引言
随着人工智能技术的飞速发展，类脑模型与智能信息处理成为连接神经科学与人工智能的重要桥梁。中国科学院脑科学与智能技术卓越创新中心（CEBSIT）在这一领域取得了显著进展，从NMDA受体的神经机制到边缘智能系统的优化，再到后量子密码技术的应用，展示了类脑模型在多个领域的潜力。
NMDA受体：大脑学习的“交通信号灯”
NMDA受体是大脑中控制学习和记忆的关键受体，其功能与突触可塑性和神经信号传递密切相关。中国科学院脑科学与智能技术卓越创新中心研究员竺淑佳团队在这一领域取得了突破性进展：
1. 揭示镁离子的多重作用机制：研究发现镁离子在NMDA受体中存在三个独立的结合位点，分别介导电压依赖的阻断、变构增强和抑制作用，为理解突触可塑性提供了新视角。
2. 内源受体的结构解析：团队首次从成年大鼠大脑中分离出内源NMDA受体，并解析其三维结构，更新了领域内对受体亚型转变的传统认知。
3. 快速抗抑郁药物的新靶点：研究发现GluN2D亚型NMDA受体可作为快速抗抑郁药物的靶点，为抑郁症治疗提供了新思路。
这些成果不仅深化了我们对大脑学习和记忆机制的理解，也为神经精神类疾病的治疗提供了潜在解决方案。
边缘智能系统：多模态数据的高效处理
在边缘智能硬件系统中，多模态数据的处理面临数据结构异构性和硬件性能限制的挑战。中国科学院微电子研究所研究员尚大山与南方科技大学博士王中锐合作，开发了基于随机阻变存储器的深度极限点云学习机系统：
1. 软硬件协同设计：通过将多模态数据统一表示为点集，降低了数据处理复杂性。
2. 存储与计算一体化：利用阻变存储器的编程随机性生成随机稀疏权重，抑制了读取噪声的影响。
3. 性能提升：与传统数字硬件系统相比，该系统在能效和训练成本上均实现了显著优化。
这一创新为跨模态、跨任务的高能效边缘智能系统开辟了新路径，在增强现实、无人机等领域具有广泛应用前景。
后量子密码技术：类脑模型的安全保障
随着量子计算的发展，传统密码技术面临严峻挑战。基于NTRU格的格密码技术成为后量子密码的重要选择。中国学者提出的CTRU方案在软件优化工程实现上取得了重要进展：
1. 混合基数论变换与Karatsuba算法：加速了多项式环乘法运算。
2. AVX2并行优化：利用Intel单指令多数据指令集，显著提升了CTRU方案的性能。
3. 性能提升幅度：与参考实现相比，AVX2优化实现在密钥生成、封装和解封装上的性能提升分别达到56%～91%、74%～90%和70%～83%。
这些优化为后量子密码技术的应用部署提供了坚实的技术支持，也为类脑模型在信息安全领域的应用奠定了基础。
未来展望
类脑模型与智能信息处理的深度融合，正在推动神经科学与人工智能的协同发展。未来，随着技术的不断突破，类脑模型有望在以下领域发挥更大作用：
1. 脑疾病治疗：通过解析神经受体机制，开发更精准的治疗方案。
2. 智能硬件优化：构建更高效、更节能的边缘智能系统。
3. 信息安全：利用后量子密码技术，保障类脑模型在复杂环境下的安全性。
在全球范围内，脑科学与智能技术的融合发展已成为科技创新的重要方向。中国在这一领域的持续投入和突破，将为全球科技进步贡献更多智慧与力量。
相关文章
