ICLR（国际表征学习大会）是深度学习领域的国际顶级学术盛会，以其对表征学习核心范式的深度探索和极高的学术质量，被公认为人工智能界最具影响力的风向标之一。随着深度学习理论在解析复杂神经动力学方面的潜力不断被挖掘，ICLR正迅速成为脑机接口（BCI）领域跨学科探索的前沿阵地，近年来越来越多关于神经解码的研究论文向该大会投稿，有力驱动了人工智能与神经科学的深度融合。
图1：ICLR 2026 会议现场
在本次会议上，杨钰奇同学展示的海报题目为《基于预训练的重参数化自注意力方法：解锁基于SNN的神经解码中跨时间、被试和任务的泛化》（PRETRAINING WITH RE-PARAMETRIZED SELF-ATTENTION: UNLOCKING GENERALIZATION IN SNN-BASED NEURAL DECODING ACROSS TIME, BRAINS, AND TASKS） 。该研究主要围绕完全植入式脑机接口（iBMIs）神经解码模型在实际应用中面临的高准确率、强泛化能力和低计算成本等挑战展开。研究提出了一种重参数化的自注意力脉冲神经网络（RAT SNN），并引入了多时间尺度动态脉冲神经元。实验证明，RAT SNN在各种数据集上的表现始终优于领先的SNN基线，并在计算成本低得多的情况下达到了最先进的人工神经网络（ANN）模型的准确性。
图2：求是高等研究院博士研究生杨钰奇（左）与毕业博士研究生刘腾俊（右）的海报展示
会议期间，杨钰奇同学与张韶岷老师还与来自大阪大学、北海道大学、鲁汶大学、新加坡国立大学以及清华大学、南方科技大学等国内外顶尖研究机构的学者进行了广泛而深度的交流。特别是与来自巴塞尔大学Zenke Lab的Michael Hauri等同行围绕相关学术问题展开了深入探讨，进一步拓宽了研究的国际合作视野。
图3：国际化交流与合照，浙江大学求是高等研究院指导老师张韶岷研究员（左一），毕业博士研究生刘腾俊（左二），Michael Hauri（巴塞尔大学Zenke Lab，右二）与博士研究生杨钰奇（右一）。
谈及此次里约之行的收获，杨钰奇同学深有感触：“在人工智能领域的顶级盛会 ICLR展示 RAT SNN 模型 ，是一次极佳的‘实战’复盘。通过与全球学者探讨脉冲神经网络在复杂神经信号解码中的潜力，我不仅对提出的‘重参数化’机制在实际应用中的价值有了更客观的认识，也敏锐察觉到脑机接口技术演进的趋势。此次交流极大拓宽了我的研究边界，由衷感谢张韶岷老师和郑能干老师的指引与求是高等研究院提供的卓越平台。”
