主要研究方向为人工智能与脑科学的交叉赋能，促进生物神经网络和人工神经网络的交叉融合。通过人工智能加速脑研究的科学发现；利用人工智能算法采集，处理，分析，理解大规模高维多模态的脑数据，在神经元以及其连接突触的单细胞尺度级别上理解大脑编码，计算和学习的新机制，将打造脑科学与人工智能交叉的新范式，为加速脑科学研究、脑机接口和类脑智能研发提供技术支撑。

在Nature Methods、NeurIPS、ICLR、ICML、CVPR、Cosyne等人工智能和计算神经等会议期刊发表多篇著作。研究成果曾被麻省理工学院新闻（MIT News）和福布斯等采访报道。曾获得多项荣誉，包括EECS Rising Star, Shanahan Fellowship, Mathwork Fellowship, Most Creative Applications of Al等。

在脑科学研究中得到广泛关注和应用，被近年来多篇发表在Nature及其子刊的多篇文章引用。与清华大学、哈佛大学、麻省理工学院、华盛顿大学、艾伦脑科学研究所等顶尖高校和科研机构中脑科学研究学者开展广泛合作。

代表性研究工作主要以人工智能为工具，针对脑科学中的关键问题提出基于人工智能的跨学科创新方案，将打造脑科学与人工智能交叉的新范式，为加速脑科学研究、脑机接口和类脑智能研发提供技术支撑。

工作贡献主要包括：

1、人工智能赋能脑科学的基础模型与智能体框架加速科学发现；

2、脑科学赋能人工智能的类脑算法与模型；

3、脑机接口平台和双向闭环脑机解码控制