网络结构描述文件(IR)#

作者: Shawn & MamieZhu

网络结构描述文件(IR)文件中包含了模型的神经元簇、突触、仿真控制参数等信息，可以直接用于 Lynxi 神经形态芯片的部署。 IR文件使用 JSON 文件格式，该文件包括以下部分：

population

这是一个包含所有定义神经元簇的列表 ([ ]), 支持多个神经元簇的定义。每个单独的神经元簇都以字典格式({ })存在。有关详细内容，请参阅 population 。

projection

这是一个包含所有定义的突触连接的列表([ ])，其中每个突触连接都以字典格式({ })存在。有关详细内容，请参阅 projection 。

simulation

这是一个仿真控制参数的字典({ })，其中每个元素为键值对的方式存在。有关详细内容，请参阅 simulation 。

其它字段

这是一个包含网络统计信息的字典({ })，有关详细内容，请参阅其它字段。

population#

这是一个单一神经元簇的字典，其中包括参数字典，神经元的数量，神经元簇的名称，神经元簇的类名，神经元的索引等信息。JSON示例如下：

{
    "params": {
        "I_e": 500.0,
        "V_reset": -70.0,
        "V_th": -55.0,
        "tau_syn_ex": 2.0,
        "E_L": -70.0,
        "C_m": 250.0,
        "tau_m": 10.0,
        "V_m": -70.0,
        "tau_syn_in": 2.0
    },
    "name": "ExpLIF_0",
    "label": "ExpLIF_0",
    "neuron_number": 1,
    "pop_id": 0,
    "neuron_index": [
        1,
        1
    ],
    "pop_E/I_rate": 4,
    "E/I_type": "E",
    "neuron_type": "iaf_psc_exp",
    "rank_id": 0
}

下面的表格中解释了这些参数：

参数名	参数类型	描述
params	Dictionary，可选	默认为空字典。
name	string，必须	神经元簇类型，默认值是类型值与下划线后跟一个数字的连接，例如 ExpLIF_0。
label	string，可选	神经元簇的显示名称。
neuron_number	int，必须	神经元数量， neuron_number = endNeuronID - startNeuronID + 1。
pop_id	int，必须	神经元簇的索引， >=0。
neuron_index	[startNeuronID, endNeuronID]	神经元在簇中的索引， startNeuronID >= 1， endNeuronID >= startNeuronID。
rank_id	int，必须	进程 id， >=0，默认值是 0。
pop_E/I_rate	可选	未使用。
E/I_type	可选	未使用。

常用的随机分布包括正态分布、均匀分布和修剪正态分布。

正态分布:

{
  "distribution": "normal",
  "mean": 0.0,
  "std": 1.0
}

均匀分布:

{
  "distribution": "uniform",
  "min": 0.0,
  "max": 1.0
}

修剪正态分布:

{
  "distribution": "normal_clipped",
  "mean": 0.0,
  "std": 1.0,
  "max": 2.0,
  "min": 0.1
}

记录神经元簇#

支持 spike_recorder 、 multimeter 和 weight_recorder , 具有与神经元 JSON 结构相同的结构，但具有不同的 params 和 neuron_type。

脉冲记录器:

{
    "neuron_index": [
        800001,
        800001
    ],
    "params": {
        "label": "my_spike",
        "record_to": "ascii",
        "origin": 0.0,
        "start": 0.0,
        "stop": 3.40282e+38
    },
    "neuron_number": 1,
    "neuron_type": "spike_recorder",
    "pop_id": 3,
    "rank_id": 0
}

膜电位记录器:

{
    "neuron_index": [
        800001,
        800001
    ],
    "params": {
        "label": "my_multi",
        "record_to": "ascii",
        "record_from": ["V_m"],
        "interval": 1.0,
        "origin": 0.0,
        "start": 0.0,
        "stop": 3.40282e+38
    },
    "neuron_number": 1,
    "neuron_type": "multimeter",
    "pop_id": 3,
    "rank_id": 0
}

