(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110180686.7 (22)申请日 2021.02.08 (65)同一申请的已公布的文献号 申请公布号 CN 112966433 A (43)申请公布日 2021.06.15 (73)专利权人 北京大学 地址 100871 北京市海淀区颐和园路5号北 京大学 专利权人 北京智源人工智能研究院 (72)发明人 王超名　吴思　 (74)专利代理 机构 北京汲智翼成知识产权代理 事务所(普通 合伙) 11381 专利代理师 陈曦　任佳 (51)Int.Cl. G06F 30/27(2020.01)G06N 3/06(2006.01) G06F 17/13(2006.01) G06F 8/41(2018.01) 审查员 赵婷 (54)发明名称 一种基于即时编译的神经动力学仿真方法 及装置 (57)摘要 本发明公开了一种基于即时编译的神经动 力学仿真方法及装置。 该仿真方法包括如下步 骤： 在高级编程语 言中设置神经动力学模型所需 的模型支持， 并构建神经动力学模 型的相关更新 函数； 根据神经动力学模型的相关更新函数、 预 设连接规则和神经元群之间突触连接的基本信 息， 构建神经动力学模型； 使用即时编译方法对 构建好的神经动力学模型进行动力学模拟， 或者 基于抽象语言树解析对构建好的神经动力学模 型进行动力学分析， 并按要求输出相应的结果。 利用本发明， 能够有效地满足神经动力学仿真编 程中用户的易学易用、 灵活透明、 模拟分析一体 化和运行高效的基 本需求。 权利要求书3页 说明书11页 附图2页 CN 112966433 B 2022.12.23 CN 112966433 B 1.一种基于即时编译的神经动力学仿真方法， 其特 征在于包括如下步骤： 步骤S1、 在高级编程语言中设置神经动力学模型所需的模型支持， 并构建所述神经动 力学模型的相关更新 函数； 步骤S2、 根据所述神经动力学模型的相关更新函数、 预设连接规则和神经元群之间突 触连接的基本信息， 构建所述神经动力学模型； 步骤S3、 使用即时编译方法对构建好的神经动力学模型进行动力学模拟， 或者基于抽 象语言树 解析对构建好的神经动力学模型进行动力学分析， 并按 要求输出相应的结果， 其中， 使用即时编译方法对构建好的神经动力学模型进行动力学模拟， 包括如下步骤： 包括以下子步骤： 步骤S31、 在对构建好的神经动力学模型进行动力学模拟仿真时， 将高级编程语言运行 时生成的字节码转换为LLVM中间表 示步骤S32、 使用LLVM/NVVM即时编译引擎编译生成目标 平台兼容的机器码， 并保存于缓存中； 步骤S33、 运行所述神经动力学模型时， 从 缓存中调用并执 行编译后的机器码， 所述神经动力学模型的动力学分析， 包括如下步骤： 步骤S34、 对待分析神经动力学模型使用抽象语言树解析代码定义的函数dx＝f(x)， 并 将其转换为计算机代数系统支持的函数f(x)， 其中， x表 示用户所需创建的神经动力学模 型 中神经元或突触的状态变量， f(x)表示用户所需创建的神经动力学模 型中神经元或突触的 状态变量的函数值； 步骤S35、 使用计算机代数系统解出函数f(x)＝0的解， 若成功， 则得到其不动点的值 若不成功， 则使用迭代优化的方法解出其 不动点 值 步骤S36、 在不动点附近做微扰， 得到 其偏导数 以判断所述不 动点的稳定性， δ表示偏移 精度。 2.如权利要求1所述的基于即时编译的神经动力学仿真方法， 其特 征在于： 所述相关更新 函数是指所述神经动力学模型中， 每 个神经元和突触的更新 函数； 对于微分方程为常微分方程时， 构建每个神经元或突触的更新函数时， 计算每个神经 元或突触的各个微分方程分别从上一时刻～下一时刻的神经元或突触的状态变量的函数 值， 并分别调用每个微分方程得到的神经元或突触的状态变量的函数进行积分操作后， 整 合成一个积分函数， 作为每 个神经元或突触的更新 函数； 对于所述微分方程为随机微分方程时， 构建每个神经元或突触的更新函数时， 计算每 个神经元或突触的各个微分方程分别从上一时刻～下一时刻的神经元或突触的状态变量 的函数值与随机函数值， 并分别调用每个微分方程得到的神经元的状态变量的函数与随机 函数进行积分操作后， 整合成一个积分函数， 作为每 个神经元或突触的更新 函数。 