[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

本發明公開了一種基于即時編譯的神經動力學仿真方法及裝置。該仿真方法包括如下步驟：在高級編程語言中設置神經動力學模型所需的模型支持，并構建神經動力學模型的相關更新函數；根據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，構建神經動力學模型；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。利用本發明，能夠有效地滿足神經動力學仿真編程中用戶的易學易用、靈活透明、模擬分析一體化和運行高效的基本需求。

技術領域

本發明涉及一種基于即時編譯的神經動力學仿真方法，同時也涉及相應的神經動力學仿真裝置，屬于計算神經科學技術領域。

背景技術

計算神經科學是一門迅猛發展的高度交叉的新學科，其目標是使用神經動力學模型對生物大腦進行建模，以便于對大腦的工作原理進行模擬和分析。同時，該門學科也為人工智能的發展提供了新的思想和模型，其起到了腦科學與類腦智能之間的橋梁作用。

當前主流的神經動力學仿真平臺有NEURON、NEST、BRIAN2。NEURON和NEST提供了Python編程語言的接口，允許用戶直接調用預定義的內置神經動力學模型。然而，一旦用戶需要自定義神經動力學模型，就需要學習底層C++/SLI/Hoc等編程語言。因此用戶的學習成本較高，并嚴重限制了神經動力學模型自定義的靈活性。

BRIAN2提供了一種字符串編程的方法。允許用戶輸入字符串來定義滿足神經動力學仿真方法假設的神經元或突觸模型，再據此生成C++代碼。通過這種方式，用戶可基于BRIAN2方便快捷地定義神經動力學模型，并獲得較好的仿真速度。這種被稱為“生成代碼”(Code Generation)的方法目前取得了巨大的成功，但依然存在著本質的局限性。首先，字符串編程實質上是偽編程，它嚴重地限制了編程原有的可操作性和表現力。其次，字符串編程使得用戶難以進行調試，加之，生成的代碼對用戶隱藏，生成代碼的邏輯對用戶不透明，用戶不清楚神經動力學仿真方法是否生成了自己想要的代碼邏輯，并且一旦發現錯誤后用戶根本無法糾正代碼。不僅如此，當前神經動力學仿真方法無法提供任何動力學分析的工具，用戶進行動力學分析往往陷入尷尬的境地。

發明內容

本發明所要解決的首要技術問題在于提供一種基于即時編譯的神經動力學仿真方法。

本發明所要解決的另一技術問題在于提供一種基于即時編譯的神經動力學仿真裝置。

為了實現上述目的，本發明采用下述技術方案：

根據本發明實施例的第一方面，提供一種基于即時編譯的神經動力學仿真方法,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。

其中較優地，所述相關更新函數是指構建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；