Brian到Brian2的转换

前言

官方英文链接：https://brian2.readthedocs.io/en/stable/introduction/changes.html
时间：2019年01月22日
系统：Ubuntu 16.04
架构：x86-64

简介：Changes for Brian1 users

Brian2与Brian1运行的方式基本相似，它们最大的不同就在于在Brian2中需要更加显示地定义模拟细节，从而避免不必要的错误：In most cases, Brian 2 works in a very similar way to Brian 1 but there are some important differences to be aware of. The major distinction is that in Brian 2 you need to be more explicit about the definition of your simulation in order to avoid inadvertent errors.

关于物理单位：Physical units

Brian2对物理单位的要求和检查更加严格，首先Brian2中增加了对数组单位的支持，然后为了一致性，单位会一直跟随带单位的数据。包括检测器（monitor）返回的状态变量也会带有单位。如果想要得到纯数据有三种方法：在变量后加“underscore”也就是“_”，例如“mon.t_”；除法，用带单位的数据除以单位，例如mon.t / second；用np.asarray()转换成数组。

没有导入的包：Unported pacakge

• brian.tools
• brian.hears (the Brian 1 version can be used via brian2.hears, though, see Brian Hears)
• brian.library.modelfitting
• brian.library.electrophysilogy

删除的类和函数以及在Brian2中的替代

Brian2尽可能地减少了类和函数的数量，但又努力增加足够的灵活性确保功能的丰富性。当从Brian1迁移到Brian2时遇到“NameError”可以考虑是否是模块被替换或删除了，可以查阅官方链接。

关于神经元模型：Neural models

阈值和复位：Threshold & Reset:

动作直接用公式代替。

不应期：Refractory

Brian1中的refractory是与reset紧密相关的，而且某些refractory与reset的组合是不被允许的，标准的refractory有两个作用，在refractory期间薄膜电压被钳制且不允许发射脉冲；在Brian2中refractory的发生不是与reset相关的，refractory的两个作用被分开使用，通过定义refractory的时间函数来定义细胞在某段时间内不得发射脉冲；第二个作用是除了薄膜电压其他细胞的变量也可以被钳制，只要在变量后加上“（unless refractory）”。

神经元子组：Subgroup

用数组的切片代替

链接变量：Linked variables

除了链接变量的声明语句，还需在需要在链接变量后说明。

group1 = NeuronGroup(N,
                     'dv/dt = -v / tau : volt')
group2 = NeuronGroup(N,
                     '''dv/dt = (-v + w) / tau : volt
                        w : volt (linked)''')
group2.w = linked_var(group1, 'v')

关于突触：Synapse

##Converting Brian 1’s Connection class

声明突触和设置权重：Creating synapses and setting weights

Brain2仅支持Synapses的突触定义方式，Brian1通常支持Connections的定义方式；Brian2中的连接关系定义和权重赋值是分开的。

conn1 = Synapses(source, target, 'w: siemens',
                 on_pre='ge += w')
conn1.connect(i=3, j=5)
conn1.w[3, 5] = 3*nS  # (or conn1.w = 3*nS)

权重矩阵和函数定义连接：Weights matrix & Connections defined by functions

Brian2中不再接受用矩阵来为权重赋值，提倡用数学表达式赋值，如果不得以要用矩阵就将矩阵展平进行赋值（展平的原则是前神经元的顺序(first all synapses for the first pre-synaptic cell, then all synapses for the second pre-synaptic cell, etc.)）。

# len(source) == 20, len(target) == 30
conn6 = Synapses(source, target, 'w: siemens',
                 on_pre='ge += w')
W = rand(20, 30)*nS
conn6.connect()
conn6.w = W.flatten()
## or 
conn6 = # see above
conn6.connect()
conn6.w = 'random()'

