脑功能的底层构架策略是什么？在公众号“nextquestion”的追问专访活动中，香港浸会大学周昌松教授接受采访，尝试回答这个问题。他认为，大脑本质上是一个非常复杂的、多时空尺度的、多层次的、非线性相互作用的系统。
周昌松，物理学博士，香港浸会大学物理系教授、系主任，浸会大学非线性研究中心主任，计算及理论研究所副所长，研究方向包括生物神经网络复杂结构、动力学及其低成本高效益如何启发类脑智能。他致力于复杂系统动力学基础研究及其应用，特别是网络的复杂联结结构与体系的动态行为的关系和相互作用。
周昌松表示，团队目前研究主要集中在大脑复杂的连接结构和动态模式的分析和建模，探究这些复杂的结构和动力学与一些认知活动或者脑的一些疾病和障碍的关系。他选择该研究方向的原因是基于研究背景，认为大脑是一个非常复杂的耦合非线性动态网络系统。
在研究过程中，周昌松团队使用统计物理学和复杂系统等视角进行分析，面对复杂数据时，采用复杂网络的角度进行分析和刻画，使用特征模的概念和方法对其进行分析，基于非线性神经网络动力学进行建模。他们感兴趣解决的问题包括在约束下的多尺度动力学，了解这些复杂动力学与认知能力的关系，以及在正常到疾病的过渡过程中，哪些地方可能发生了一些比较敏感的重要变化。
周昌松认为，大脑是一个复杂的网络系统，处理外界信息时，常常将大脑自主产生的一些内禀脑活动当作背景的随机过程来处理。他指出，静息态的脑活动以某种时空传播模式表现出临界雪崩的关联活动，表明这些脑活动对于外界信号的处理有很大影响，但具体如何影响仍需深入研究。
在谈到不同的认知能力是否能用神经动力学模型预测时，周昌松表示，认知能力的底层神经生物学基础仍是前沿课题，网络神经科学的研究旨在揭示不同脑区之间形成的网络与功能行为之间的关系。
他提到，近期在《细胞报告》上发表的研究解码记忆过程中脑电波动与可塑性背后的秘密，模型显示记忆受损是因为没有兴奋到抑制的可塑性的第二层网络会过度兴奋，导致记忆无法正常记录。通过刺激抑制性神经元，可以恢复记忆的平衡状态。
周昌松认为，未来研究将集中在神经动力学的复杂性，探讨其与底层网络的关系，以及复杂动力学如何影响功能和信息的处理。团队希望通过合作开发以复杂性为基础的类脑智能。