項目簡介

項目概況：

計算神經(jīng)科學(xué)用數(shù)學(xué)建模來研究大腦的工作原理，是腦科學(xué)和類腦智能的連接橋梁。本項目(BrainPy)是一個基于Python的面向計算神經(jīng)科學(xué)研究和學(xué)習(xí)、以及類腦計算研究的軟件平臺，其核心是提供了一個便于用戶的神經(jīng)網(wǎng)絡(luò)建模、仿真及動力學(xué)分析的統(tǒng)一框架。用戶可以在BrainPy上進行大規(guī)模網(wǎng)絡(luò)仿真，對網(wǎng)絡(luò)動力學(xué)進行分析，并在此基礎(chǔ)上研究大腦的認知功能，以及開發(fā)類腦智能算法。

開發(fā)背景：

目前，計算神經(jīng)科學(xué)在腦科學(xué)和人工智能發(fā)展中起到了越來越重要的作用。然而，相關(guān)的神經(jīng)動力學(xué)模擬框架存在理念陳舊、難以上手、不夠靈活、難以debug等缺點。當前主流的神經(jīng)動力學(xué)模擬框架有NEURON、NEST、Brian2，它們分別已有23年、13年和12年的開發(fā)歷史。NEURON和NEST提供了Python的接口，允許用戶直接調(diào)用預(yù)定義的內(nèi)置模型。然而，一旦用戶需要自定義動力學(xué)模型，就需要學(xué)習(xí)底層C++/SLI/Hoc等編程語言。因此用戶的學(xué)習(xí)成本較高，并嚴重限制了模型自定義的靈活性。Brian2則提供了一種字符串編程的方法。用戶可以輸入字符串來定義滿足框架假設(shè)的神經(jīng)元或突觸模型，框架據(jù)此生成后臺C++代碼。通過這種方式，用戶可基于Brian2方便快捷地定義模型，并獲得較好的仿真速度。但這種生成代碼(Code Generation)的方法依然存在如下問題：1、字符串編程實質(zhì)上是偽編程，嚴重地限制了用戶編程的可操作性；2、代碼對用戶隱藏，不支持debug，不知道是否生成用戶想到的代碼邏輯，并且一旦發(fā)現(xiàn)錯誤用戶無法糾正代碼；3、限制了模型定義的可能性，對不滿足假設(shè)與規(guī)定的模型框架將不能支持。

為了解決上述問題，我們提出了一種基于即時編譯(Just-In-Time compilation, JIT)的神經(jīng)動力學(xué)模擬框架BrainPy。用戶可以利用Python語言自定義模型邏輯，框架再據(jù)此生成高效的機器碼。BrainPy提供了神經(jīng)動力學(xué)模型所需要的數(shù)據(jù)結(jié)構(gòu)、微分方程、數(shù)值積分等等的支持，具有簡單易用、靈活高效、模擬分析一體化等優(yōu)點。