论文部分内容阅读
随着计算神经科学的快速发展,利用计算机实现神经元网络的生物动力学特性,已经成为神经科学研究人员近年来关注的一个热点。但是,计算机的串行运算特点使它与人脑存在本质上的区别,这种区别随着神经网络规模的增大将变得越来越明显,而FPGA(Field Programable Gate Array)的并行运算能力是解决此类问题的新思路。因此,本文提出基底核多FPGA实现与帕金森状态分析具有重要意义。首先,研究了多FPGA硬件仿真平台的结构和功能。分析了多FPGA硬件仿真平台上各片FPGA芯片之间的时钟同步问题,提出利用多片FPGA实现基底核神经元网络的思想,解决了当前研究中利用一片FPGA难以实现复杂神经网络的难题。其次,实现了FHN(Fitz Hugh-Nagumo)神经元网络的生物放电特性。采用DSP Builder搭建FHN神经元网络模型,并在多FPGA仿真平台上实现了FHN神经元网络的放电特性,为研究基底核的实现奠定了基础。然后,在多FPGA仿真平台上实现了基底核的生物动力学特性。采用分段线性逼近法对Izhikevich神经元数学模型进行优化,优化后的Izhikevich神经元数学模型相对于原始Izhikevich神经元数学模型大大降低了逻辑资源的消耗。同时,详细介绍了利用Izhikevich神经元搭建基底核网络的过程与方法,并在多FPGA仿真平台上实现了基底核神经网络的生物动力学特性。最后,研究了基底核神经网络的放电节律。在多FPGA仿真平台上研究了GPe、GPi、STN和TC的放电节律,并将硬件仿真结果与软件仿真结果进行比较,得出了多FPGA仿真平台能够完全实现基底核等大规模神经网络生物动力学特性的结论,为将来设计一个能够适合于各种大规模复杂神经网络研究的硬件仿真平台奠定了基础。研究结果表明,采用分段线性逼近方法优化后的Izhikevich神经元数学模型相对于原始的Izhikevich神经元数学模型大大减少了硬件资源的消耗,为今后进行更大规模的神经网络仿真研究提供了重要参考。同时,采用多FPGA仿真平台实现了基底核等大规模神经元网络的生物动力学特性,为今后设计一款能够适用于各种复杂神经网络研究的硬件仿真平台提供了参考。