公海555000kk线路检测・(中国)有限公司

2025/05 - 至今    物理与天文学院、自然科学研究院长聘教轨副教授

2024/02 - 2025/04   美国Flatiron Institute 副研究员(Associate Research Scientist)

2019/08 - 2023/12   美国哈佛大学工学院博士后

2012/09 - 2019/06   北京大学前沿交叉学科研究院博士研究生

2008/09 - 2012/06    华中师范大学物理科学与技术学院物理学基地班

我们的研究关注于神经系统是如何在不同尺度上处理信息的。特别是通过分析大脑如何获取、存储和操纵信息以支持适应性行为，从而揭示大脑神经计算的基本原理。

课题组将整合统计物理学、动力系统、机器学习与信息论等领域的方法与技术，并与实验合作者紧密协作，以构建机制性的可解释模型。重点关注不同神经系统中共

享的计算原理，开发脑启发算法，用于构建更高效的人工智能系统。课题组当前研究的主题包括：

1）大脑如何感知并表征外部世界？

2）记忆在大脑中如何随时间存储、更新与组织的？

3）如何将这些生物学洞见转化为更高效的学习算法?

1. S. Qin, S. Farashahi, D. Lipshutz, A. M. Sengupta, D. B. Chklovskii, and C. Pehlevan. “Coordinated drift of receptive fields in Hebbian/anti-Hebbian network models during noisy representation learning”. Nature Neuroscience 26 (2), 339-349 (2023).

2. P. Masset*, S. Qin*, J. Zavatone-Veth*. “Drifting Neuronal Representations: Bug or Feature?”, Biological Cybernetics, 116, 253–266 (2022). (*equal contribution)

3. Y. Liu, Q. Li, C. Tang, S. Qin†, and Y. Tu†. “Short-Term Plasticity Regulates Both Divisive Normalization and Adaptive Responses in Drosophila Olfactory System”. Frontiers in Computational Neuroscience 15, 730431 (2021).(† corresponding author)

4. S. Qin, N. Mudur, C. Pehlevan,“Contrastive Similarity Matching for Supervised Learning”, Neural Computation 33(5), 1300 (2021).

5. S. Qin*, Q. Li*, C. Tang and Y. Tu, “Optimal compressed sensing strategies for an array of nonlinear olfactory receptor neurons with and without spontaneous activity”, Proc. Natl. Acad. Sci. U.S.A., 116, 20286 (2019). (*equal contribution)

6. S. Qin and C. Tang, “Early-warning signals of critical transition: Effect of extrinsic noise”, Physical Review E, 97, 032406 (2018).

欢迎对计算神经科学、类脑智能和生物物理学感兴趣的本科生、研究生和博士后加入我们课题组，有意者可发送邮件至ssqin(at)sjtu.edu.cn （请将(at)替换为@）。