基于即时编译的脑动力学通用编程系统和编程方法技术方案

本发明专利技术涉及计算机技术领域，尤其涉及一种基于即时编译的脑动力学通用编程系统和编程方法。编程系统包括前端编程层和后端编译层，前端编程层包括预设的多个计算图构建模块，后端编译层包括预设的不同功能的代码编译模块。前端编程层根据输入的计算图构建指令，调用预设的多个计算图构建模块中的至少一个，以构建脑动力学模型对应的计算图；后端编译层用于接收输入的脑动力学模型对应的编译指令，以调用预设的不同功能的代码编译模块中的至少一个，根据构建的计算图进行代码编译，得到脑动力学模型在目标设备上的二进制机器码。本发明专利技术提供的脑动力学编程方法简单易用，灵活高效，不受描述性语言的限制，使得本发明专利技术的编程系统的通用性较强。用性较强。用性较强。

【技术实现步骤摘要】
基于即时编译的脑动力学通用编程系统和编程方法


[0001]本专利技术涉及计算机
，尤其涉及一种基于即时编译的脑动力学通用编程系统和编程方法。

技术介绍

[0002]脑动力学建模已经成为理解大脑工作原理的基本工具和启发新一代人工智能发展的关键途径，目前已成为脑科学和人工智能发展的基础学科。任何一个学科的发展都离不开工具的进步。以人工智能(Artificial Intelligence,AI)为例，这一轮人工智能的快速发展很大程度上得益于深度学习框架的普及。深度学习框架目前已成为人工智能研究的基础设施，因为它们提供了一个通用的编程接口，能支持研究人员在各个应用领域灵活高效地定义各种AI模型。然而，脑动力学建模这一领域长期以来缺乏一款类似深度学习框架的、允许用户自主灵活编程的、简单易用且灵活高效的、通用的脑动力学编程框架。然而，随着越来越多海量神经数据的产生、模型仿真复杂度的日益增长、建模手段、方法及目标的日趋多样化，我们比以往任何时候都更迫切地需要开发通用的建模工具，以帮助我们轻松构建、模拟、训练和分析多尺度及大尺度的大脑动力学模型。
...

【技术保护点】

【技术特征摘要】
1.一种基于即时编译的脑动力学通用编程系统，其特征在于，包括：前端编程层和后端编译层，所述前端编程层包括预设的多个计算图构建模块，所述后端编译层包括预设的不同功能的代码编译模块；所述前端编程层，用于接收输入的待构建的脑动力学模型对应的计算图构建指令，并根据所述计算图构建指令调用所述预设的多个计算图构建模块中的至少一个，运行调用的计算图构建模块得到所述脑动力学模型对应的计算图；所述后端编译层，用于接收输入的所述脑动力学模型对应的编译指令，以调用所述预设的不同功能的代码编译模块中的至少一个，调用的代码编译模块用于根据所述计算图进行代码编译，得到所述脑动力学模型在目标设备上的二进制机器码。2.根据权利要求1所述的基于即时编译的脑动力学通用编程系统，其特征在于，所述计算图构建模块包括算子模块、工具模块和脑动力学模型模块中的至少一种；所述算子模块、工具模块和脑动力学模型模块中分别预设有不同的计算图构建算子；所述计算图构建指令包括计算图构建模块选择指令和模型构建参数；所述前端编程层用于根据计算图构建模块选择指令调用所述算子模块、工具模块和脑动力学模型模块中的至少一个，被调用的模块的用于根据所述模型构建参数以及所述计算图构建算子，得到所述脑动力学模型对应的计算图。3.根据权利要求2所述的基于即时编译的脑动力学通用编程系统，其特征在于，所述算子模块包括下述至少一种：稠密矩阵算子模块、稀疏矩阵算子模块、事件驱动算子模块、自动微分模块。4.根据权利要求2所述的基于即时编译的脑动力学通用编程系统，其特征在于，所述工具模块包括下述至少一种：常微分方程(Ordinary Differential Equation,ODE)求解工具模块、随机微分方程(Stochastic Differential Equation,SDE)求解工具模块、迟滞微分方程(Delayed Differential Equation，DDE)求解工具模块、分数阶微分方程(Fractional Differential Equation，FDE)求解工具模块、突触连接工具模块和权重初始化工具模块。5.根据权利要求2所述的基于即时编译的脑动力学通用编程系统，其特征在于，所述脑动力学模型模块包括计算神经科学模型模块和类脑智能计算模型模块中的至少一种。6.根据权利要求1所述的基于即时编译的脑动力学通用编程系统，其特征在于，所述前端编程层还包...

【专利技术属性】
技术研发人员：王超名，张天秋，陈啸宇，吴思，
申请(专利权)人：北京大学，
类型：发明
国别省市：