PKU-VVT 陈国璋助理教授

报告生成时间：2026年8月20日
个人主页：陈国璋
所属团队：北京大学计算机学院视频与视觉技术研究所

一、学者基本信息

项目	内容
姓名	陈国璋（Guozhang Chen）
职称	助理教授/研究员、博士生导师（北京大学"博雅青年学者"）
所属机构	北京大学计算机学院视频与视觉技术研究所；北京大学前沿计算研究中心（CFCS）图灵人才培养计划科研导师
研究领域	类脑计算（Brain-inspired Computing）、大脑计算原理、脉冲神经网络（SNN）、计算神经科学、脑启发机器人
电子邮件	guozhang.chen@pku.edu.cn
个人主页	https://ifgovh.github.io/
教育背景	电子科技大学学士（2013）、电子科技大学硕士（2016）、悉尼大学物理学博士（2020）
博士后经历	奥地利格拉茨科技大学（Graz University of Technology），Wolfgang Maass 课题组（2021–2023）
主要荣誉	2023年国家高层次人才计划青年项目（海外）入选者；2024年北京大学博雅青年学者；2021年奥地利研究促进机构（FFG）"寻找天才研究者"职业生涯基金；2018–2019年澳大利亚研究理事会综合脑功能卓越中心（ARC CEIBF）优秀博士研究生奖
代表性论文	以第一作者在 Nature Communications、Science Advances 发表论文3篇，另在 Neural Networks 等期刊发表多篇
教学课程	《计算神经科学导论：从大脑模拟到 NeuroAI》（研究生/高年级本科）；《现代图论》（春季研究生）；《离散数学》（秋季本科）
开源项目	BrainTorch——面向类脑智能的新型开源框架（基于 PyTorch 生态）

二、教育背景与职业履历

重要说明：用户背景中"陈国璋可能是黄铁军教授的博士（北大博士）"的推测不成立。陈国璋并非北京大学博士，其博士学位由澳大利亚悉尼大学授予，博士导师为龚璞林（Pulin Gong）教授。他于2024年方加入北京大学计算机学院，与黄铁军为同研究所同事关系而非师生关系。以下为经多源核实的教育与职业履历。

教育经历

2009–2013：电子科技大学，微电子与固体电子学院，工学学士。本科专业为电子科学与技术，出于对芯片内部器件工作原理的好奇而步入此领域。
2013–2016：电子科技大学，材料科学与工程学院，工学硕士。硕士阶段转向材料科学与凝聚态物理研究，此时正值人工智能第三次浪潮兴起，他在自学过程中深感人工智能的巨大潜力，开始关注 AI 与生物智能（BI）之间的差距，为后续跨学科转型奠定基础。
2016–2020：澳大利亚悉尼大学（University of Sydney），物理学院，哲学博士（PhD in Physics）。博士导师为龚璞林（Pulin Gong）教授——悉尼大学物理学院副教授、理论计算研究组主任，此前曾任日本理化学研究所（RIKEN）脑科学研究所研究员。龚璞林的研究聚焦于大脑时空动力学的自组织机制及神经计算原理，是神经物理学（neurophysics）领域的知名学者，同时担任 Journal of Computational Neuroscience 副主编。陈国璋在博士期间利用统计物理和人工智能工具研究生物大脑的计算原理及人工智能的可解释性，研究成果发表于 Nature Communications（2019）等顶级期刊。博士期间获 2018–2019 年 ARC 综合脑功能卓越中心优秀博士研究生奖。
2021–2023：奥地利格拉茨科技大学（Graz University of Technology），理论计算机科学研究所，博士后研究员。合作导师为Wolfgang Maass教授——欧洲科学院院士（2013年当选），被陈国璋本人及学界称为"类脑计算之父"（the father of spiking neural network and brain-like computation）。Maass 于1974年在慕尼黑路德维希-马克西米利安大学获数学博士学位，是著名数学家 David Hilbert 的再传弟子；1991年起发现阈值系统与脉冲神经网络的关联，提出了脉冲神经网络（SNN）这一"第三代神经网络"理论，并在液态机（Liquid State Machine）、神经采样、替代梯度（surrogate gradient）等多个关键领域开创了新方向。陈国璋在 Maass 组期间聚焦于基于数据的大规模初级视觉皮层建模，成果发表于 Science Advances（2022）。博士后期间获 2021 年奥地利 FFG"寻找天才研究者"职业生涯基金。

