计算神经科学把大脑写成方程

资源库

教材当主线,课程当补充,论文当校验。不要同时读三本书——选一本走完,再回头读第二本。

推荐度:★★★ 必读 | ★★ 强烈建议 | ★ 按需查阅

教材(按建议顺序)

推荐书名作者 / 版本语言说明
★★★Neuronal DynamicsGerstner, Kistler, Naud & Paninski, CUP 2014EN免费在线全书 + Python 代码 + 交互 demo。单细胞、突触、网络动力学最系统,入门首选。
★★★Theoretical NeuroscienceDayan & Abbott, MIT Press 2001EN领域"圣经"。编码/解码、信息论、网络三部分最权威,数学密度高,适合第二遍精读。
★★★Dynamical Systems in NeuroscienceIzhikevich, MIT Press 2007EN用相平面与分岔统一解释兴奋性、簇发、共振。作者主页有免费章节。
★★★Principles of Neural Science (6th)Kandel et al., McGraw-Hill 2021EN / 中生理事实的基准。不做数学,但所有参数以它为准(有中文版)。
★★Biophysics of ComputationKoch, Oxford 1999EN单神经元计算与树突经典,偏硬核,适合做树突/通道时查。
★★Mathematics for NeuroscientistsGabbiani & Cox, Academic Press 2010EN数学→神经的最佳桥梁,每章配 MATLAB 代码。
★★Principles of Computational Modelling in Neuroscience (2nd)Sterratt et al., CUP 2023EN建模实践导向,配套网站有可复现的 NEURON/Python 代码。
★★Nonlinear Dynamics and Chaos (2nd)Strogatz, Westview 2015EN / 中不是神经书,但相平面、分岔、极限环讲得最好。建议先读前 8 章。
★An Introductory Course in Computational NeuroscienceMiller, MIT Press 2018EN门槛最低,适合作为第一本。

主线建议:Gerstner(读概念+跑代码)→ Dayan & Abbott(补数学与编码)→ Izhikevich(补动力学直觉)→ 按研究方向选专题。

---

课程

推荐课程机构 / 讲师语言说明
★★★Neuromatch Academy — Computational NeuroscienceNeuromatch,每年 7 月EN完全开源,全部 Colab 可跑。四大模块:建模 / 机器学习 / 动力系统 / 随机过程。自学首选。
★★★Computational Neuroscience(Coursera)Rajesh Rao, University of WashingtonEN最经典 MOOC,从 HH 讲到编码与学习,配套作业。
★★9.40 Introduction to Neural ComputationMichale Fee, MIT OCWEN数学与神经计算基础最扎实,讲义与习题全公开。
★★Methods in Computational NeuroscienceWoods Hole MBL,每年 8 月EN领域"黄埔军校",四周集训,讲义可参考。
★★系统与计算神经科学余山、张倩等,中科院大学中文中文体系里较完整的研究生课程大纲,可用于术语校准。
★★INCF Training SpaceINCFEN神经信息学培训资源聚合,教程/讲义/视频索引齐全。

---

工具链

场景工具语言说明
房室级生物物理仿真NEURONPython / HOC行业标准,树突、通道、网络都靠它。
快速原型 / 教学Brian2Python内嵌方程定义,代码即模型,迭代最快。
大规模脉冲网络NESTPython / C++百万级点神经元,HPC 友好。
认知任务建模NengoPython神经工程框架(NEF),适合做认知/行为模型。
脉冲分析ElephantPythonISI、相关、谱分析、统计检验。
脉冲分选SpikeInterfacePython统一接口封装 Kilosort/Mountainsort 等。
EEG / MEGMNE-PythonPython预处理、源定位、时频分析。
fMRINilearnPython解码、连接、可视化。
相平面 / 分岔XPPAUT / PyDSToolC / Python周期解 continuation 与分岔图。

---

数据与代码

推荐资源说明
★★★ModelDB(Yale SenseLab)最大的可执行神经模型库,经典模型几乎都有代码。
★★★Allen Brain Atlas / AllenSDK脑图谱、连接组、细胞类型、电生理,全部开放。
★★CRCNS.org共享实验神经数据(电生理、影像、行为),按数据集引用。
★★DANDI ArchiveNWB 格式神经数据公共归档。
★★NWB(Neurodata Without Borders)神经数据通用容器格式,可复现分析的事实标准。

引用提醒:每个数据集都有自己的许可条款(CC BY / CC BY-NC / 自定义)。使用前逐一确认,尤其是商用与再分发。

---

期刊与会议

  • 顶刊:Nature Neuroscience、Neuron、Nature Methods(方法)
  • 专业刊:PLoS Computational Biology、Journal of Computational Neuroscience、Neural Computation、eLife
  • 预印本:bioRxiv、arXiv (q-bio.NC)
  • 会议:Cosyne(计算神经科学系统)、CNS 年会、Bernstein Conference、Neuromatch

追踪建议:不必追全部。选 3–5 个实验室的 lab page + 2 本刊的 RSS,比刷 Twitter 有效得多。

---

中文资源

名称平台适合用来
脑人言 iBrainTalk(ibrain-talk)微信公众号 / 知乎 / B站学"怎么把机制讲成人话"。公益团队,百余位神经科学博士作者,明确覆盖计算神经科学与 AI。
神经现实(neureality)微信公众号认知科学与计算神经科学深度长文,翻译质量较高。
集智俱乐部(swarma_org)微信公众号 / 读书会复杂系统与计算神经科学读书会,有系列讲座回放。
中国神经科学学会官网 / 公众号会议、培训、政策信息。
知乎「计算神经科学」话题知乎入门问答与书单,质量参差,需交叉验证。

使用原则:公众号内容只作观点与表达方式的参考;公式、参数、结论一律回到教材或原始论文核对。科普文里的数字经常有转述误差。

---

引用格式建议

站内引用统一用这种格式,读者能顺藤摸瓜:

作者 (年份). 标题. 期刊, 卷(期), 页码. doi:xxx

教材章节:

Gerstner, W., et al. (2014). Neuronal Dynamics. CUP. §4.2.

数据集:

<数据集名>. <机构>. <版本/访问日期>. <DOI 或 URL>

---

如何判断一个资源是否可信

按这个顺序看:

  1. 作者是否是该问题的直接研究者(不是二手转述者)。
  2. 是否给出可复现的代码或数据(计算神经科学的硬标准)。
  3. 结论是否被独立重复(至少两篇不同实验室的工作)。
  4. 是否区分了"模型能解释"与"机制确实如此"(这是最容易被忽略的一条)。

<br>