Carlo V. Cannistraci Prof. PhD. Eng.
周亚辉讲席教授
清华大学脑与智能实验室首席研究员
清华大学脑与智能实验室复杂网络智能中心主任
任职于清华大学心理与认知科学系
清华大学计算机科学与技术系兼职教授
清华大学生物医学工程系
If Physics studies the principles and mechanisms of the outside universe.
Brain science studies the principles and mechanisms of the inside universe.
My research is at the interface between these two disciplines.
I deal with "Physics and Engineering of Complexity and Intelligence"
Carlo Vittorio Cannistraci Carlo Vittorio CaCarlo Vittorio Cannistraci
个人介绍与科研使命
Carlo Vittorio Cannistraci 教授是一位理论工程学家和计算科学创新者，主要从事复杂网络智能（Complex Network Intelligence）研究。该领域是一门交叉学科，融合了复杂系统、网络科学与人工智能。其研究的核心理念是：智能从根本上而言是有组织连接所呈现的一种属性。系统中的基本单元如何相互连接、重组和交互，其重要性并不亚于这些基本单元本身。
Cannistraci 教授的研究工作涵盖复杂网络连接模式与几何结构建模、脑启发稀疏人工智能以及神经形态计算等方向，并持续探索自然系统与人工系统中“连接结构如何塑造智能”这一基本科学问题。从复杂网络的组织规律与几何特征，到网络结构如何影响学习、计算和智能产生，其科研发展始终围绕这一核心思想展开。
目前，Cannistraci 教授在清华大学主要开展脑启发稀疏网络智能（brain-inspired sparse network intelligence）研究。其核心目标是建立面向新一代人工智能的基础理论和计算原理，使网络结构本身成为智能、适应性与计算效率的重要来源。不同于将网络架构视为学习过程中的固定载体，他的研究重点关注：稀疏性、网络拓扑以及学习动力学如何协同组织计算，使人工智能系统不仅能够学习模型参数，还能够学习信息流动所依赖的网络结构本身。这一研究思路受到自然智能系统的启发。在生物智能中，高水平计算能力往往产生于高度选择性、结构化且具有适应性的连接模式。通过揭示这些基本组织原则，Cannistraci 教授及其团队致力于建立新的人工智能理论基础，使人工智能系统能够在显著降低能源、存储、数据和计算资源需求的同时保持较高性能。因此，高效并非单纯依赖更强大的计算资源，而可以成为更优网络组织方式所带来的自然结果——通过更有意义、更合理的结构实现更高水平的智能。
Cannistraci 教授的研究具有显著的跨学科特征。目前，他担任清华大学脑与智能实验室（THBI）及心理与认知科学系周亚辉讲席教授，同时担任清华大学计算机科学与技术系兼职教授，并与清华大学生物医学工程学院保持学术合作与研究联系。他是清华大学脑与智能实验室复杂网络智能研究中心（Center for Complex Network Intelligence，CCNI）的创始人和主任。CCNI 聚焦信息科学、复杂系统物理学、网络科学与机器智能交叉领域的基础理论和前沿计算方法研究，尤其关注脑启发计算与生命启发计算。相关研究成果从基础理论进一步延伸至精准生物医学、神经科学以及社会与经济系统等应用领域。贯穿这些不同研究方向的核心科学问题始终是：复杂自然系统的组织规律如何揭示新的智能原理，并进一步启发更强大、更具适应性和更加可持续的人工计算模式
CCNI当前科研挑战：面向下一代高效、可持续人工智能的脑网络启发计算
人脑能够完成学习、感知和推理等复杂认知活动，而其代谢功耗仅约为 20瓦。相比之下，当前大型语言模型的训练可能需要兆瓦级（MW）计算基础设施，而随着前沿人工智能持续发展，其所依赖的数据中心和算力基础设施的电力容量正在逐步迈向吉瓦级（GW）。这一巨大差异充分体现出生物智能在能量效率方面的卓越优势。脑启发网络科学有望为设计低功耗、高效率的深度学习系统提供新的理论路径。面向未来人工智能的发展，需要建立更加生态化、可持续的人工智能理论和计算范式，而其中一部分新的计算思想可以直接受到人脑及其复杂系统生物学机制的启发。
在复杂网络智能研究中心（CCNI），团队目前重点研究三类可用于提升计算效率的关键脑网络特征：稀疏连接（connectivity sparsity）、连接形态（connectivity morphology）以及神经元—胶质细胞耦合（neuro-glia coupling）。
一、稀疏连接
围绕脑网络中的稀疏连接机制，团队近期发表了以下四项代表性研究成果：
1.Epitopological Learning and Cannistraci-Hebb Network Shape Intelligence: Brain-Inspired Theory for Ultra-Sparse Advantage in Deep Learning
第十二届国际学习表征会议（ICLR 2024）
2.Brain Network Science Modelling of Sparse Neural Networks Enables Transformers and LLMs to Perform as Fully Connected
第三十九届神经信息处理系统大会（NeurIPS 2025）
3.Adaptive Cannistraci-Hebb Network Automata Modelling of Complex Networks for Path-based Link Prediction
第三十九届神经信息处理系统大会（NeurIPS 2025）
4.Cannistraci-Hebb Training on Ultra-Sparse Spiking Neural Networks