职业履历

2024年至今：北京大学计算机学院，助理教授/研究员、博士生导师，视频与视觉技术研究所。入职后入选 2023 年国家高层次人才计划青年项目（海外），并获 2024 年北京大学博雅青年学者称号。同时担任北京大学前沿计算研究中心（CFCS）图灵人才培养计划科研导师。
研究方向定位：陈国璋将自身研究定位为"AI×BI"（人工智能与生物智能的交叉），核心思路为"AI for Science"（利用人工智能和数理方法理解生物大脑的计算原理）与"Science for AI"（反向应用生物大脑计算机制改进人工智能）的双向赋能。具体研究路径为：对脑皮层精细结构建模 → 分析模型临界相变点 → 刻画相变点时空相关关系结构 → 揭示大脑工作机理 → 应用于类脑计算。

三、学生培养情况

陈国璋于2024年方入职北京大学，实验室尚处于建设初期，截至目前（2026年8月）尚无已毕业的独立指导博士生。其个人主页明确标注"I am currently looking for talented PhD and undergraduate intern students to start my lab"（正在招收博士生和本科实习生），并于2024年10月发布了博士研究生岗位和实习岗位的招聘信息。因此，以下列出的是其在此前海外阶段合作指导/共同指导的学生及合作者，以及在北大初期已开展合作的相关人员，并注明合作性质。

Franz Scherr（格拉茨科技大学，Wolfgang Maass 组博士/博士后）：陈国璋在格拉茨期间的核心合作者，共同署名 Science Advances（2022）和 bioRxiv（2023）两篇重要论文。Scherr 是 Maass 组的长期成员，精通大规模脉冲神经网络仿真工程，与陈国璋在视觉皮层大规模建模中形成了"理论设计+工程实现"的互补合作关系。两人的合作延续至陈国璋入职北大后（据学术会议报告内容推断）。（合作研究者，非师生关系）
Cheng Kevin Qu（瞿成凯，音译）（悉尼大学，龚璞林组）：陈国璋博士阶段的合作者，共同署名 Neural Networks（2022）《Anomalous diffusion dynamics of learning in deep neural networks》一文。该工作从统计物理视角揭示了深度学习中随机梯度下降（SGD）的反常扩散动力学，将物理学中研究复杂系统能量景观的方法引入深度学习理论。Qu 很可能是在龚璞林指导下的同组学生或初级研究者。（合作研究者，非陈国璋本人指导的学生）
北京大学计算机学院在读学生（2024级及以后）：陈国璋自2024年秋季起招收博士生和本科生实习生。据其新教师访谈透露，他参与讲授《计算神经科学导论：从大脑模拟到 NeuroAI》课程（2024年秋季，地学108教室，11月6日讲授视觉皮层建模、12月11日讲授 NeuroAI），并通过该课程吸引对类脑计算感兴趣的学生。此外，他还开设春季研究生课程《现代图论》和秋季本科课程《离散数学》，以"全新的视角"讲授基础数学课程，涉及其科研中涉及的基础数理、人工智能与脑科学交叉领域。截至本报告生成时，尚未有公开信息显示其已培养出独立指导的毕业生，实验室处于起步阶段。
BrainTorch 开源社区参与者：陈国璋正在主导开发 BrainTorch——一个面向类脑智能的新型开源框架，立足 PyTorch 生态，兼顾类脑网络仿真与训练需求，支持异质性、稀疏性网络建模。2025年曾在上海交通大学自然科学研究院举办"BrainTorch 实战工作坊"，展示了果蝇全脑仿真与训练、小鼠皮层与海马建模、高速具身视觉系统及在线局域学习算法等应用案例。该工作坊吸引了跨校师生参与，有望成为其学生招募和合作拓展的重要平台。