权重记录器:

{
    "neuron_index": [
        30003,
        30003
    ],
    "params": {
        "label": "weight_recorder",
        "record_to": "ascii",
        "start": 0.0,
        "stop": 10000.0
    },
    "neuron_number": 1,
    "neuron_type": "weight_recorder",
    "pop_id": 12,
    "rank_id": 0
}

生成器神经元簇#

支持 poisson_generator、 dc_generator 和 spike_generator, 具有与神经元 JSON 结构相同的结构，但具有不同的 params 和 neuron_type 。

泊松生成器:

{
    "neuron_index": [
        800001,
        800001
    ],
    "params": {
        "rate":1000.0,
        "origin": 0.0,
        "start": 0.0,
        "stop": 3.40282e+38
    },
    "neuron_number": 1,
    "neuron_type": "poisson_generator",
    "pop_id": 5,
    "rank_id": 0
}

poisson_generator 的参数如下表所示：

参数	类型	描述
rate	float，必须	泊松源发射率（脉冲/秒），rate >= 0
origin	float，可选	默认值为0.0
start	float，可选	泊松过程的开始时间，默认值为0.0
stop	float，可选	泊松过程的结束时间，默认值为inf

DC生成器:

{
    "neuron_index": [
        800001,
        800001
    ],
    "params": {
        "amplitude": 100.0,
        "origin": 0.0,
        "start": 0.0,
        "stop": 3.40282e+38
    },
    "neuron_number": 1,
    "neuron_type": "dc_generator",
    "pop_id": 5,
    "rank_id": 0
}

dc_generator 的参数如下表所示：

参数	类型	描述
amplitude	float，必须	电流的幅值（pA），必须大于等于0
origin	float，可选	默认值为0.0
start	float，可选	泊松过程的起始时间，默认值为0.0
stop	float，可选	泊松过程的停止时间，默认值为inf

脉冲生成器:

{
    "neuron_index": [
        800001,
        800001
    ],
    "params": {
        "spike_times": [0.2, 0.3, 1.0, 2.0],
        "origin": 0.0,
        "start": 0.0,
        "stop": 3.40282e+38
    },
    "neuron_number": 1,
    "neuron_type": "spike_generator",
    "pop_id": 5,
    "rank_id": 0
}

spike_generator 的参数如下表所示：

参数	类型	描述
spike_times	list，必须	尖峰触发时间, spike_times[i] >= resolution
origin	float，可选	默认值为 0.0
start	float，可选	泊松开始时间，默认值为 0.0
stop	float，可选	泊松停止时间，默认值为 inf

projection#

该结构以字典格式存储了多个神经元簇之间突触连接的配置信息。一个单一的突触字典示例如下：

"2-0": {
    "rule": "fixed_total_number",
    "connNum": "100",
    "synaptic_type": "static_synapse",
    "weight": {
        "distribution": "normal",
        "max": 2.0,
        "min": 1.0
    },
    "delay": 0.2,
    "synapse_E/I_rate": [4, 2, 1],
    "E/I_balance": true
}

参数如下表所示：

参数	类型	描述
rule	string，必须	连接规则，包括固定总数、全对全、一对一、固定入度、固定出度
connNum	int，可选	当规则为固定总数、固定入度和固定出度时，必须设置 connNum
synaptic_type	float，可选	突触类型，默认为静态突触
weight	float，可选	突触权重，支持分布和常量
delay	float，可选	突触延迟，支持分布和常量
synapse_E/I_rate	list，可选	未使用
E/I_balance	bool，可选	未使用

