随着fMRI、电子显微镜等实验技术的发展，神经科学进入了大数据时代。这一专刊属于神经科学（包括计算神经科学）领域，并侧重与机器学习、计算仿真等子领域的交叉。
该研究领域的重要性
神经科学领域积累了大量与大脑回路结构/活动、神经元集群活动有关的实验数据，激发了研究生物物理学不同规模不同层次网络模型的热情。使用生物神经网络模型来拟合各种实验数据，发现相应神经回路的功能原理，是将生物神经活动与智能行为结合起来的有效手段。
该研究领域的发展趋势
针对神经系统精细结构、细致活动等的海量数据的分析方法及技术；
整合实验神经科学的发现，采用数学建模和计算仿真等的方法来定量化、精确化、系统化地揭示和阐明脑的工作原理；
基于脑的信息处理机制发展类脑的智能模型与算法。
专刊背景
神经科学家在建模不同层次的神经网络和在不同的边界内进行模拟时，面临着越来越大的挑战。比如，希望采用先进的方法和技术，从丰富的实验数据中生成不同层次的生物神经网络与基元模型，包括神经元参数和突触连接、生物学上合理的神经网络模型（包括受生物学上合理的可塑性规律约束）。
与此同时，机器学习(ML)技术，特别是深度学习在特征提取和函数拟合方面具有前所未有的能力，在建模和数据处理方面也显示出巨大的潜力，并迅速被处理大量数据的传统计算机科学家以外的研究人员所采用。希望通过此专刊，鼓励将ML技术与神经学领域的建模等需求结合，帮助解决从丰富的实验数据中生成不同层次的生物神经网络与基元模型这一关键问题。
征稿信息
专刊主要接受以下方向的相关研究：
从合成数据和/或实验数据中生成神经元模型、神经网络及其参数； 基于生物学上可行的（biologically feasible）突触可塑性和实验数据的生物神经网络建模/优化； 面向任务数据集的生物神经网络训练方法； 用于神经计算模型仿真或/和建模的计算框架与接口； 面向神经科学和类脑计算的数据处理/建模任务的基准指标与典型数据集。
文稿应具有科学性、创新性、实用性，论点明确，资料可靠，文字精炼，层次清楚，数据准确，通过完全公开、公正、严格的同行评审后在线发表。文章一经上线，即可被引用。
此前沿专刊发布在：
Frontiers in Computational Neuroscience
(IF：2.536 / CiteScore: 4.8)
此专刊仍接受投稿，截稿时间：
Abstract - 2021 年 06 月 29 日
Manuscript - 2021 年 10 月 27 日
关于更多此前沿专刊的详细信息及投稿方式，请点击链接查看：https://www.frontiersin.org/research-topics/21739/machine-learning-for-computational-neural-modeling-and-data-analyses?utm_source=baihuaRT3&utm_medium=wechat&utm_campaign=chinaad
客座主编团队
|
|
|
张悠慧 清华大学计算机系 研究员 | 陈怡然 杜克大学电子与计算机工程系教授 美国自然科学基金委新兴可持续与智能计算企校合作研究中心主任 杜克计算进化智能中心联合主任 | 弭元元 重庆大学 研究员 |
原文内容整理自张悠慧研究员的文字采访
点击图片查看更多Frontiers前沿专刊：
前沿专刊（Research Topic），是 Frontiers 赋能学术工作者的创新方式之一：前沿专刊由客座主编确定某领域内的研究方向，接收相关领域作者的投稿，最终以文章合辑的形式发表在期刊正刊。
成为客座主编的优势在于：
联合学界同仁共同促进本学科领域更积极的学术讨论；
您的科研成果能够得到更广泛的关注；
进一步加强与各学科领域研究人员的合作；
前沿专刊作为开放获取资源将提升您以及所有作者的学术影响力。
作为客座主编，在前沿专刊正式建立之前需要完成三个步骤：
为专刊定题；
邀请1-3位专家（需至少包含一位国际专家）作为共同客座主编组织专刊；
建议潜在的作者名单。
如何成为客座主编？
扫描下方二维码，关注公众号后，回复“客座主编”，用 1 分钟的时间填写表单，以便于我们更加了解您的具体信息，由 Frontiers 相对应领域的出版总监与您进行 1 对 1 的交流和探讨。
长按识别二维码关注我们，你就成为了全球开放科学的推动者。
转载本文请联系原作者获取授权，同时请注明本文来自Frontiers开放获取科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3465500-1291013.html?mobile=1
收藏