小结：由于陈国璋独立建组时间极短（2024年入职），其学生培养体系尚在构建中。当前可确认的合作研究者主要来自海外阶段（Wolfgang Maass 组的 Franz Scherr、悉尼大学龚璞林组的 Cheng Kevin Qu）。在北大阶段，他正通过课程教学、开源框架推广（BrainTorch）和学术活动积极扩展研究团队。

四、学术合作网络

4.1 师承与学术脉络（海外阶段）

陈国璋的学术脉络横跨物理学、神经科学和计算机科学三个领域，形成了独特的跨学科师承链：

博士导师：龚璞林（Pulin Gong），悉尼大学物理学院副教授。龚璞林领导神经物理学课题组（Neurophysics Group），研究大脑时空动力学的自组织机制及神经计算原理，曾任日本 RIKEN 脑科学研究所研究员，担任 Journal of Computational Neuroscience 副主编。其代表性工作包括发现人脑皮层活动中普遍存在的旋转螺旋波（spiral wave / vortex）模式及其在认知加工中的功能作用（Nature Human Behaviour, 2023），以及提出"分数阶神经采样"（Fractional Neural Sampling, FNS）理论。陈国璋在龚璞林指导下完成了四篇核心论文中的三篇（Nature Communications 2019、Science Advances 2022、Neural Networks 2022），研究内容涵盖大脑自发活动如何通过调制产生感知、视觉注意的超扩散运动与 theta 振荡机制、以及深度学习中的反常扩散动力学。龚璞林的研究风格——用统计物理方法研究复杂神经系统的集体行为——深刻影响了陈国璋的学术路径选择。
博士后导师：Wolfgang Maass，格拉茨科技大学教授，欧洲科学院院士。Maass 是脉冲神经网络（SNN）理论的创始人，1974年获慕尼黑大学数学博士学位（David Hilbert 再传弟子），1991年起将阈值系统理论与大脑脉冲神经网络关联，提出了 SNN 这一划时代理论。他在液态机、神经采样、替代梯度学习（e-prop）等领域均有开创性贡献，其 2020 年发表于 Nature Communications 的 e-prop 学习方法（与 Bellec、Scherr 等合作）被认为是脉冲神经网络在线学习的重要突破。陈国璋在 Maass 组的工作是其从"理解脑"走向"利用脑"的关键转折——将博士阶段对大脑动力学的研究积累应用于大规模视觉皮层建模和类脑计算。陈国璋在访谈中特别提到 Maass 对其"持之以恒的严谨态度"和"批判性思维"的深刻影响。
学术传承谱系：从 David Hilbert →（数学谱系）→ Wolfgang Maass → 陈国璋；从统计物理学/复杂系统 → 龚璞林（神经物理学）→ 陈国璋。陈国璋自述受到 2024 年诺贝尔物理学奖得主 John Hopfield 和 Geoffrey Hinton 工作的启发，将物理学中的抽象思维与人工智能的实际应用结合。这一"物理→神经科学→类脑计算"的跨学科路径在类脑计算领域具有代表性。

4.2 北京大学校内合作

陈国璋入职北京大学计算机学院视频与视觉技术研究所后，与该研究所及更广泛的校内团队形成了多维度的合作潜力。需要强调的是，由于他2024年方入职，以下合作关系部分基于研究所组织架构和研究方向互补性的分析，部分已有公开学术活动佐证。

