PORTFOLION

Регистрация Войти Публикации

Проверка рефрактерности на нейроне LIF

Дата создания поста 2 декабря 2024 г. 1:23
1

Проверка рефрактерности (время когда нейрон не может спайковать) на нейроне LIF (leaky integrate and fire)

Если подать напряжение через 4 ms после основного спайка на 50ms, то не будет последующего спайка

if defaultclock.t == stimulus_time + 4*ms:
    neuron.v = v_threshold + 1*mV  

а если подать напряжение через 5 ms после основного спайка на 100ms, то будет последующего спайк

if defaultclock.t == stimulus_time + 5*ms:
    neuron.v = v_threshold + 1*mV  

from brian2 import *
import plotly.graph_objects as go

# Определение параметров модели
start_scope()

tau = 20*ms                # Постоянная времени
v_rest = -65*mV            # Потенциал покоя
v_reset = -70*mV           # Потенциал сброса
v_threshold = -50*mV       # Порог генерации спайка
refractory_period = 5*ms   # Рефрактерный период

# Определение уравнений мембранного потенциала
# Добавлен входной ток I
equations = '''
dv/dt = (v_rest - v) / tau : volt
'''

# Создание нейрона
neuron = NeuronGroup(1, model=equations, threshold='v > v_threshold', reset='v = v_reset', 
                     refractory=refractory_period, method='exact')

# Инициализация мембранного потенциала
neuron.v = v_rest

# Генерация единственного спайка
stimulus_time = 50*ms
stimulus_time2 = 100*ms
@network_operation
def input_stimulus():
    if defaultclock.t == stimulus_time:
        neuron.v = v_threshold + 1*mV  
    if defaultclock.t == stimulus_time + 4*ms:
        neuron.v = v_threshold + 1*mV  
    if defaultclock.t == stimulus_time2:
        neuron.v = v_threshold + 1*mV 
    if defaultclock.t == stimulus_time2 + 5*ms:
        neuron.v = v_threshold + 1*mV 

# Мониторинг
state_monitor = StateMonitor(neuron, 'v', record=True)
spike_monitor = SpikeMonitor(neuron)

# Запуск симуляции
run(200*ms)

# Проверка наличия спайков
print("Времена спайков:", spike_monitor.t / ms)

# Построение графиков с использованием Plotly
fig1 = go.Figure()
fig1.add_trace(go.Scatter(x=state_monitor.t / ms, 
                          y=state_monitor.v[0] / mV, 
                          mode='lines', 
                          name='Мембранный потенциал'))
fig1.add_hline(y=v_rest / mV, line_dash="dash", line_color="blue", name="$v_{rest}$ (Потенциал покоя)")
fig1.add_hline(y=v_reset / mV, line_dash="dash", line_color="green", name="$v_{reset}$ (Потенциал сброса)")
fig1.add_hline(y=v_threshold / mV, line_dash="dash", line_color="red", name="$v_{threshold}$ (Порог спайка)")

fig1.update_layout(
    title="Динамика мембранного потенциала нейрона (постоянный вход)",
    xaxis_title="Время (мс)",
    yaxis_title="Потенциал мембраны (мВ)",
    xaxis=dict(range=[0, 200]),
    template="plotly_white"
)

fig2 = go.Figure()
fig2.add_trace(go.Scatter(x=spike_monitor.t / ms, 
                          y=[0]*len(spike_monitor.t), 
                          mode='markers', 
                          marker=dict(symbol='circle', size=10, color='red'), 
                          name='Спайки'))

fig2.update_layout(
    title="Спайки нейрона",
    xaxis_title="Время (мс)",
    xaxis=dict(range=[0, 200]),
    yaxis=dict(title="Номер нейрона", range=[-0.5, 0.5]),
    template="plotly_white"
)

# Отображение графиков
fig1.show()
fig2.show()

Времена спайков: [ 50. 100. 105.]