把大脑写成方程
计算神经科学 | 一个有顺序、有公式、有误区、有出处的计算神经科学自学知识库。按尺度组织,每个知识点可独立阅读。
先选一条路
不要同时开三条。每条路径都标了每周产出——产出比阅读更重要。
路径 A
零基础入门
生物 / 心理 / 医学背景,编程刚起步。
4 周 路径 B数理背景加速
物理 / 数学 / 工程背景,ODE 与线性代数熟练。
6 周 路径 C机器学习转 NeuroAI
有深度学习经验,想理解生物约束从哪来。
8 周 路径 D完整学期课
想系统走一遍研究生课程,或准备转方向。
14 周知识地图8 个模块,按尺度从分子到系统
跳过第 1 层,后面的公式会退化成符号游戏;但从第 5 层往下读,也可以先拿直觉再补数学。每个知识点都是独立的一页,不必按顺序读完。
模块 01
基础与预备
Foundations跳过这一层,后面的公式会退化成符号游戏。
5 个知识点 | **知识点**:5 个 模块 02单神经元建模
Single-neuron models所有单细胞模型都是"用多少生物细节,换多少可解释性"的权衡。
6 个知识点 | **知识点**:6 个 模块 03突触与可塑性
Synapses and plasticity学习规则的难点不在"怎么增强",而在"怎么不失控"。
6 个知识点 | **知识点**:6 个 模块 04神经编码
Neural coding编码不是"神经元的语言"这种比喻,而是一个可以用比特数衡量的、可证伪的假设。
6 个知识点 | **知识点**:6 个 模块 05网络动力学
Network dynamics网络的核心不是"连接图",而是"连接图 + 非线性"产生的动力学。
6 个知识点 | **知识点**:6 个 模块 06学习、决策与贝叶斯
Learning and decision这一章是计算神经科学与认知科学、AI 的交汇点,也是最容易被"讲成哲学"的地方——所以要盯住可证伪的预测。
6 个知识点 | **知识点**:6 个 模块 07感觉与运动系统
Sensory and motor systems系统章节的价值在于"约束"——真实的解剖与生理会砍掉大量数学上漂亮的模型。
6 个知识点 | **知识点**:6 个 模块 08方法与工具
Methods and tools这一章决定你的结论能不能被别人复现——也是审稿人最先攻击的地方。
7 个知识点 | **知识点**:7 个怎么用这个站
知识点页的六段式:一句话说清它是什么,三条核心要点,一条公式配中文读法,一段直觉解释,一条常见误区,最后给出处。公式不渲染也能靠「读法」理解——这是刻意留的冗余。
标记已掌握:每个知识点页底部有一个按钮,进度存在你浏览器本地,不需要登录,换设备不同步。
仿真实验室:6 个能在浏览器里直接拖滑块跑的模型(RC 膜、LIF、Hodgkin–Huxley、Kuramoto、DDM、Hopfield),数值方法按教学规范固定,参数改动立即重算。