黄铁军（计算机学院教授，视频与视觉技术研究所原所长/核心人物）：黄铁军是北京大学计算机学院教授、北京智源人工智能研究院（BAAI）理事长，研究涵盖视觉信息处理与神经形态计算，2015年起担任北京市"脑科学与类脑计算"重大专项专家组召集人，开创了脉冲视觉（Spike Vision）技术体系。陈国璋与黄铁军同属视频与视觉技术研究所，且研究方向高度互补——黄铁军从工程与视觉应用角度切入脉冲视觉和类脑计算，陈国璋则从脑计算原理和计算神经科学角度切入，两者在"类脑视觉"这一交叉领域存在天然的合作空间。此外，黄铁军作为 BAAI 理事长，其主导的智源大会 AI+Neuroscience 分论坛（2026年）邀请了 Wolfgang Maass 作主旨报告，陈国璋的博士后导师与所在研究所领导之间存在已有的学术联系渠道。截至目前，未见两人共同署名的论文，但研究所组织架构和方向互补性预示了较强的合作潜力。
田永鸿（计算机学院教授，视频与视觉技术研究所）：田永鸿的研究方向包括"大规模机器学习、类脑神经网络、视觉大数据"，是研究所内与陈国璋方向最为接近的资深教授之一。田永鸿在类脑神经网络方向有长期积累，两人存在在 SNN 算法和类脑视觉系统方面的合作潜力。
施柏鑫（计算机学院长聘副教授，视频与视觉技术研究所副所长）：施柏鑫的研究涵盖类脑视觉传感器（事件相机/脉冲相机），与陈国璋的类脑视觉建模方向存在交叉。施柏鑫与黄铁军在脉冲相机研究上有深度合作，陈国璋的加入有望为该方向注入"从脑原理出发"的理论视角。
王亦洲（计算机学院教授，视频与视觉技术研究所）：王亦洲的研究方向为计算机视觉与数字艺术，与陈国璋的视觉皮层建模在"生物视觉机制启发计算机视觉"层面存在交叉可能。
北京大学前沿计算研究中心（CFCS）：陈国璋同时担任 CFCS 图灵人才培养计划科研导师，研究领域标注为"类脑智能、计算神经科学、脑启发机器人"。CFCS 由 John Hopcroft（图灵奖得主）等推动建立，与计算机学院有密切的交叉研究联系。通过这一身份，陈国璋可接触图灵班优秀本科生资源，为其团队建设提供人才渠道。
北京大学交叉学科研究院 / 人工智能研究院：黄铁军同时担任北京大学人工智能研究院副院长，其"视觉信息处理与神经形态计算"方向的招生单位包括"北大计算机学院、北大深研院信息工程学院、北大交叉学科研究院"，陈国璋的类脑计算研究有望通过这些交叉平台拓展合作。

4.3 跨机构合作与国际合作

格拉茨科技大学 Wolfgang Maass 课题组（奥地利）：这是陈国璋最核心的国际合作基地。他与 Maass 组的 Franz Scherr 保持密切合作关系，共同署名的 Science Advances（2022）论文是该组在视觉皮层大规模建模方向的旗舰工作。陈国璋入职北大后，这一合作纽带延续——2026年智源大会 AI+Neuroscience 分论坛中 Maass 的主旨报告进一步印证了该组与北京类脑计算学术圈的持续互动。Maass 组在脉冲神经网络学习理论（e-prop、BTSP 学习规则等）、认知地图与海马体神经索引等方面持续产出前沿成果（Nature Communications, 2024 等），陈国璋有望成为该组与中国学术界的桥梁。
悉尼大学龚璞林课题组（澳大利亚）：陈国璋的博士阶段母校和合作基地。龚璞林组在脑时空动力学、螺旋波组织、分数阶神经采样等方向持续产出重要成果（Nature Human Behaviour, 2023 等），与陈国璋的"脑计算原理"研究在理论层面高度互补。两人已合作发表 Nature Communications（2019）、Science Advances（2022）、Neural Networks（2022）三篇论文，这一合作预计将持续。
上海交通大学自然科学研究院：陈国璋与上海交大自然科学研究院有密切的学术交流。2025年他在该院举办"BrainTorch 实战工作坊"并作主题报告，同年参加该院主办的"神经计算学术研讨会"并作报告。此外，他还参加了上海交大数学学院主办的"第十四届计算神经科学冬季班"并授课（2025年1月，主题"Building neural network model of visual system"）。上海交大在计算神经科学领域有周栋焯（数学学院，神经元电缆理论模型）等学者，形成了北大-上交大在类脑计算/计算神经科学方向的学术交流网络。
北京智源人工智能研究院（BAAI）：陈国璋所在研究所领导黄铁军为 BAAI 理事长，其博士后导师 Maass 受邀在 2026 年智源大会作主旨报告。BAAI 的 AI+Neuroscience 分论坛（论坛主席为清华大学的时松海院士）聚焦"AI for Neuroscience"与"Neuroscience for AI"两大议题，与陈国璋"AI×BI"的研究定位高度契合。陈国璋通过研究所与 BAAI 的组织纽带，有望深度参与智源的类脑计算/神经科学交叉研究生态。
Intel 神经形态计算研究社区（Intel Neuromorphic Research Community）：陈国璋在格拉茨期间的研究成果——超大规模精细脉冲神经网络多任务训练——已移植到 Intel Loihi 类脑芯片上应用，使抗噪鲁棒性提升2个数量级。Intel Loihi 是业界最具代表性的神经形态研究芯片（支持脉冲神经网络、片上学习、事件驱动计算），Intel 维护着全球神经形态研究社区（INRC）。陈国璋与 Intel Loihi 平台的技术对接，使其研究具备从理论到硬件落地的完整链路，这一合作关系预计将在北大阶段延续。
集智俱乐部计算神经科学读书会：陈国璋的博士导师龚璞林参与了集智俱乐部联合国内外高校发起的"计算神经科学"读书会（2024年2月启动），该读书会涵盖"复杂神经动力学、神经元建模与计算、跨尺度神经动力学、计算神经科学与AI的融合"四大模块，陈国璋的研究方向与该社区的学术议程高度一致，为其在国内计算神经科学学术社区中的合作拓展提供了平台。

