冯建峰团队详解数字孪生脑：从静息态94%拟合度到“数字孪生人”终极目标
2026/06/18 18:13阅读量 2
复旦大学冯建峰团队耗时7年研发全球首个数字孪生脑，通过自研随机动力同化算法解决860亿神经元互联、100万亿突触权重优化等核心难点。目前静息态时间序列与真实人脑拟合度达94%，生成个人数字孪生脑仅需数小时。研究成果于2024年12月发表于《自然-计算科学》。该技术已在脑肿瘤、抑郁症研究及机器鼠控制中验证，团队下一步目标是从数字孪生脑拓展至数字孪生人。
事件概述
复旦大学冯建峰团队在全球首次实现个人数字孪生脑的研发，相关成果于2024年12月发表于《自然-计算科学》，被评价为里程碑式工作。该研究方向旨在用计算机复现人脑的运算方式，遵循“结构仿脑才能实现功能仿脑”的核心逻辑，与当前主流AI（如反向传播、大模型）路径形成互补。
核心难点与突破
- 860亿神经元互联通信：人脑每个神经元平均连接超1000个神经元，静息态通信规模超过全球无线通信总流量，需研发新路由方法适配现有计算机架构。
- 100万亿突触权重学习：团队自研随机动力同化算法，用于拟合海量参数。
- 任务态拟合：静息态时间序列拟合度已达94%，但任务态仍需数据同化技术匹配真实脑活动，相似度仍有提升空间。
目前生成个人静息态数字孪生脑已从耗时七八年缩短至数小时。
应用方向与进展
- 医学研究平台：与华山医院合作开展脑肿瘤研究，还可用于抑郁症及脑机接口研究。
- 生物学研究平台：已复现斑马鱼（约10万神经元）游动、捕食行为；完成小鼠数字孪生脑，可控制机器鼠完成模拟行为。
- 神经元计算机研发：探索通用人工智能实现路径。当前数字孪生脑运行速度约为真实人脑的70倍减速，目标实现同步运行。
关键认知差异与未来方向
团队指出，人工神经网络与生物神经网络存在本质区别：人工神经元传递连续确定性信号，生物神经元依托离散脉冲电信号且为随机输入输出系统。目前学界尚未破解大脑信息处理的底层规则。
下一步目标：围绕脑疾病治疗“沿途下蛋”，并从数字孪生脑拓展至数字孪生人，实现对个体全状态的数字化复刻与预测。