第十四届国际学习表征会议（ICLR 2026）
二、稀疏连接形态
围绕稀疏连接形态及神经形态计算，团队近期发表了以下两项代表性成果：
1.Neuromorphic Dendritic Network Computation with Silent Synapses for Visual Motion Perception
Nature Electronics，2024
2.Artificial Neurons Beyond Spikes: Neuromorphic Systems
Nature Electronics，2025
三、神经元—胶质细胞耦合
在神经元—胶质细胞耦合（neuro-glia coupling）方向，CCNI 正在开展相关研究，目前相关成果正在推进中，并计划于近期发表。
CCNI的研究策略
上图是复杂网络智能中心（CCNI）的组织结构图。该图表阐明了复杂网络智能中心研究工作的主要战略，以及该战略如何影响我们感兴趣的理论和应用科学课题。理论课题（对提供应用课题的新解决方案至关重要）和应用课题（对提出新问题和引发理论研究创新起着不可或缺的作用）之间存在着明显的相互关系。
CCNI的研究方向
CCNI采用了一种跨学科的方法，将信息论、机器智能和网络科学结合起来，研究从分子到生态和社会经济系统筹不同规模的复杂交互系统的自适应过程。利用这些知识来创建新型、更高效的人工智能算法，并对隐藏在数据、信号和图像中的模式进行高级分析。我们的理论研究是为了将理论物理学中典型采用的高级数学范式(如拓扑和流形理论)转化为特征化定量生命科学中的多体相互作用。我们应用我们发明的理论框架，为系统和网络生物学、个性化生物医学和组合药物治疗、社会和经济数据科学开发计算工具。
可塑性现象——比如重塑、生长和进化——改变了复杂生命系统的拓扑结构、它们的内部状态以及它们以网络或高维数据集形式的多维表示。我们的理论使命是阐明构成这种结构可塑性的一般规则和机制，这种结构可塑性是生物学习和记忆过程的基础。特别是我们开发了自 适应和自组织学习系统的拓扑分析方法，如蛋白质相互作用和分子水平的细菌-代谢物网络，以及细胞水平的大脑网络。
在神经科学中，我们感兴趣的是大脑网络如何在突触和功能水平上连接，以调节学习过程。并且，在分子途径的尺度上，我们试图识别网络模式，这可能表明哪些损坏的功能模块负责神经退行性疾病的记忆畸变。由于发育生物学模型可以显著启发再生和退化的一般范式，我们研究了正常和癌症条件下组织分化的调节模式。
在翻译和网络医学方面，我们的使命是采用先进的机器学习和网络科学方法，整合分子网络和组学图谱，以定义个性化治疗计划和个性化药物治疗。此外，由于心血管系统是一个自适应复杂系统的范例，我们应用我们的模式识别算法来探索心血管患者的正常/病理状态。
最后，由于CCNI的目标是研究生命系统的复杂性及其跨尺度适应机制，我们与生态、社会和经济科学领域的专家合作，将我们的算法应用于他们的数据，并揭示从分子和细胞到微生物和动物(包括人类)的生命物质是否具有自组织的广义规则特征。
教育背景
·2010年，毕业于意大利跨理工大学博士学院（Italian Inter-polytechnic School of Doctorate，联合都灵、米兰和巴里三地理工院校），获博士学位。
·2005年，毕业于意大利米兰理工大学（Politecnico di Milano），获硕士学位。
过往任职
·2019–2021年，德国德累斯顿工业大学（Technische Universität Dresden, TUD）分子与细胞生物工程中心（CMCB）生物技术中心（BIOTEC），终身教职独立课题组负责人（Principal Investigator, Tenured）
·2014–2018年，德国德累斯顿工业大学（TUD）分子与细胞生物工程中心（CMCB）生物技术中心（BIOTEC），准聘长聘独立课题组负责人（Principal Investigator, Tenure-track）
·2013年，沙特阿拉伯吉达阿卜杜拉国王科技大学（King Abdullah University of Science and Technology, KAUST），研究科学家（Research Scientist）
·2010–2012年，沙特阿拉伯吉达阿卜杜拉国王科技大学（KAUST），博士后研究员（Postdoctoral Researcher）
·2009年，美国加利福尼亚大学圣迭戈分校（University of California, San Diego, UCSD），访问学者（Visiting Scholar）
·2006–2010年，意大利米兰圣拉斐尔科学研究所（San Raffaele Scientific Institute），研究员（Research Fellow）
·2005–2006年，意大利米兰意大利国家研究委员会生物医学工程研究所（Biomedical Engineering Institute, Italian National Research Council，ISIB-CNR 米兰分部），研究员（Research Fellow）
研究成果
人工智能、网络科学与复杂系统物理
A Generalized Geometric Theoretical Framework of Centroid Discriminant Analysis for Linear Classification of Multi-dimensional Data
Y Wu, J Zhao, CV Cannistraci
The fourteenth International Conference on Learning Representations (ICLR) 2026
Latent Geometry-Driven Network Automata for Complex Network Dismantling T Adler, M Grassia, Z Liao, G Mangioni, CV Cannistraci
The fourteenth International Conference on Learning Representations (ICLR) 2026.
