摘要：时空动力学系统的精准预测对于减轻自然灾害、维护健康和早期诊断脑疾病至关重要。然而，这些系统普遍存在机制复杂、数据量庞大和高维度的挑战，使得简单理论难以胜任。一方面，我们基于Hopf全脑模型提出了一种基于功能磁共振BOLD信号的自适应全脑动力学拟合方法。该方法在区分重度抑郁症（MDDs）和自闭症（ASDs）患者与健康人群时，展现出超越传统方法的准确性。另一方面，我们采用储备池计算技术，突破性地实现了对孤子和复杂时空混沌系统的预测，并借助稀疏测量信号校正技术，实现了长期预测，并且进一步研究了储备池作为动力学联想记忆网络时系统的鲁棒性问题。

个人简介：蒋俊杰，西安交通大学特聘研究员，博士生导师，2014年兰州大学获得理论物理学士，2020年美国亚利桑那州立大学获得电气工程博士。美国纽约大学神经科学中心计算神经科学方向博士后。目前主要从事计算神经科学、非线性动力学和复杂系统理论与脑科学交叉、嗅觉脑机接口等方面的研究。