五、业界合作关系深度分析

5.1 企业合作

Intel（英特尔）——神经形态芯片平台合作：陈国璋在格拉茨 Maass 组期间的研究成果已移植到 Intel Loihi 神经形态芯片上运行。Intel Loihi 是全球最早可用的事件驱动型脉冲神经网络研究芯片之一（2018年发布第一代，14nm工艺，128个神经形态核心；2021年发布 Loihi 2，Intel 4 工艺，支持100万神经元），通过 Intel 神经形态研究社区（INRC）向全球学术机构开放。陈国璋的工作涉及在 Loihi 上部署超大规模精细脉冲神经网络并实现多任务训练，这一"算法→芯片"的落地路径是其研究的差异化优势之一。Intel 同时开源了 Lava 框架（Python 编写的神经形态应用开发框架），与陈国璋主导开发的 BrainTorch 框架在技术定位上存在互补关系——Lava 偏向硬件部署，BrainTorch 偏向 PyTorch 生态下的仿真与训练。这一 Intel 合作关系预计将在北大阶段延续，并有望通过黄铁军/BAAI 的产业网络进一步深化。
BrainTorch 开源框架——面向产学研社区的开放合作：陈国璋正在主导开发 BrainTorch 类脑智能开源框架，该框架立足 PyTorch 生态，支持异质性、稀疏性网络建模，兼顾类脑网络仿真与训练需求，并具备原生 AI 扩展能力。2025年在上海交大举办的"BrainTorch 实战工作坊"展示了其在果蝇全脑仿真与训练、小鼠皮层与海马建模、高速具身视觉系统及在线局域学习算法等场景的应用。陈国璋明确表示 BrainTorch 将"保持开放共创，欢迎更多师生参与平台建设、应用拓展与生态培育"，表明其有意通过开源社区模式构建产学研合作生态。这一策略与 SpikingJelly（北大 Fang Wei 等开发的开源 SNN 框架）等同类项目在定位上有所不同——BrainTorch 更强调生物真实性的精细网络建模（支持异质性神经元、稀疏连接等），瞄准的是"理解脑→模拟脑→利用脑"的完整研究链路。
潜在产业方向——脑启发机器人与自动驾驶：陈国璋在个人主页中明确将研究兴趣延伸至"brain-inspired and brain-like intelligent systems, specifically in areas like autonomous driving and robotics"（脑启发与类脑智能系统，特别是在自动驾驶和机器人领域）。这一应用导向为其未来与自动驾驶企业、机器人企业（如具身智能公司）的合作预留了空间。北京大学计算机学院及 BAAI 在具身智能领域已有较多产业布局（如银河通用王鹤等），陈国璋的类脑算法有望为这些产业合作提供"生物学原理层"的技术输入。

