Brian2

用于脉冲神经网络的时钟驱动型模拟器

Brian 是一款免费、开源的脉冲神经网络模拟器。它使用 Python 编程语言编写，几乎可在所有平台上运行。我们认为，一个模拟器不仅应节省计算资源的时间，还应节省科学家的研究时间。因此，Brian 的设计目标是易于学习和使用、高度灵活且易于扩展。

如遇问题，请在 GitHub 问题跟踪器（https://github.com/brian-team/brian2/issues）或 Brian 论坛（https://brian.discourse.group）中提交报告。

Brian2 的文档可在 http://brian2.readthedocs.org 找到。

Brian2 根据 CeCILL 2.1 许可证 发布。

如果您在已发表的研究中使用了 Brian，请您引用我们的论文：

Stimberg, M, Brette, R, Goodman, DFM. “Brian 2, an Intuitive and Efficient Neural Simulator.” eLife 8 (2019): e47314. doi: 10.7554/eLife.47314.

快速入门

您可以在 mybinder 服务上试用 Brian：

依赖项

要使用 Brian 2，需要安装以下软件包（参阅 pyproject.toml)：

• Python >= 3.12
• NumPy >= 2.0
• SymPy >= 1.2
• Cython >= 0.29.21
• PyParsing >= 3
• Jinja2 >= 2.7
• setuptools >= 61
• py-cpuinfo（仅在 Windows 上需要）
• packaging

为获得完整功能，您可能还需要安装：

• GSL >=1.16
• SciPy >=0.13.3
• Matplotlib >= 2.0

构建文档所需：

• Sphinx >=7,<9
• ipython >=5
• sphinx-tabs

运行测试套件所需：

• pytest >= 8
• pytest-xdist（可选）

主分支的测试状态

Brian2 快速上手指南

Brian2 是一个基于 Python 的时钟驱动脉冲神经网络（Spiking Neural Networks）模拟器。它设计直观、灵活且易于扩展，旨在节省科研人员的开发时间。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：支持几乎所有主流平台（Linux, macOS, Windows）。
• Python 版本：>= 3.12
• 核心依赖：
  • NumPy >= 2.0
  • SymPy >= 1.2
  • Cython >= 0.29.21
  • PyParsing >= 3
  • Jinja2 >= 2.7
  • setuptools >= 61
  • packaging
  • py-cpuinfo (仅 Windows 需要)
• 推荐依赖（用于完整功能）：
  • SciPy >= 0.13.3
  • Matplotlib >= 2.0
  • GSL >= 1.16 (用于部分随机数生成优化)

安装步骤

您可以选择以下任意一种方式进行安装。国内用户推荐使用镜像源以加速下载。

方式一：使用 pip 安装（推荐）

使用国内镜像源（如清华大学源）进行安装：

pip install brian2 -i https://pypi.tuna.tsinghua.edu.cn/simple

若需安装包含绘图和科学计算功能的完整依赖：

pip install "brian2[full]" -i https://pypi.tuna.tsinghua.edu.cn/simple

方式二：使用 Conda 安装

如果您使用 Anaconda 或 Miniconda：

conda install -c conda-forge brian2

方式三：在线体验

无需本地安装，可直接在浏览器中通过 MyBinder 尝试运行示例：

点击此处在 MyBinder 中打开 Brian2

基本使用

以下是一个最简单的示例，模拟一个漏电积分发放（LIF）神经元并绘制其膜电位变化。

创建一个名为 simple_simulation.py 的文件，写入以下代码：

from brian2 import *

# 设置默认单位系统
start_scope()

# 定义神经元模型方程
# tau_m: 膜时间常数, v: 膜电位, I: 输入电流
eqs = '''
dv/dt = (I - v) / tau_m : 1
tau_m : second
I : 1
'''

# 创建神经元群 (1 个神经元)
G = NeuronGroup(1, eqs, threshold='v>1', reset='v=0', method='exact')
G.v = 0
G.tau_m = 10*ms
G.I = 1.5

# 创建状态监视器以记录膜电位
M = StateMonitor(G, 'v', record=True)

# 运行模拟 50 毫秒
run(50*ms)

# 绘制结果
import matplotlib.pyplot as plt
plt.plot(M.t/ms, M.v[0])
plt.xlabel('Time (ms)')
plt.ylabel('Membrane Potential (v)')
plt.title('Simple LIF Neuron Simulation')
plt.show()

运行该脚本即可看到神经元的放电波形。更复杂的网络构建、突触连接及可视化功能请参考 官方文档。