计算神经科学、理论神经科学与系统神经科学的区别（英译中）

本文来自于以下问题的高票回答：

What’s the difference between computational neuroscience and systems neuroscience?
作者：noumenal

How does theoretical neuroscience differ from computational neuroscience?
作者：Paul King

计算神经科学与系统神经科学的区别

系统神经科学研究系统，比如视觉感知系统（光线的输入传输至大脑皮层）。它总的来说是从总体上试图描述神经科学的基础情况：比如对于单/多神经系统中细胞和分子功能的研究，且通常和行为/认知神经科学有很大相关。

不过认知神经科学的目的是解释“大脑的生理机能”——比如，记忆在大脑中是怎么实现的。
系统神经科学旨在解释大脑如何工作——比如，大脑如何得到一幅视觉图像。

再说到计算神经科学（computational neuroscience)根本上是一门用计算机实现的数学学科。他用于模拟（延伸到理论神经科学范畴）和在电子计算机上实现生物体内外的发现。也涵盖了或多或少基于实验数据而提炼出的的抽象规律。一般来讲，它的初始参数是基于基础神经科学的发现，从而实现基于神经元功能机制的生理模型。然而，简化后非现实的模型现在更常被应用于神经网络模型（计算机领域）。而这些模型与计算机科学交互，特别是AI和机器学习领域。

神经科学是一个广阔的领域，并且对于不同领域的交流有着很强的需求。不光是通过计算神经科学，也要通过神经信息学：

来自于神经科学的数据呈指数增长，意味着计算方法对于理解这些信息至关重要，要能够处理并比较在不同时间生成的、大规模信息（比如突触与遗传变化的对比），并建立理论模型、对其进行分析/整合。因此，量化理论神经科学必须逐渐与主流实验神经科学整合。European Brain Council Consensus Statement - March 2016

（CC BY-SA 3.0协议）

计算神经科学和理论神经科学的区别

这两个领域（计算神经科学和理论神经科学）很相似并且有很多重叠的部分。
两个领域都试图理解大脑是如何工作的，且都广泛使用了数学和计算机模拟来将模型与实验数据拟合。
而主要的区别为：

• 计算神经科学更多地专注于对神经生物学中的具体效应进行模拟并建模（有时还会用数学解释来理解模型是怎样生效的）。比如建立一个小脑或基底神经节中神经回路的计算模型。对此，计算神经科学领域一个典型的问题会是“基底神经节强化学习回路是怎么工作的？”
  该领域的主要年度会议是计算神经科学学会会议（the Computational Neuroscience Society meeting)。
• 理论神经科学的目标是理解大脑工作的核心原理。理论神经科学中提出的概念和模型使用了大量的数学，特别是概率和统计。同时也对信息理论以及优化和最优解法的想法进行了许多讨论。举例来说，在理论神经科学领域一个典型的问题或许会是“视觉系统的编码策略是怎样的？以及为什么是这样的？”
  该领域的主要年度会议是计算与系统神经科学大会(Cosyne）和神经信息处理系统大会（NIPS-Neural Information Processing Systems）。