连接规则参数如下表所示：

参数	类型	描述
fixed_total_number	string	固定连接数，必须设置 connNum，connNum > 0
all_to_all	string	全连接，连接数为源神经元簇数量 * 目标神经元簇数量
one_to_one	string	一对一连接，源神经元簇数量应等于目标神经元簇数量
fixed_indegree	string	固定入度连接，必须设置 connNum，connNum > 0
fixed_outdegree	string	固定出度连接，必须设置 connNum，connNum > 0

simulation#

包含仿真运行时的配置信息，表示为一个字典，其中包含一个主要的参数 sim_time ，表示以毫秒为单位的模拟时间。JSON 示例如下：

"simulation": {
    "sim": false,
    "sim_time": 1000.0,
    "resolution": 0.1,
    "rng_type": "mt19937_64",
    "rng_seed": 55,
    "local_num_threads": 4,
    "print_time": false,
    "data_path": "./",
    "com_type": "fp16",
    "neuronNum_per_chip": 1.0,
    "overwrite_files": true
}

参数如下表所示：

参数	类型	描述
sim	bool，可选	是否模拟使用 NEST golden
sim_time	float，可选	如果 sim 参数为 true，则 sim_time 必须大于等于0
resolution	bool，必须	默认值为 0.1
rng_type	string，必须	随机类型，默认为 “mt19937_64”
rng_seed	int，必须	随机种子，默认为 123
local_num_threads	int，必须	进程中的线程数，默认为 1
print_time	bool，必须	模拟时是否打印日志
data_path	string，可选	未使用
neuronNum_per_chip	int，必须	单个芯片中的神经元数量，默认为 1800000
overwrite_files	bool，必须	是否覆盖生成的文件，默认为 true
com_type	string，必须	“double” 或 “fp16”

其它字段#

包含网络统计参数。

JSON 示例如下：

{
    "total_pops_number": 2,
    "total_neuron_numbers": 3
}

参数如下表所示：

参数	类型	描述
total_pops_number	int，可选	神经元群体的总数
total_neuron_numbers	int，可选	神经元的总数

完整网络IR示例#

{
    "version": "0.0.1",
    "population": [
        {
            "params": {
                "I_e": 500.0,
                "V_reset": -70.0,
                "V_th": -55.0,
                "tau_syn_ex": 2.0,
                "E_L": -70.0,
                "C_m": 250.0,
                "tau_m": 10.0,
                "V_m": -70.0,
                "tau_syn_in": 2.0
            },
            "name": "ExpLIF_0",
            "label": "ExpLIF_0",
            "neuron_number": 1,
            "pop_id": 0,
            "neuron_index": [
                1,
                1
            ],
            "pop_E/I_rate": 4,
            "E/I_type": "E",
            "neuron_type": "iaf_psc_exp",
            "rank_id": 0
        },
        {
            "params": {
                "rate": 1700
            },
            "name": "PoissonGenerator_0",
            "label": "PoissonGenerator_0",
            "neuron_number": 1,
            "pop_id": 1,
            "neuron_index": [
                2,
                2
            ],
            "pop_E/I_rate": 4,
            "E/I_type": "E",
            "neuron_type": "poisson_generator",
            "rank_id": 0
        }
    ],
    "projection": {
        "1-0": {
            "weight": 1000.0,
            "delay": 1.0,
            "synaptic_type": "static_synapse",
            "rule": "fixed_total_number",
            "connNum": 1
        }
    },
    "simulation": {
        "sim": false,
        "sim_time": 1000.0,
        "resolution": 0.1,
        "rng_type": "mt19937_64",
        "rng_seed": 55,
        "local_num_threads": 4,
        "print_time": false,
        "data_path": "./",
        "com_type": "fp16",
        "neuronNum_per_chip": 1800000,
        "overwrite_files": true
    },
    "total_pops_number": 2,
    "total_neuron_numbers": 2,
    "voxel_type": 1,
    "mpi_size": 1
}

网络结构描述文件(IR)

Contents

网络结构描述文件(IR)#

population#

记录神经元簇#

生成器神经元簇#

projection#

simulation#

其它字段#

完整网络IR示例#