5.2 机构与平台合作

北京智源人工智能研究院（BAAI）：通过黄铁军（BAAI 理事长）和视频与视觉技术研究所的组织纽带，陈国璋与 BAAI 存在制度性合作通道。BAAI 在类脑计算/神经科学交叉领域有持续布局（2026年智源大会设立 AI+Neuroscience 分论坛，邀请 Wolfgang Maass 等作主旨报告），陈国璋的研究方向与 BAAI 的"AI×神经科学"议程高度契合。未来有可能通过智源学者计划或联合研究项目等形式建立更正式的合作关系。
上海交通大学自然科学研究院：陈国璋已与上海交大自然科学研究院建立了活跃的学术交流关系，包括主题报告（BrainTorch 工作坊）、学术研讨会报告（神经计算学术研讨会）和冬季班授课（计算神经科学冬季班）。上海交大在计算神经科学、类脑计算方向有数学学院周栋焯课题组等力量，形成了跨校的学术合作网络。
清华大学类脑计算团队：清华大学在类脑计算领域有国内最完整的团队布局（施路平团队的 Tianjic 芯片、天机芯片等），且 2026 年智源大会 AI+Neuroscience 分论坛由清华大学时松海院士担任论坛主席。陈国璋通过 BAAI 平台与清华大学类脑计算/神经科学团队存在潜在合作空间，但截至目前未见公开的直接合作记录。
电子科技大学（母校）：陈国璋的本科和硕士均毕业于电子科技大学（微电子与固体电子学院→材料科学与工程学院），这一校友网络可能在人才招聘和跨校合作中发挥作用，但目前未见公开的具体合作项目。

六、重要奖项与学术兼职

重要奖项与人才计划

2023年：国家高层次人才计划青年项目（海外）入选者。即俗称的"海外优青"或"国家级海外高水平人才计划"，是中国面向海外优秀青年学者的国家级人才引进计划，陈国璋以此身份回国入职北京大学。
2024年：北京大学博雅青年学者。北京大学校内面向优秀青年教师的荣誉性人才支持计划。
2021年：奥地利研究促进机构（Austrian Research Promotion Agency, FFG）"寻找天才研究者"职业生涯基金。FFG 是奥地利国家级研究资助机构，该基金面向具有突出潜力的青年研究者，支持其独立开展研究。
2018–2019年：澳大利亚研究理事会综合脑功能卓越中心（ARC Centre of Excellence for Integrative Brain Function, CEIBF）优秀博士研究生奖。ARC 卓越中心是澳大利亚最高级别的研究资助体系之一，CEIBF 聚焦于大脑如何整合信息以产生复杂行为和认知功能。

学术兼职与教学

北京大学前沿计算研究中心（CFCS）图灵人才培养计划科研导师：陈国璋担任该计划的科研导师，指导图灵班本科生科研训练，研究领域标注为"类脑智能、计算神经科学、脑启发机器人"。
课程教学：
《计算神经科学导论：从大脑模拟到 NeuroAI》——研究生/高年级本科课程，跨学科探讨大脑神经元结构、智慧涌现机制、大脑结构与功能对通用人工智能（AGI）的启示等议题。该课程是北京大学计算机学院首次开设的系统性计算神经科学课程之一。
《现代图论》——春季研究生课程，陈国璋以"全新的视角"讲授，将图论与神经网络（"神经网络本质上是一种图"）和类脑计算的基础数理相联系。
《离散数学》——秋季本科课程，同样融入跨学科视角。

学术活动

2025年4月：在北京航空航天大学数学学院"数学论坛"作报告《视觉系统建模》，介绍其"脑皮层精细结构建模→临界相变分析→时空相关关系结构→大脑工作机理→类脑计算应用"的研究思路。
2025年：在上海交通大学自然科学研究院举办"BrainTorch 实战工作坊"并作主题报告。
2025年：参加上海交大"神经计算学术研讨会"，围绕"结构如何塑造功能"提出高维连接组背后可能存在可解释的低维潜在结构的研究框架。
2025年1月：在上海交大数学学院"第十四届计算神经科学冬季班"授课，主题"Building neural network model of visual system"。

