对自己类脑和计算神经科学研究的总结:

1.研究初级深度学习模型，星形胶质细胞、突触和神经元相互作用的深度学习模型。

2.研究高级的深度学习模型，上下游脑区深度学习模型，一些脑区因为简单信号更加理智具有高阶优化，一些脑区因为累积的复杂信号需要更多情绪记忆跳出局部最优提高认知。

3.记忆是什么，如何在各脑区流动。如果记忆是二维对数螺旋线，沿途阻碍会压缩记忆印记的图像质量但不会改变它的形状。

4.脑区累积的信号，如何在各脑区流动。由链式求导得到信息变化率和架构变化率在脑区流动猜想。湍流反向获取下游冗余信息导致阿尔兹海默症的幻觉。情绪记忆的湍流反向会使得下游脑区失去活力进而硬化和老化。

5.上下游脑区深度学习模型和湍流反向解释阿尔兹海默症机理猜想及其相关的15个现象。

6.湍流反向和下游脑区的大中血管和导管，和上游脑区的小血管和导管有关。由于下游脑区大中血管和导管的损坏，下游脑区大中血管和导管相对变细，上游脑区支血管导管相对变粗诱发湍流反向。

7.应用上下游脑区深度学习模型、皮层厚度和信号绕过某些皮层来解释强迫症、选择困难症和偏见。

8.皮层厚度和相对较好记忆印记及相对较差记忆印记有关。

9.心脑量子纠缠，心脏的情绪在大脑产生的电位反应可能在大脑符合指数衰减传递。

10.大脑发生湍流的临界角tan^(-1)（b），记忆印记的二维对数螺旋线aexp(bθ)，θ是唯一变量，进行湍流信息传递的唯一角应变。

11.信息的湍流传递的动力学也影响了大脑的形态，大脑的纵剖面类似一个对数螺旋线。

12.突触被星形胶质吞噬可以抑制突触在局部过于兴奋。突触成形导致认知下降和衰老。这俩仿真验证了两个正刊论文的实验。

具体看预印论文：

The Deep learning model of upstream and downstream brain regions Based on Memory Generation-Consolidation-Loss, Synaptic Strength Rebalance and mnemonic spiral

及以下公众号的文章：

为什么脑纵剖面几何形状像螺旋波-可能至少需要一个等角螺旋运动信息才能发生湍流传递

基于上下游脑区深度学习模型得到强迫症、选择困难症和偏见的猜想