同步是许多生物和物理系统中发生的重要现象,在大脑中的不同区域中都可以观察到同步节律性振荡,其代表了神经元的同步放电。由于神经振荡与许多高级脑功能有关,因此过去的几十年的研究也引起了相当多的关注。脑节律振荡不仅可以自身携带信息,而且还可以通过神经回路来存储和检索信息。Gamma振荡在脑节律活动中是一种重要的振荡机制,具有重要的生理功能,与认知记忆、感觉处理、神经疾病等密切相关。研究表明,抑制性的中间神经元在产生Gamma振荡中起到了关键作用。海马和新皮层的实验分析表明,中间神经元之间的突触是高度专业化的,具有一定的可塑性。计算分析进一步表明,突触结构以及突触参数在中间神经元网络振荡中具有重要的作用。基于科研工作者的研究,本文主要构建了不同的神经元网络,采用Hodgkin-Huxley(H-H)模型模拟相应网络结构下的神经元同步演变与节律振荡。论文的主要内容与结论如下:在第三章中,构建了抑制性中间神经元网络,采用H-H模型模拟了小世界神经元网络同步与振荡机制,包含网络拓扑结构、耦合强度、突触时间常数、时滞等因素对于同步与振荡的影响。重点研究了时滞对抑制性突触耦合的神经元网络的同步行为和神经振荡的影响,计算结果表明抑制性突触时滞对中间神经网络中的放电模式起着重要的调节作用。随着时滞的增加,神经元网络由峰放电转变为簇放电,然后簇内峰的个数会随着时滞的增加而增加,并且呈阶梯状变化。针对神经元网络的振荡,研究结果显示神经元网络受时滞的影响会出现混合振荡模式,在时滞较小时主要是低频的振荡,在时滞较大时,存在着高频振荡和低频振荡两种模式,高频的主要是Gamma振荡,低频的是Theta振荡。在第四章中,研究了兴奋性神经元和抑制性神经元构成的的平衡神经元网络中同步与振荡机制。基于H-H模型建立了兴奋抑制(E-I)平衡网络,分别研究了E-I平衡网络中突触耦合强度、网络拓扑和外部输入电流等各种因素神经元网络同步的影响。对于抑制性神经元在E-I网络中的作用,我们对比了兴奋性神经元网络和E-I平衡网络,证明了抑制性神经元在E-I平衡网络中具有促进同步的作用。此外,我们还研究了外部电流对于E-I神经元平衡网络的影响。不同的外部电流将引起不同程度的同步状态。选择适当频率的输入电流是增强复杂神经元网络同步的关键,数值仿真结构证明当外部输入电流的频率在Gamma区间的时候,神经元网络的同步状态更好。针对E-I神经元网络的振荡节律,数值模拟发现,神经元网络振荡主要是Gamma振荡,其中,抑制性神经元连接兴奋性神经元的耦合强度对于Gamma振荡的影响较大。第五章,主要根据哺乳动物的大脑皮层的集群结构特点,构造了模块神经元网络,网络采用模型仍然是H-H神经元模型,神经元的类型是抑制性神经元。首先构造了两个模块子神经元网路构成的神经元网络,每个模块的神经元数量是相同的。分别研究了模块内神经元耦合强度和模块之间神经元耦合强度对于神经元网络同步的影响,除此之外,研究了模块神经元之间小世界网络加边概率对于神经元网路同步的影响。