七、Connection圈层总结

陈国璋是北京大学计算机学院视频与视觉技术研究所2024年引进的海外青年人才，其学术关系网络呈现出鲜明的"跨学科+国际化+起步期"特征，可归纳为以下圈层：

核心圈层——海外师承链：陈国璋的学术根基由两条海外师承线构成。其一是悉尼大学龚璞林（Pulin Gong）的神经物理学线——从统计物理出发研究大脑时空动力学，产出了 Nature Communications 和 Science Advances 论文；其二是格拉茨大学 Wolfgang Maass 的脉冲神经网络/类脑计算线——从理论计算机科学出发研究大脑计算原理并应用于类脑智能，产出了 Science Advances 论文。Maass 作为 SNN 理论创始人和欧洲科学院院士，是陈国璋最重要的学术合作者和声誉背书来源。这条"Hilbert→Maass→陈国璋"的数学-计算机科学谱系与"统计物理→龚璞林→陈国璋"的物理学-神经科学谱系交汇于陈国璋，构成了其独特的跨学科身份。

研究所圈层——PKU-VVT 生态：陈国璋入职后进入北京大学视频与视觉技术研究所，与黄铁军（神经形态计算/脉冲视觉）、田永鸿（类脑神经网络）、施柏鑫（类脑视觉传感器）、王亦洲（计算机视觉）等形成了方向互补的研究所内合作生态。尤其值得注意的是他与黄铁军的关系——两人并非师生关系（陈国璋非北大博士），而是同研究所同事，研究方向在"类脑/神经形态计算"这一交叉点上高度互补：黄铁军从工程与视觉应用角度切入，陈国璋从脑计算原理和计算神经科学角度切入。这种互补性预示了未来在"脉冲视觉+类脑计算"方向上的合作潜力，但截至目前尚未有共同署名的论文发表。

平台圈层——BAAI 与 CFCS：通过黄铁军（BAAI 理事长）和 CFCS 图灵计划科研导师的身份，陈国璋与北京智源人工智能研究院和北大前沿计算研究中心建立了制度性联系。BAAI 的 AI+Neuroscience 议程与陈国璋的"AI×BI"研究定位高度契合，且其博士后导师 Maass 已受邀参与智源大会，形成了"格拉茨→北京"的国际合作通道。

产业圈层——Intel 与 BrainTorch：陈国璋与 Intel Loihi 神经形态芯片平台的技术对接是其最重要的产业合作资产，使其研究具备从理论到硬件落地的完整链路。他主导开发的 BrainTorch 开源框架则采用了"开放共创"的产学研合作模式，瞄准类脑智能研究的工具基础设施。

学术社区圈层——计算神经科学跨界网络：陈国璋通过上海交大（工作坊、研讨会、冬季班）、北航（数学论坛）、集智俱乐部（计算神经科学读书会，通过龚璞林关联）等学术活动，已在国内计算神经科学/类脑计算学术社区中建立了可见度，与周栋焯（上交大数学学院）、杜凯（北大，精细神经元模拟与生物通用智能）等同行形成了学术交流网络。

发展阶段研判：陈国璋处于独立建组的起步阶段（2024年入职），学生培养体系尚在构建中，校内合作尚需时间从"潜力"转化为"产出"。但其核心优势在于：第一，拥有 Maass 和龚璞林两条高规格国际师承线的学术声誉和合作通道；第二，研究路径独特——从脑皮层精细结构建模出发，经临界相变分析，到类脑计算应用，形成了"理解脑→模拟脑→利用脑"的完整研究链路；第三，具备从算法到 Intel Loihi 硬件落地的工程能力，以及 BrainTorch 开源框架的社区建设能力。随着北大团队建设和校内合作的推进，其学术关系网络有望从当前的"海外主导+校内潜力"格局逐步演变为"国际-校内双轮驱动"的成熟形态。

PKU-VVT 陈国璋 助理教授