肖卓成现任上海纽约大学数学与神经科学的助理教授。加入上海纽约大学前,肖教授是2020-2021年是纽约大学施瓦茨学者,并于2021-2023年在纽约大学库朗数学研究所担任讲师。
肖教授的的研究主要集中在数学和神经科学领域。他的研究方向为高效和现实的计算皮层模型,以及尖峰网络的数学理论和计算方法。
代表性论著
Zhang, R; Wang, Z; Wu, T; Cai, Y; Tao, L*; Xiao, Z*; Li Y*. Learning biological neuronal networks with artificial neural networks: neural oscillations. arXiv (2023).
Wu, T; Cai, Y; Tao, L*; Xiao, Z*. Multiband oscillations emerge from a simple spiking network. Chaos: An Interdisciplinary Journal of Nonlinear Science (2023).
Xiao, Z; Lin, KK; Young, LS. Efficient models of cortical activity via local dynamic equilibria and coarse-grained interactions. Submitted to PNAS.
Dong, Y; Li, Y; Xiang, X; Xiao, Z; Hu, J; Li, Y; Li, H; Hu, H. Stress relief as a natural resilience mechanism against depression-like behaviors. Neuron (2023).
Xiao, Z*; Lin, KK Efficiency of direct and multilevel Monte Carlo for spiking neuron networks. Journal of Computational Neuroscience (2022).
教育背景
- 亚利桑那大学 应用数学博士
- 北京大学 生物学和数学学士
数学:
- 数据驱动建模
- 应用动力系统
- 粗粒度训练
- 尖峰神经网络
神经科学:
- 计算神经科学
- 视觉皮层
- 海马体
- 神经振荡