计算神经科学把大脑写成方程

知识地图 › 08 方法与工具 › 8.6

8.6

仿真工具链

Simulation toolchain

★★☆ 核心工具仿真

选错工具会让项目多花三个月——形态细节用 NEURON,大规模脉冲网络用 NEST,快速原型用 Brian2。

核心要点

  1. NEURON:房室级生物物理细节,事实标准,学习曲线陡。
  2. Brian2:Python 内嵌方程定义,代码即模型,适合教学与快速迭代。
  3. NEST:百万级点神经元网络,HPC 友好;Nengo 走神经工程/认知建模路线。

公式

Δ t=0.1 ms ⇒ 10 步 / ms

HH 类模型常用 0.025–0.1 ms 步长;LIF 可放宽到 0.5 ms。步长过大时欧拉法会产生"假发放"或漏发放。

直觉

工具选择本质是"你要解释的尺度"决定"你需要多少细节"。用 NEURON 跑一百万神经元不现实,用 LIF 解释树突非线性也不可能。

常见误区

用欧拉法 + 大步长跑 HH。数值误差会改变阈值与频率,结论完全不可信——而且很难从结果上看出来。

出处

  • Hines & Carnevale 1997
  • Stimberg et al. 2019(Brian2)
  • Gewaltig & Diesmann 2007(NEST)
回到模块 08