Cannistraci-Hebb Training on Ultra-Sparse Spiking Neural Networks Y Hua, J Zhang, Y Zhang, W Gu, L You, B Xiong, CV Cannistraci*, H Chen*
The fourteenth International Conference on Learning Representations (ICLR) 2026.
Alignment-Enhanced Integration of Connectivity and Spectral Sparsity in Dynamic Sparse Training of LLM W Wu, Y Zhang, J Zhao, CV Cannistraci
The fourteenth International Conference on Learning Representations (ICLR) 2026.
A generalized logistic-logit function and its application to multi-layer perceptron and neuron segmentation
W Gu, Y Zhang, A Muscoloni, CV Cannistraci
Frontiers in Artificial Intelligence 9, 1785867, 2026
Artificial neurons beyond spikes: Neuromorphic systems
CV Cannistraci, E Baek
Nature Electronics 2025
Brain network science modelling of sparse neural networks enables Transformers and LLMs to perform as fully connected Y Zhang, D Cerretti, J Zhao, W Wu, Z Liao, U Michieli, CV Cannistraci
The Thirty-Ninth Annual Conference on Neural Information Processing Systems (NeurIPS) 2025
Adaptive Cannistraci-Hebb Network Automata Modelling of Complex Networks for Path-based Link Prediction J Zhao, A Muscoloni, U Michieli, Y Zhang, CV Cannistraci
The Thirty-Ninth Annual Conference on Neural Information Processing Systems (NeurIPS) 2025
Sparse Spectral Training and Inference on Euclidean and Hyperbolic Neural Networks
J Zhao, Y Zhang, X Li, H Liu, CV Cannistraci
Forty-second International Conference on Machine Learning, 2025 (ICML25)
Pivoting Factorization: A Compact Meta Low-Rank Representation of Sparsity for Efficient Inference in Large Language Models
J Zhao, Y Zhang, CV Cannistraci
Forty-second International Conference on Machine Learning, 2025 (ICML25)
Neuromorphic Dendritic Computation with Silent Synapses for Visual Motion Perception
Eunye Baek, Sen Song, Zong Rong, Luping Shi, Carlo Vittorio Cannistraci
Nature Electronics, 2024
Epitopological learning and Cannistraci-Hebb network shape intelligence brain-inspired theory for ultra-sparse advantage in deep learning
Yingtao Zhang, Jialin Zhao, Wenjing Wu, Alessandro Muscoloni, Carlo Vittorio Cannistraci
The Twelfth International Conference on Learning Representations (ICLR) 2024
Plug-and-Play: An Efficient Post-training Pruning Method for Large Language Models
Yingtao Zhang, Haoli Bai, Haokun Lin, Jialin Zhao, Lu Hou, Carlo Vittorio Cannistraci
The Twelfth International Conference on Learning Representations (ICLR) 2024
Stealing fire or stacking knowledge’ by machine intelligence to model link prediction in complex networks
Alessandro Muscoloni and Carlo Vittorio Cannistraci
iScience, 2023
Geometrical congruence, greedy navigability and myopic transfer in complex networks and brain connectomes
Carlo Vittorio Cannistraci and Alessandro Muscoloni
Nature Communications, 2022
Nonlinear machine learning pattern recognition and bacteria-metabolite multilayer network analysis of perturbed gastric microbiome
Claudio Duran, …, Giovanni Gasbarrini, Antonio Gasbarrini & Carlo Vittorio Cannistraci
Nature Communications, 2021
Modular gateway-ness connectivity and structural core organization in maritime network science
Mengqiao Xu, Qian Pan, Alessandro Muscoloni, Haoxiang Xia & Carlo Vittorio Cannistraci
Nature Communications, 2020
Intrinsic plasticity of silicon nanowire neurotransistors for dynamic memory and learning functions
Eunhye Baek, Nikhil Ranjan Das, Carlo Vittorio Cannistraci, … & Gianaurelio Cuniberti
Nature Electronics, 2020
Navigability evaluation of complex networks by greedy routing efficiency
Alessandro Muscoloni & Carlo Vittorio Cannistraci
Proceedings of the National Academy of Sciences, 2019
A nonuniform popularity-similarity optimization (nPSO) model to efficiently generate realistic complex networks with communities
