开展生命、生态系统的理论研究，特别是计算神经科学研究，基于实验观察，建立具有特定功能的神经元网络，从复杂性的角度研究大脑认知和学习过程的自组织行为，理解脑神经回路的发育形成机制，探讨学习过程中的涌现和自组织，并为进一步揭示脑机制的实验设计提供建议。

经济、生态、环境耦合演化：

新陈代谢是生物体的明显特征之一，生态系统中的各个物种之间又通过能量流的代谢循环相互联系形成一个统一的网络。代谢生态学、生态中性理论发现，这些能量流在生物个体以及生态群落之上的分布存在着明显的统计特征。我们的研究主要将食物网看作一个能量输运网络，并采用复杂网络、马尔科夫链模型来研究此输运网络的各种宏观特征。另一方面，我们还在积极尝试将生态系统中的异速生长律、物种多样性的中性理论推广到食物网、城市、国家等各种复杂系统之中。

学习与大脑动力学：

学习在行为表现为从不会到会的过程，或者是行为表现的改善和迁移。学习是认知功能状态的改变。在神经元的层次上包括了神经元活动能力和相互作用的改变，例如神经元的适应性，突触强度的改变(如STDP，Hebian可塑性)，或者是神经递质释放水平改变（如DA）等。基于神经电生理和心理物理实验的数据，构建神经元的网络，研究学习过程中的动力学现象。 ——

计算神经科学：

基于实验观测数据，利用数学物理模型，揭示神经系统各种复杂现象和功能，例如神经系统中的振荡、高级认知功能如决策、风险感知、记忆甚至包括情感等背后的核心机制。计算神经科学的发展是建立钱学森先生提出的思维科学的重要方面。我们通过神经元网络模型展示了多项空间工作记忆由兴奋性连接的广度和强度调节，并发现工作记忆混淆的一种机制；利用发放率模型揭示了神经系统动力学系统存在的鞍点结构是完成多项选择的基础，并且揭示了系统初态和鞍点附近的动力学共同决定多项决策的时间特点。