neuromllite 0.6.0

NeuroMLlite：基于NeuroML的读取/写入/生成网络规范的通用框架

NeuroMLlite正处于积极开发中。这将演变成一个用于更便携、更简洁网络规范的框架，将成为NeuroML v3的重要组成部分。

有关此包的更多背景信息，请参见此处： https://github.com/NeuroML/NetworkShorthand。

示例

查看目前提出的结构的最佳方式是查看示例

例1：简单网络，2个群体 & 投影

JSON | Python脚本

可导出为

• NeuroML 2（XML或HDF5格式）
• 图形（见上文）

例2：简单网络，2个群体，投影 & 输入

JSON | Python脚本 | 生成的NeuroML2

可导出为

• NeuroML 2（XML或HDF5格式）
• 图形（见上文）

例3：如上，带有模拟规范

网络JSON | 模拟JSON | Python脚本 | 生成的NeuroML2 | 生成的LEMS

可导出为

• NeuroML 2（XML或HDF5格式）
• 图形（见例2）

可以使用以下工具进行模拟

• NetPyNE
• jNeuroML
• NEURON由jNeuroML生成
• NetPyNE 由 jNeuroML 生成

示例 4：包含 PyNN 细胞和输入的网络

JSON | Python 脚本 | 生成的 NeuroML2

可导出为

• NeuroML 2（XML或HDF5格式）
• 图形（见上文）

可以使用以下工具进行模拟

• NEST 通过 PyNN
• NEURON 通过 PyNN
• Brian 通过 PyNN
• jNeuroML
• NEURON由jNeuroML生成
• NetPyNE 由 jNeuroML 生成

示例 5：使用 Blue Brain Project 连接数据的网络

JSON | Python 脚本

可导出为

• NeuroML 2（XML或HDF5格式）
• 图形（见上文）
• 矩阵（见上方）

可以使用以下工具进行模拟

• NetPyNE

示例 6：基于 Potjans 和 Diesmann 2014 的网络（工作中）

JSON | Python 脚本 | 生成的 NeuroML2

可导出为

• NeuroML 2（XML或HDF5格式）
• 图形（见上文）
• 矩阵（见上方）

示例 7：基于 Brunel 2000 的网络（工作中）

JSON | Python 脚本 | 生成的 NeuroML2

可导出为

• NeuroML 2（XML或HDF5格式）
• 图形（见上文）

可以使用以下工具进行模拟

• jNeuroML

安装与使用

基本框架的安装应该是相当直接的

git clone https://github.com/NeuroML/NeuroMLlite.git
cd NeuroMLlite
sudo python setup.py install

然后可以运行简单的示例

cd examples
python Example1.py  #  Generates the JSON representation of the network (console & save to file)

要生成网络的 NeuroML 2 版本，首先安装 pyNeuroML，然后使用 -nml 标志

sudo pip install pyNeuroML
python Example2.py -nml       # Saves the network structure to a *net.nml XML file

其他选项（需要安装 Neuron、NetPyNE、PyNN、NEST、Brain 等）包括

python Example4.py -jnml       # Generate NeuroML2 & LEMS simulation & run using jNeuroML
python Example4.py -jnmlnrn    # Generate NeuroML2 & LEMS simulation, use jNeuroML to generate Neuron code (py/hoc/mod), then run in Neuron
python Example4.py -jnmlnrn    # Generate NeuroML2 & LEMS simulation, use jNeuroML to generate NetPyNE code (py/hoc/mod), then run in NetPyNE
python Example4.py -netpyne    # Generate network in NetPyNE directly & run simulation
python Example4.py -pynnnrn    # Generate network in PyNN, run using simulator Neuron
python Example4.py -pynnnest   # Generate network in PyNN, run using simulator NEST
python Example4.py -pynnbrian  # Generate network in PyNN, run using simulator Brian

可以在多个细节级别（1-6）生成网络结构的图表，并使用 GraphViz 引擎（d - dot（默认）；c - circo；n - neato；f - fdp）进行布局。请参阅上面的图像以查看生成的示例。

python Example6.py -graph3d
python Example6.py -graph2f
python Example6.py -graph1n

其他示例

NeuroMLlite 在 OSB 的以下存储库中进行测试/使用

• Wilson & Cowan
• Mejias 等人，2016
• Pospischil 等人，2008
• Bezaire 等人，2016
• PING 网络
• PsyNeuLink 测试
• OpenWorm - c302

另请参阅

• ModECI MDF