Alessandro Muscoloni & Carlo Vittorio Cannistraci
New Journal of Physics, 2018
Machine learning meets complex networks via coalescent embedding in the hyperbolic space
Alessandro Muscoloni, … , Ginestra Bianconi & Carlo Vittorio Cannistraci
Nature Communications, 2017
Common neighbours and the local-community-paradigm for topological link prediction in bipartite networks
Simone Daminelli, Josephine Maria Thomas, Claudio Durán & Carlo Vittorio Cannistraci
New Journal of Physics, 2015
From link-prediction in brain connectomes and protein interactomes to the local-community-paradigm in complex networks
Carlo Vittorio Cannistraci, Gregorio Alanis-Lobato, Timothy Ravasi
Scientific reports, 2013
计算生物医学与神经科学
Hyperpathway: visualizing organization of pathway-molecule enriched interactions in omics studies via hyperbolic bipartite network embedding
I Abdelhamid, Z Liao, Y Liu, A Lefebvre, A Acevedo, CV Cannistraci
npj Systems Biology and Applications 2026
Frequency-specific intermuscular coherence of synergistic muscles during an isometric force generation task
D Borzelli, A Cacciola, CV Cannistraci, A Alito, D Milardi, A d’Avella
Frontiers in Neural Circuits 19, 1675012, 2025
De novo identification of universal cell mechanics regulators
M Urbanska, Y Ge, M Winzi, ..., Carlo Vittorio Cannistraci, Jochen Guck.
Elife, 2025
Spatial Reconstruction of Oligo and Single Cells by De Novo Coalescent Embedding of Transcriptomic Networks
Y Zhao, S Zhang, J Xu, Y Yu, G Peng, CV Cannistraci, JDJ Han
Advanced Science, 2023
Prevalence, Characteristics, and Outcomes of COVID-19–Associated Acute Myocarditis
E Ammirati, L Lupi, M Palazzini, NS Hendren, JL Grodin, CV Cannistraci, …, Marco Metra
Circulation, 2022
Proprotein convertase subtilisin/kexin 9 (PCSK9) promotes macrophage activation via LDL receptor-independent mechanisms
Shunsuke Katsuki, ... , Carlo V. Cannistraci, ... , Masanori Aikawa
Circulation Research, 2022
Three-dimensional facial-image analysis to predict heterogeneity of the human ageing rate and the impact of lifestyle
Xian Xia, … , Carlo Vittorio Cannistraci, Yong Zhou & Jing-Dong J Han.
Nature Metabolism, 2020
Machine learning of human plasma lipidomes for obesity estimation in a large population cohort
Mathias J Gerl, ... , Carlo Vittorio Cannistraci and Kai Simons
Plos Biology, 2019
Pioneering topological methods for network-based drug–target prediction by exploiting a brain-network self-organization theory
Claudio Durán, Simone Daminelli, ..., & Carlo Vittorio Cannistraci
Briefings in Bioinformatics, 2018
A promoter-level mammalian expression atlas
Fantom Consortium (including Carlo Vittorio Cannistraci)
Nature, 2014
Differential roles of epigenetic changes and Foxp3 expression in regulatory T cell-specific transcriptional regulation
Fantom Consortium (including Carlo Vittorio Cannistraci)
Proceedings of the National Academy of Sciences, 2014
Minimum curvilinearity to enhance topological prediction of protein interactions by network embedding
Carlo Vittorio Cannistraci, Gregorio Alanis-Lobato, Timothy Ravasi
Bioinformatics, 2013
Identification and Predictive Value of Interleukin-6+ Interleukin-10+ and Interleukin-6− Interleukin-10+ Cytokine Patterns in ST-Elevation Acute Myocardial Infarction
Enrico Ammirati^, Carlo Vittorio Cannistraci^, … & Attilio Maseri
Circulation Research, 2012 (共同第一作者)
Nonlinear dimension reduction and clustering by Minimum Curvilinearity unfold neuropathic pain and tissue embryological classes
CV Cannistraci, T Ravasi, FM Montevecchi, T Ideker, M Alessio
Bioinformatics, 2010
An atlas of combinatorial transcriptional regulation in mouse and man
Timoty Ravasi^, Harukazu Suzuki^, Carlo Vittorio Cannistraci^, et al.