3.如权利要求2所述的基于即时编译的神经动力学仿真方法， 其特 征在于： 当所述微分方程为常微分方程 时， 对任意一个所述微分方程进行积分操作的实现方式 为： 定义神经 元或突触的状态变量以及状态变量 函数相关的其 他一些参数或变量；权　利　要　求　书 1/3 页 2 CN 112966433 B 2计算t时刻神经 元或突触的状态变量的函数值； 将t时刻～t+1时刻的神经元或突触的状态变量的函数值叠加后， 调用该微分方程得到 的神经元或突触的状态变量的函数进行积分操作。 4.如权利要求2所述的基于即时编译的神经动力学仿真方法， 其特 征在于： 当所述微分方程为随机微分方程 时， 对任意一个所述微分方程进行积分操作的实现方 式为： 定义神经 元或突触的状态变量以及状态变量 函数相关的其 他一些参数或变量； 计算t时刻神经 元或突触的状态变量的函数值与随机函数值； 将t时刻～t+1时刻的神经元或突触的状态变量的函数值叠加后， 调用所述微分方程得 到的神经元或突触的状态变量的函数进 行积分操作， 同时将t时刻～t+1时刻的神经元或突 触的状态变量的随机函数值叠加后， 调用所述微分方程得到的神经元或突触的状态变量的 随机函数进行积分操作。 5.如权利要求2所述的基于即时编译的神经动力学仿真方法， 其特征在于构建所述神 经动力学模型包括如下步骤： 步骤S22、 分别设置神经 元模型、 突触模型和 神经元群的基本信息； 步骤S23、 根据 预设连接规则和神经元群之间突触连接的基本信息， 构建神经动力学模 型。 6.如权利要求5所述的基于即时编译的神经动力学仿真方法， 其特征在于： 设置所述神 经元模型或所述突触模型的基本信息包括名称、 用户所需的所述神经元模 型或所述突触模 型的参数、 每 个神经元或突触从t时刻～ t+1时刻的更新 函数； 设置所述神经元群的基本信 息包括所述神经元群可指定神经元模型、 所述神经元群中 神经元的几何结构、 需要监控历史轨 迹的变量、 满足神经 元模型需求的实例化数据； 所述预设连接规则为所述神经元群之间的连接规则， 包括一对一、 全连接、 随机连接、 高斯概率连接、 最近邻连接 拓扑连接结构， 并支持用户网络连接的定制化。 7.如权利要求1所述的基于即时编译的神经动力学仿真方法， 其特 征在于： 所述神经动力学模型的动力学分析， 包括如下步骤： 步骤S37、 对待分析神经动力学模型使用抽象语言树解析代码定义的函数dx＝f(x)和 dy＝g(y)， 并将其转换为计算机代数系统支持 的函数f(x)和g(y)， 其中， x、 y分别表示用户 所需创建的神经动力学模 型中神经元或突触的两个状态变量， f(x)和g(y)分别表 示用户所 需创建的神经动力学模型中神经 元或突触的两个 状态变量的函数值； 步骤S38、 使用计算机代数系统解出函数f(x， y)＝0中变量y对变量x的依赖关系x＝f1 (y)， 若成功， 带入到函数目(x， y)＝0中， 使用迭代优化的方法确定出函数g(f1(y)， y)＝0的 一个不动点 的值 得到另一个不动点 的值 后执行步骤41； 若不成功， 解出函 数f(x， y)＝0中变量x对变量y的依赖关系y＝f2(x)， 若成功， 带入到g(x， y)＝0中， 使用迭代 优化的方法确定出函数g(x， f2(x))＝0的一个不动点的值 得到另一个不动点的值 后执行步骤41， 若不成功执 行步骤S39； 步骤S39、 使用计算机代数系统解出函数g(x， y)＝0中变量y对变量x的依赖关系x＝g1 (y)， 若成功， 带入到函数f(x， y)＝0中， 使用迭代优化的方法确定出函数f(g1(y)， y)＝0的权　利　要　求　书 2/3 页 3 CN 112966433 B 3