设计 Hodgkin-Huxley 神经元网络的快速算法
神经元与认知
2021-01-19 v1
摘要
动作电位（尖峰）期间 Hodgkin-Huxley（HH）方程的刚性限制了大时间步长的使用。我们观察到神经元在尖峰之间可以独立演化，即不同的神经元可以用不同的方法和不同的时间步长演化。这一观察促使我们设计快速算法以提高效率。我们提出了一种自适应方法、一种指数时间差分（ETD）方法和一种基于库的方法来处理刚性时段。所有方法均可使用比常规 Runge-Kutta 方法大一个数量级的时间步长来提高效率，同时实现原始 HH 神经元的精确统计特性，如最大 Lyapunov 指数和平均放电率。我们指出，ETD 方法和库方法可分别稳定地实现最大 8 倍和 10 倍的加速。
引用
@article{arxiv.2101.06627,
title = {Design Fast Algorithms For Hodgkin-Huxley Neuronal Networks},
author = {Zhong-Qi Kyle Tian and Douglas Zhou},
journal= {arXiv preprint arXiv:2101.06627},
year = {2021}
}