摘要：神经可塑性是大脑在学习与适应过程中展现出的核心特性，它不仅是生物神经科学研究的重点，也是人工神经网络设计的重要灵感来源。本报告旨在比较生物神经网络中的可塑性机制与人工神经网络中的学习算法，深入探讨二者在功能、结构和适应性方面的异同。通过分析这两类模型在不同学习任务中的表现，探讨生物神经网络的异质性与动态性对学习效果的影响，并讨论将生物可塑性机制应用于人工神经网络的潜在可能性。最后，展望未来的研究方向，强调跨学科合作的巨大潜力。

个人简介：上海交通大学长聘副教授，英国帝国理工学院荣誉研究员，上海交通大学航空航天学院数字航空与智能系统(DAISY)课题组负责人。任“国家CFD2035远景论证”项目组专家、第八届中国空气动力学会计算空气动力学专业委员会委员、中国空气动力学会智能空气动力学专业组委员。面向航空航天重大需求，在先进高效高精度数值算法、复杂非线性系统神经算子理论、脑启发智能计算等方面从事基础及应用研究。近五年先后主持科研项目20余项，负责及承担国家级科研项目十余项，发表SCI论文80余篇。担任期刊Journal of Hydrodynamics执行编委及副主编、中国空气动力学会智能空气动力学专业组委员、中国空气动力学会计算空气动力学专业委员会委员以及多本知名SCI期刊编委与客座编辑。