Cell, 2010 (共同第一作者)
荣誉和获奖情况
·2026年，作为优秀外国专家参加与中国国务院总理的座谈交流活动
·2025年，获国家自然科学基金外国资深学者研究基金项目（NSFC RFIS-III）。
·2025年，获 HICOOL 全球创业大赛三等奖。
·2021年，获聘清华大学周亚辉冠名教授（Zhou Yahui Chair Professor）。
·2021年，获国家高层次人才计划（资深科学家）。
·2019年，获上海市“千人计划”。
·2016年，获德国德累斯顿工业大学（Technische Universität Dresden, TUD）物理学青年研究员奖（Young Investigator Award in Physics）。
荣誉和获奖情况学术报告与特邀
Cannistraci 教授曾在国内外重要学术会议及科研机构作学术报告 80余场，其中多次受邀担任特邀报告人（Invited Speaker）、大会主旨报告人（Keynote Speaker）及大会特邀报告人（Plenary Speaker）。近年来具有代表性的学术报告包括：
·2026年6月16–19日，受邀担任 AI4X–Accelerate Conference 2026 大会特邀报告人（Plenary Speaker）。会议由新加坡国立大学功能智能材料研究所（Institute for Functional Intelligent Materials, I-FIM）与多伦多大学 Acceleration Consortium联合主办，于新加坡 Raffles City Convention Centre 举行。
·2026年3月13日，受邀访问美国麻省理工学院（Massachusetts Institute of Technology, MIT），在美国国家科学基金会人工智能与基本相互作用研究所（NSF AI Institute for Artificial Intelligence and Fundamental Interactions, IAIFI）作公开学术报告。IAIFI 是美国国家科学基金会首批设立的人工智能研究所之一，重点开展人工智能与物理学（AI + Physics）交叉前沿研究。
报告视频：https://www.youtube.com/watch?v=yq9_VkCkhAI
·2026年3月19日，受邀在德国图宾根马克斯·普朗克智能系统研究所（Max Planck Institute for Intelligent Systems, MPI-IS）作学术报告，由 Shiwei Liu 博士邀请。
·2026年3月16日，受邀在美国波士顿东北大学网络科学研究所（Network Science Institute, Northeastern University）作学术报告，由国际著名网络科学家 Albert-László Barabási 教授邀请。
·2025年12月12–13日，在北京举行的 Nature Conference “Exploring the Frontiers of Brain Science and Brain-Inspired Intelligence”担任大会主旨报告人（Keynote Speaker）。
·2024年12月5日，在清华大学举行的 TEDxTHU 2024 活动中担任主旨演讲嘉宾（Keynote Speaker）。
演讲视频：https://www.youtube.com/watch?v=pzkctDSZn8g
·2024年10月13–16日，受邀参加在北京举行的第二届 Nature 神经形态计算大会（2nd Nature Conference on Neuromorphic Computing）并作特邀报告。
学术会议与活动组织
Cannistraci 教授及其研究团队组织发起了人工智能网络科学专题卫星会议（Satellite on Network Science for Artificial Intelligence），主题为：“Network Science Informs AI”。会议主页：https://network-science-ai.github.io/ 该专题卫星会议经网络科学学会（Network Science Society）遴选，正式纳入 NetSci 2026 大会。NetSci 2026 是网络科学学会举办的第20届旗舰国际会议，也是全球网络科学领域的重要国际学术会议之一。
CCNI毕业生
张英韬（Yingtao Zhang），博士，2022–2026
博士学位论文：《面向大语言模型稀疏化方法的研究》Research on Sparsification Methods for Large Language Models
Diego Cerretti，硕士，2024–2026
硕士学位论文：《人工神经网络稀疏性的脑网络科学建模》Brain Network Science Modelling of Sparsity in Artificial Neural Networks
联系方式
电子邮箱：kalokagathos.agon@gmail.com；kailong@mail.tsinghua.edu.cn
办公地址：北京市海淀区清华大学吕大龙楼5层512,503
办公电话：+86-10-62786624
