大脑是一个巨大的谜团，揭示大脑的工作原理对人类在脑功能认知、类脑人工智能和脑疾病诊疗等方面的发展具有重大意义。当前类脑人工智能领域经典的反向传播算法在生物层面上并不完全符合大脑的解剖学构造和生理学特点，因此探索更贴近大脑学习过程的替代学习机制，是跨越人工智能网络和大脑认知原理之间鸿沟的关键。

许铮铧教授课题组与英国牛津大学团队通力合作，在国际范围内首次提出了名为“预期配置(Prospective Configuration)”的新原理来更好地阐释大脑在学习过程中的神经元调节过程。与反向传播通过调整突触连接以减少误差不同，联合团队的研究认为人脑在调整突触连接之前会先将神经元的活动调整为最佳的预期平衡配置。因此，相较于传统的反向传播方法，预期配置能通过保留现有知识来减少干扰，实现更快速、更高效的知识学习。更重要的是，它不仅适用于大脑皮层网络模型，还能有效地应对生物有机体在复杂环境下的学习挑战。实验证明，多种反向传播无法合理解释和模拟的人类和动物学习过程中的神经活动和行为模式（如感觉运动学习、恐惧调节和强化学习等）都可以很好地被预期配置所解释。

预期配置理论的提出将极大助力“中国脑计划”以脑认知为“主体”、以类脑人工智能和脑疾病诊疗为“两翼”的“一体两翼”布局的发展。在脑认知方面，预期配置理论将帮助人类更好地理解大脑复杂信息处理过程和学习机制，揭示人类大脑高效处理信息和做出决策的机制；在类脑人工智能方面，预期配置为设计更高效、更具自适应性的神经网络架构提供了新的指导原则，特别是在动态变化的环境和复杂信息学习任务中显示出巨大的潜力；在脑疾病诊疗方面，预期配置理论提供了探索大脑疾病的新视角和新策略，为神经退行性疾病、认知障碍等大脑疾病的诊疗提供了新思路。

该成果以“Inferring neural activity before plasticity as a foundation for learning beyond backpropagation”为题于2024年1月发表在Nature子刊《Nature Neuroscience》(IF: 25.0)(https://doi.org/10.1038/s41593-023-01514-1)，该期刊在国际神经科学学科刊物中排名第一，旨在发表神经科学各领域中最具质量和影响力的论文。我校许铮铧教授作为外聘博导在英国牛津大学指导的博士生宋宇航为该论文的第一作者，宋宇航博士、许铮铧教授、英国牛津大学Thomas Lukasiewicz教授和RafalBogacz教授为该论文的共同通讯作者，河北工业大学生命科学与健康工程学院、省部共建电工装备可靠性与智能化国家重点实验室为该论文的共同通讯单位。论文原文链接：https://www.nature.com/articles/s41593-023-01514-1。