| name | functional-whole-brain-models-fwbm |
| description | Functional Whole-Brain Models (fWBMs) — unified framework integrating structural/dynamical realism with functional competence |
| last_updated | 2026-06-11T00:00:00.000Z |
| paper_id | arXiv:2605.18118 |
| paper_date | 2026-05-18T00:00:00.000Z |
| authors | Mario Senden, Leonardo Dalla Porta, Jan Fousek, Jorge F. Mejias, Gorka Zamora-López |
| category | neuroscience |
| tags | ["neuroscience","brain-modeling","whole-brain-models","neuroconnectionism","cognitive-function"] |
Functional Whole-Brain Models (fWBMs)
Overview
功能全脑模型（fWBMs）是一种统一建模范式，整合了结构真实性和动力学真实性，同时具备执行认知任务的能力。
Problem Context
当代计算神经科学有两个主要建模传统：
-
自下而上的全脑建模（WBM）：构建生物物理详细的脑结构和动力学模拟
-
自上而下的神经连接主义：优化深度神经网络的功能性能
Solution: fWBMs Framework
Four Minimal Criteria
fWBMs 由四个最小标准定义：
-
结构基础：基于经验连接组和区域生物学
- 使用 DTI、fMRI 等影像数据构建连接组
- 整合区域特异性（细胞类型、密度、受体分布）
-
连续时间动力学真实性：
- 遵循神经动力学基本原理
- 维持兴奋-抑制平衡
- 支持多种时间尺度（快速振荡、慢速适应）
-
功能能力：跨认知域的任务执行
- 感知、决策、记忆、运动控制
- 可训练和可优化
- 支持任务切换和持续学习
-
可映射观察数据：
- 神经影像（fMRI、PET）
- 电生理（EEG、MEG、iEEG）
- 行为数据（反应时间、准确率）
Three-Pillar Roadmap
短期目标（1-3年）：
- 基础设施：数据集成、工具开发
- 建立基准测试和评估标准
- 开发开源框架和 API
中期目标（3-5年）：
- 跨尺度模型整合（分子→网络→系统）
- 临床应用：疾病诊断、治疗预测
- 教育培训：标准化课程和认证
长期目标（5-10年）：
- 完整认知功能模拟
- 实时脑状态预测和干预
- 个人化脑模型（数字孪生）
Scientific Opportunities
Research Applications
- 认知神经科学：理解认知功能的神经基础
- 临床神经科学：神经疾病机制和治疗预测
- 计算神经科学：统一建模语言和跨尺度假设
- 人工智能：生物启发的认知架构
Key Insights
Integration Challenge
- WBM 和神经连接主义的互补性
- 结构真实性与功能能力的平衡
- 多尺度动力学的一致性
Practical Considerations
- 数据可用性和质量限制
- 计算资源需求
- 模型复杂度与可解释性权衡
Activation Triggers
Use this skill when:
- 需要整合结构和功能脑建模
- 研究跨尺度神经动力学
- 开发认知功能模拟系统
- 设计临床应用脑模型
Keywords: fWBMs, whole-brain modeling, neuroconnectionism, cognitive function, connectome, structural grounding
References
- Senden et al. (2026). arXiv:2605.18118
