智能科学与机器智能以脑神经元动态连接为切入口，研究感知、认知、决策、记忆等脑机理，破解感知与交互、协同感知与协同交互等基础理论与关键技术，构建从机器感知、学习到协同交互、综合推理、混合智能和群体智能的体系。在此基础上，发展认知交互系统，以汉语教育与国学传播为引导性应用，推动认知交互在教育、医疗、工业、国防等领域的落地应用mile米乐。

智能科学研究部的重点布局涵盖脑认知人工智能、可解释人工智能理论与技术、智能感知与芯片、多智能体无人系统、认知交互系统中间件等，为智能科学与机器智能的发展以及AI技术变革奠定基础。

二、主要研究方向

1. 脑认知人工智能

以脑逆向工程为驱动，开发具备宽视场、高分辨率与实时成像能力的新型仪器，完成典型实验动物全脑细胞级结构-功能一体化观测与数据采集。建立大脑动态连接图，将神经科学实验与理论、模型、统计方法等融合，以神经元分类与协作、神经元信息传递与决策、神经与血管耦合等为切入点，揭示脑的认识机制，并同步推进类脑计算技术与智能网络拓扑研究。

2. 智能感知与芯片

探索新型传感技术，借鉴视觉皮层机制与下行反馈，研究异步光流与差分光流感知、场景速度与深度的同步解析，揭示双目融合深度生成机制，构建场景信息与动态事件编码耦合成像。发展具有结构不变性的多视数据协同表征计算方法，实现场景表征的高精度量化。推进传感芯片数据的异步读取与信息流控制，建立算法软件平台。

3. 多智能体无人系统

研究多智能体在非中心化、局部可观测条件下的决策框架，将马尔科夫决策过程与联合学习引入决策过程，在高维状态、动作与决策空间中解决智能体的一致性、集群协同、会合与编队等优化问题，实现大规模系统的协同与竞争。

4. 认知交互系统

以可解释人工智能为技术手段，融合数据驱动与知识驱动，利用多模态教育数据实现教育全流程的信息感知；结合认知心理模型，个性化提供诊断、建模与评估服务，提升汉文化学习与传播的自适应性。借助类脑功能与记忆机制，构建汉语言学习与文化传播的高效场景，依托虚实融合、自然交互与机器人技术，形成多样化的汉文化教育传播形式与深度融合的人工智能应用。

5. 人工智能中间件

面向AI应用中的数据处理、建模策略与业务集成，研究自适应数据清洗与增广、训练编排等，提供普适性数据接口技术；基于增强学习的模型结构搜索与资源自适应获取释放，实现端到端的全面优化；优化深度学习模型的高效压缩与量化加速，推进多平台自动编译与自动化部署，提升AI应用的落地效率和创新速度。

三、重要研究成果

1. 立体视频重建与显示技术与装置

在立体视频重建与显示领域取得突破，开发了光照-视角协同采集与无标记点运动捕捉等方法，实现自由运动对象的立体视频光照重建、纹理驱动的立体视频合成以及多信息融合的深度计算，并实现无莫尔纹的裸眼立体显示。这些技术的应用性与经济社会效益显著。

2. 多维高分辨率计算摄像仪器

通过计算摄像原理，建立压缩感知与全计算方案，构建具有宽视场、高动态范围与十亿像素级别的成像能力，实现全局形态与细节特征的多尺度观测。该仪器在脑科学、肿瘤学等领域实现多项前沿应用，推动对生理与病理状态下神经环路、血管耦合等关键机理的观测研究。

3. 视觉语义感知与分割

提出环境先验与全卷积深度网络的融合方法，将多模态先验引入实例级语义分割，显著提升分割准确率，相关成果在国际大型数据集的评测中处于领先水平。

4. 基于单目视觉的六自由度空间感知

首次用深度学习方法对单目视觉下的六自由度姿态估计进行精细调整，显著提升鲁棒性与精度，减少对深度信息的依赖，提升实际应用的可行性。

5. 复杂条件下飞行器可视导航

建立全天时、高可见性与高分辨率的自主可视导航基础系统，在室内定位、未知环境感知与控制等方面取得关键技术突破，展示先进的自主导航能力。

6. 神经网络结构改进

针对训练中梯度不一致问题，提出动态卷积与大范围采样等方法，提升检测、分割、光流等任务性能，体现出网络的通用性与鲁棒性。

7. 大规模视频数据检索与分析系统

面向智能视觉应用，开发高效的多模视觉特征表示、在复杂背景下的对象检测与语义提取等技术，形成可落地的智能硬件与系统，推动视觉服务行业发展。

8. 大光圈大景深全清晰成像

在多场景下实现全清晰高分辨率成像，提出光照编码与光路编码耦合的深度感知方法，以及基于迭代优化的全清晰成像重建，成果曾在权威期刊上作为封面文章刊载。

9. 基于暗像素机制的红外散斑深度成像

提出发射器-单相机的暗像素散斑深度成像，降低环境光对深度估计的影响，提出生成模型与迭代优化策略，提升低对比度区域的稳定性与准确性。

10. 基于自适应控制点迭代的双目匹配

提出自适应控制点迭代的双目匹配算法，结合颜色、空间关系与像素匹配可靠性进行自适应控制点选择，通过局部平面拟合改估视差，有效提升边缘、斜面与遮挡区域的估计稳定性与准确性。

11. 嵌入式深度卷积神经网络加速引擎

提出低功耗嵌入式加速架构，采用短位宽运算与高并行设计，显著降低参数规模与功耗，同时保持较高精度；在片上实现高吞吐，获得多项专利与学术成果。

如文中包含图片链接，将保留图片链接。