本概念，对大脑的结构和工作原理有初步的认识。

　　着重理解突触的形成和作用，神经元的分类和细胞特性，以及神经网络的常见拓扑结构和运作机理。

　　课前推荐阅读：

　　Neuroscience: Exploring the Brain (4th Edition) - Mark F. Bear, Barry W. Connors, Michael A. Paradiso (Chapter 1-2)

　　作业：（2小时）

　　以手工作图的方式，分别画出突触、神经元和神经网络的解剖结构并进行标注。

　　课后阅读材料：随课堂发出

　　WEEK 3

　　Seeing is believing: how the mammalian vision works

　　介绍哺乳动物的视觉系统构成及视觉产生机制

　　Summary: 本节所要介绍的视觉系统是目前为止神经生物学领域研究得最为广泛也最为深入的感觉系统。最早的人工神经网络概念和模型的建立，就是通过对哺乳动物视觉中枢的信息处理方式进行模拟而实现的。因此了解和学习视觉神经网络结构与功能的相关性有可能为构建更智能的人工神经网络提供思路。

　　课程提纲：

　　了解视觉通路的神经解剖结构。

　　了解视网膜神经回路的联接性和拓扑结构，及其在视觉信息处理过程中的运作机制用。

　　了解外侧膝状体神经网络在拓扑结构上的特异性如何影响视觉信息的传递。

　　了解初级视觉皮层神经网络是如何通过逐层地神经解构对视觉信息进行分析和加工。

　　学会使用图像处理软件VAST。

　　课前推荐阅读：

　　Essential Neuroscience (2nd Edition) - Allan Siegel and Hreday N. Sapru (Chapter 16)

　　作业：（20小时）

　　安装图像处理软件VAST。下载给定的图像数据包。使用VAST来读取图像组。从这一周起开始进行手动图像分割的作业。

　　图像及相关软件：随课堂发出

　　WEEK 4

　　Model the vision: David Marr’s tri-level hypothesis

　　介绍著名的D Marr’s计算视觉理论

　　Summary: 本节旨在介绍经典的D Marr’s理论。视觉研究的最终目标是要阐明视觉系统究竟是怎样完成视觉任务的。神经系统所作的信息处理与机器相似。D Marr通过将视觉信息处理任务在三个不同的水平上作解构和描述建立起一套完整的计算方法。为机器学习的发展奠定了计算理论框架。

　　课程提纲：

　　了解D Marr的视觉信息处理基础理论。

　　了解信息处理的表象结构和功能块分析原理。

　　了解数字图像的构成要素和图像处理的基本原理。

　　了解常见的图像校准算法。

　　了解图像分割的基本思路和基于深度学习的全自动分割算法。

　　学会安装和使用图像处理软件Fiji。

　　课前推荐阅读：

　　A theory of cerebellar cortex - D Marr - The Journal of physiology, 1969

　　Early processing of visual information - D Marr - Phil. Trans. R. Soc. Lond. B, 1976

　　A computational theory of human stereo vision - D Marr, T Poggio - Proc. R. Soc. Lond. B, 1979

　　作业：（20小时）

　　安装图像处理软件Fiji。下载给定的图像数据包。使用Fiji内嵌的校准功能实现对给定图像组的校准。同时继续进行上周布置的手动图像分割作业。

　　图像及相关软件：随课堂发出

　　WEEK 5

　　Make the AI smarter: applying biological principles to the development of next generation machine learning algorithms

　　探讨神经生物学原理将如何影响下一代机器学习算法

　　Summary: 本节将通过举例对比说明的方式来讲述神经生物学原理在计算视觉和其它工程领域是如何被用于对人工智能算法的改进和优化，讨论基础科研的学术成果该如何被转化利用于交叉学科的发展。

　　课程提纲：

　　了解人工神经网络的构建方法。

　　对比生物神经网络和人工神经网络的不同，提出对下一代神经网络改进的构想和思路。

　　了解专业论文写作的基本要求和方法。

　　课前推荐阅读：

　　Neural networks and neuroscience-inspired computer vision - DD Cox, T Dean - Current Biology, 2014

　　Toward an integration of deep learning and neuroscience - AH Marblestone, G Wayne, KP Kording - Frontiers in computational neuroscience, 2016

　　作业：（30小时）

　　选择自己感兴趣的课题方向，按照专业论文写作的格式，完成一篇1000到1500字的综述论文。

　　课后阅读材料：随课堂发出

　　WEEK 6

　　Academic training: Presentations & Citations

　　科研训练：学生个人学术演讲指导以及如何正确使用和管理引用文献等。

　　后续阶段时间表：在第一阶段的课程结束之后，导师会把适合的学生挑出来，再确定他们每个人的意愿。双方都达成意愿之后导师会在哈佛给他们办相关手续，七月份左右拿到签证，开始到哈佛实习。

　　线上的课程结束之后，导师会给这通过考核的学生安排一些相关的阅读资料。

　　签证类型：J1。等到时候会给每个人发一份DS2019表格以申请签证

　　注：旅游签证是不能做实习用的。学生如果用旅游签证过来是不能作为正式实习生接收的，这也会影响到以后教授写推荐信。