另外，Brian2中连接和权值设定都是可以用字符串表达式来定制的，参考坐标是神经元的序号。

conn7 = Synapses(source, target, 'w: siemens',
                 on_pre='ge += w')
conn7.connect('i < 5 and j >=5 and j <10')
# Alternative (more efficient):
# conn7.connect(j='k in range(5, 10) if i < 5')
conn7.w[source[:5], target[5:10]] = 5*nS

conn8 = Synapses(source, target, 'w: siemens',
                 on_pre='ge += w')
conn8.connect()
conn8.w = '(1 + cos(i - j))*2*nS'

conn10 = ... # see above
conn10.connect(p='exp(-abs(i - j)*.1)')
conn10.w = 2*nS

延时：Delays

Brian2中延时也可以用字符串表达式定义，默认是homogeneous，在Brian1中默认的也是homogeneous，但homogeneous和heterogeneous都需要声明“delay = True”以及延时最大值，Brain1中用两个数来定义随机分布已经不支持，转而使用字符串公式。

conn11 = Synapses(source, target, 'w : siemens',
                  on_pre='ge += w')
conn11.connect()
conn11.w = 3*nS
conn11.delay = 'rand()*5*ms'

###Modulation
在Brian2中没有modulation这个关键词了，转而在"on_pre"中直接定义。

# Brian1
conn12 = Connection(source, target, 'ge',
                    modulation='u')
# Brain2
conn12 = Synapses(source, target, 'w : siemens',
                  on_pre='ge += w * u_pre')

突触结构：Structure

Brian2不支持Structure了，所有的突触数据都是以sparse data structure，然后也不支持在模拟期间修改权值。
##Converting Brian 1’s Synapses class
###“pre”和“post”重命名为“on_pre”和“on_post”

stdp_syn = Synapses(inputs, neurons, model='''
                    w:1
                    dApre/dt = -Apre/taupre : 1 (event-driven)
                    dApost/dt = -Apost/taupost : 1 (event-driven)''',
                    on_pre='''ge + =w
                           Apre += delta_Apre
                           w = clip(w + Apost, 0, gmax)''',
                    on_post='''Apost += delta_Apost
                            w = clip(w + Apre, 0, gmax)''')

和变量：Lumped variables (summed variables)

用突触定义的“model”中添加后缀定义为“(summed)”的变量，而不是Brian1中定义一个神经元变量。

# a non-linear synapse (e.g. NMDA)
neurons = NeuronGroup(1, model='''
                      dv/dt = (gtot - v)/(10*ms) : 1
                      gtot : 1''')
syn = Synapses(inputs, neurons,
               model='''
               dg/dt = -a*g+b*x*(1-g) : 1
               dx/dt = -c*x : 1
               w : 1 # synaptic weight
               gtot_post = g : 1 (summed)''',
               on_pre='x += w')

制作连接：Creating Synapses connection

定义中的关键参数：i, j, n, p

syn = Synapses(...)
# single synapse
syn.connect(i=3, j=5)
# all-to-all connections
syn.connect()
syn.connect(j='1')
# multiple synapses
syn.connect(i=4, j=7, n=3)
# connection probability 2%
syn.connect(p=0.02)

Multiple pathways

暂时还没理解这个Multiple pathways具体意义是什么，就是“pre”和“post”通路都有的意思吗？Brian2中使用dictionary格式来定义，Brian1中用tuple来定义。

S = Synapses(...,
             pre={'pre_transmission':
                  'ge += w',
                  'pre_plasticity':
                  '''w = clip(w + Apost, 0, inf)
                     Apre += delta_Apre'''},
             post='''Apost += delta_Apost
                     w = clip(w + Apre, 0, inf)''')

S.connect()
S.pre_plasticity.delay[:, :] = 3*ms # delayed trace

监测突触变量：Monitoring synaptic variables

Brian2中不需要定义indices，可以直接在“StateMonitor”通过"record"定义记录范围。

# Brain1
syn = Synapses(...)
# record all synapse targetting neuron 3
indices = syn.synapse_index((slice(None), 3))
mon = StateMonitor(S, 'w', record=indices)
# Brain2
syn = Synapses(...)
# record all synapse targetting neuron 3
mon = StateMonitor(S, 'w', record=S[:, 3])

未完不一定续