32、大型神经网络建模：从理论到实践

大型神经网络建模：从理论到实践

1. 小型网络建模与实验的交互

在小型网络建模中，建模与实验之间存在着紧密的交互关系。实验得出的见解可用于改进模型，而模型的预测则能指导实验的选择。同时，使用更抽象的模型有助于集中思考和洞察本质。将抽象模型与更现实的模型结合使用，具有额外的价值。通过将网络功能的本质浓缩到抽象模型中，并利用这些模型解释现实模型的结果，能够实现良好理论科学所具备的可移植性。

2. 大型网络建模的必要性与挑战

将分子和细胞现象与行为联系起来，需要开发大规模网络模型，以理解细胞现象如何影响神经网络的功能动态。这些网络模型对于理解由药物施用或基因敲除等实验操作引起的行为变化机制至关重要。

然而，大型神经元网络模型尚未达到单细胞过程或小型网络模型所具有的实验约束水平。这是因为网络层面存在大量额外变量，包括兴奋性和抑制性突触连接的强度和模式，以及不同类型神经元的相对特性和数量。随着参数空间的扩大，由于网络动态信息的匮乏，对参数空间的实验约束反而减少。不过，对局部场电位的重新关注以及多单元同步记录技术的快速发展，将为更精确地开发网络模型提供实验约束。

3. 大型网络建模的实用问题

3.1 软件选择

• 用于现实模拟的软件 ：对于利用单个神经元的现实隔室表示进行网络模拟的开发，GENESIS 模拟包（http://www.bbb.caltech.edu/GENESIS）提供了一种脚本语言，具有专注于实现复杂隔室模拟的网络模拟的广泛功能。NEURON 模拟包（http://www.neuron.yale.edu）也提供了一种脚本语言，近年来开始更