上海交通大学自然科学研究院/数学科学学院，特聘教授，研究领域为计算与应用数学。他分别于2002年和2007年在北京大学数学科学学院获得学士和博士学位，他在计算神经科学研究方向产出了具有代表性的成果，相关成果发表在CPAM、PNAS、PRL等一流国际期刊上，主持基金委杰出青年科学基金、科技部重点研发课题、科技创新2030脑科学与类脑智能子课题等科研项目，担任CNS计算神经科学分会秘书长、CSIAM数学生命科学分会常务理事。代表工作被期刊选为亮点与封面文章。
类脑智能研究既是科学前沿，也是国家脑计划和人工智能发展规划的核心内容，而作为大脑信息处理的基本单元即单个神经元的动力学建模是实现对脑计算的定量理解和发展脑启发的人工智能的第一步。然而，现有的点神经元模型在捕捉与神经信息处理至关重要的复杂树突效应方面存在不足，不能够反映真实神经元强大的树突计算能力。我们通过建立包含树突结构的电缆理论的渐近分析框架，将基于偏微分方程组的电缆神经元模型化简成基于常微分方程的点神经元模型，我们的生物物理模型引入了额外的突触整合电流，它源自于空间树突上的突触电流之间的非线性相互作用。此外，我们的模型有效刻画了具有复杂树突结构的神经元的胞体的电压响应，能够实现复杂的树突计算功能。此外，我们通过渐近分析框架推导出一个双线性整合法则，并建立了一个真实神经元与人工神经元之间的简单而有效的映射关系，该映射在模拟真实神经元胞体动力学的准确性、训练复杂度、参数量以及动态时序数据处理等方面都明显优于现有的模型。我们的工作为研究具有空间树突结构的神经元动力学与功能提供了一个系统的理论和计算框架，为设计脑启发的人工神经网络提供了新的思路。
