[發明專利]一種基于即時編譯的神經動力學仿真方法及裝置

有效

• 申請號: 202110180686.7
• 申請日: 2021-02-08
• 公開（公告）號: CN112966433B
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 王超名;吳思
• 申請（專利權）人: 北京大學;北京智源人工智能研究院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/06;G06F17/13;G06F8/41
• 代理公司: 北京汲智翼成知識產權代理事務所(普通合伙) 11381
• 代理人: 陳曦;任佳

1.一種基于即時編譯的神經動力學仿真方法，其特征在于包括如下步驟：

步驟S1、在高級編程語言中設置神經動力學模型所需的模型支持，并構建所述神經動力學模型的相關更新函數；

步驟S2、根據所述神經動力學模型的相關更新函數、預設連接規則和神經元群之間突觸連接的基本信息，構建所述神經動力學模型；

步驟S3、使用即時編譯方法對構建好的神經動力學模型進行動力學模擬，或者基于抽象語言樹解析對構建好的神經動力學模型進行動力學分析，并按要求輸出相應的結果，

其中，使用即時編譯方法對構建好的神經動力學模型進行動力學模擬，包括如下步驟：包括以下子步驟：

步驟S31、在對構建好的神經動力學模型進行動力學模擬仿真時，將高級編程語言運行時生成的字節碼轉換為LLVM中間表示步驟S32、使用LLVM/NVVM即時編譯引擎編譯生成目標平臺兼容的機器碼，并保存于緩存中；

步驟S33、運行所述神經動力學模型時，從緩存中調用并執行編譯后的機器碼，

所述神經動力學模型的動力學分析，包括如下步驟：

步驟S34、對待分析神經動力學模型使用抽象語言樹解析代碼定義的函數dx＝f(x)，并將其轉換為計算機代數系統支持的函數f(x)，其中，x表示用戶所需創建的神經動力學模型中神經元或突觸的狀態變量，f(x)表示用戶所需創建的神經動力學模型中神經元或突觸的狀態變量的函數值；

步驟S35、使用計算機代數系統解出函數f(x)＝0的解，若成功，則得到其不動點的值

若不成功，則使用迭代優化的方法解出其不動點值

步驟S36、在不動點附近做微擾，得到其偏導數以判斷所述不動點的穩定性，δ表示偏移精度。

2.如權利要求1所述的基于即時編譯的神經動力學仿真方法，其特征在于：

所述相關更新函數是指所述神經動力學模型中，每個神經元和突觸的更新函數；

對于微分方程為常微分方程時，構建每個神經元或突觸的更新函數時，計算每個神經元或突觸的各個微分方程分別從上一時刻～下一時刻的神經元或突觸的狀態變量的函數值，并分別調用每個微分方程得到的神經元或突觸的狀態變量的函數進行積分操作后，整合成一個積分函數，作為每個神經元或突觸的更新函數；

對于所述微分方程為隨機微分方程時，構建每個神經元或突觸的更新函數時，計算每個神經元或突觸的各個微分方程分別從上一時刻～下一時刻的神經元或突觸的狀態變量的函數值與隨機函數值，并分別調用每個微分方程得到的神經元的狀態變量的函數與隨機函數進行積分操作后，整合成一個積分函數，作為每個神經元或突觸的更新函數。

3.如權利要求2所述的基于即時編譯的神經動力學仿真方法，其特征在于：

當所述微分方程為常微分方程時，對任意一個所述微分方程進行積分操作的實現方式為：

定義神經元或突觸的狀態變量以及狀態變量函數相關的其他一些參數或變量；

計算t時刻神經元或突觸的狀態變量的函數值；

將t時刻～t+1時刻的神經元或突觸的狀態變量的函數值疊加后，調用該微分方程得到的神經元或突觸的狀態變量的函數進行積分操作。

4.如權利要求2所述的基于即時編譯的神經動力學仿真方法，其特征在于：

當所述微分方程為隨機微分方程時，對任意一個所述微分方程進行積分操作的實現方式為：

定義神經元或突觸的狀態變量以及狀態變量函數相關的其他一些參數或變量；

計算t時刻神經元或突觸的狀態變量的函數值與隨機函數值；

將t時刻～t+1時刻的神經元或突觸的狀態變量的函數值疊加后，調用所述微分方程得到的神經元或突觸的狀態變量的函數進行積分操作，同時將t時刻～t+1時刻的神經元或突觸的狀態變量的隨機函數值疊加后，調用所述微分方程得到的神經元或突觸的狀態變量的隨機函數進行積分操作。

5.如權利要求2所述的基于即時編譯的神經動力學仿真方法，其特征在于構建所述神經動力學模型包括如下步驟：

步驟S22、分別設置神經元模型、突觸模型和神經元群的基本信息；

步驟S23、根據預設連接規則和神經元群之間突觸連接的基本信息，構建神經動力學模型。