Functional Whole Brain Models Fwbm

---
name: functional-whole-brain-models-fwbm
description: Functional Whole-Brain Models (fWBMs) — unified framework integrating structural/dynamical realism with functional competence
last_updated: 2026-06-11
paper_id: arXiv:2605.18118
paper_date: 2026-05-18
authors: Mario Senden, Leonardo Dalla Porta, Jan Fousek, Jorge F. Mejias, Gorka Zamora-López
category: neuroscience
tags: [neuroscience, brain-modeling, whole-brain-models, neuroconnectionism, cognitive-function]
---

# Functional Whole-Brain Models (fWBMs)

## Overview

功能全脑模型（fWBMs）是一种统一建模范式，整合了结构真实性和动力学真实性，同时具备执行认知任务的能力。

## Problem Context

当代计算神经科学有两个主要建模传统：

1. **自下而上的全脑建模（WBM）**：构建生物物理详细的脑结构和动力学模拟
   - ✅ 结构和动力学真实性高
   - ❌ 缺乏功能能力
   
2. **自上而下的神经连接主义**：优化深度神经网络的功能性能
   - ✅ 功能能力强
   - ❌ 生物基础有限

## Solution: fWBMs Framework

### Four Minimal Criteria

fWBMs 由四个最小标准定义：

1. **结构基础**：基于经验连接组和区域生物学
   - 使用 DTI、fMRI 等影像数据构建连接组
   - 整合区域特异性（细胞类型、密度、受体分布）
   
2. **连续时间动力学真实性**：
   - 遵循神经动力学基本原理
   - 维持兴奋-抑制平衡
   - 支持多种时间尺度（快速振荡、慢速适应）
   
3. **功能能力**：跨认知域的任务执行
   - 感知、决策、记忆、运动控制
   - 可训练和可优化
   - 支持任务切换和持续学习
   
4. **可映射观察数据**：
   - 神经影像（fMRI、PET）
   - 电生理（EEG、MEG、iEEG）
   - 行为数据（反应时间、准确率）

### Three-Pillar Roadmap

**短期目标（1-3年）**：
- 基础设施：数据集成、工具开发
- 建立基准测试和评估标准
- 开发开源框架和 API

**中期目标（3-5年）**：
- 跨尺度模型整合（分子→网络→系统）
- 临床应用：疾病诊断、治疗预测
- 教育培训：标准化课程和认证

**长期目标（5-10年）**：
- 完整认知功能模拟
- 实时脑状态预测和干预
- 个人化脑模型（数字孪生）

## Scientific Opportunities

### Research Applications

- **认知神经科学**：理解认知功能的神经基础
- **临床神经科学**：神经疾病机制和治疗预测
- **计算神经科学**：统一建模语言和跨尺度假设
- **人工智能**：生物启发的认知架构

## Key Insights

### Integration Challenge

- WBM 和神经连接主义的互补性
- 结构真实性与功能能力的平衡
- 多尺度动力学的一致性

### Practical Considerations

- 数据可用性和质量限制
- 计算资源需求
- 模型复杂度与可解释性权衡

## Activation Triggers

Use this skill when:
- 需要整合结构和功能脑建模
- 研究跨尺度神经动力学
- 开发认知功能模拟系统
- 设计临床应用脑模型

**Keywords**: fWBMs, whole-brain modeling, neuroconnectionism, cognitive function, connectome, structural grounding

## References

- Senden et al. (2026). arXiv:2605.18118