生物计算是将信息编码到生物分子中，利用生物技术手段处理信息的研究领域。膜计算是生物计算的重要研究领域之一，旨在借鉴活细胞处理与交互物质的方式，抽象出被称为膜系统的计算模型。脉冲神经膜系统是根据神经元之间信息处理与交互的方式抽象出的模型，被认为属于第三代神经网络，具有广泛的应用前景。带电荷的脉冲神经膜系统和带反脉冲的脉冲神经膜系统是脉冲神经膜系统的两类重要变体。带电荷的脉冲神经膜系统使用了三种电荷，存在电荷数目能否优化的问题。带反脉冲的脉冲神经膜系统在同步模式下已被证明是图灵通用的，然而在局部同步模式下的计算能力未知。在现有脉冲神经膜系统的仿真软件中，输入规则的形式种类有限，无法进行较复杂脉冲神经膜系统的仿真研究。针对这些问题，开展了电荷数目优化、局部同步模式下的计算能力，以及扩展脉冲神经膜系统仿真软件的研究。主要研究内容与成果如下：
　　针对带电荷的脉冲神经膜系统中电荷数目优化问题，将反脉冲的概念引入到了系统中，建立了带电荷与反脉冲的脉冲神经膜系统，并证明了只使用两种电荷的情况下系统依然是图灵通用的。在此基础上，构造了由121个神经元组成的小通用带电荷与反脉冲的脉冲神经膜系统。与文献中已知的由164个神经元组成的小通用带电荷脉冲神经膜系统相比，减少了43个神经元。
　　针对带反脉冲的脉冲神经膜系统在局部同步模式下的计算能力问题，在规则同步与神经元局部同步的基础上，提出了突触局部同步的概念。研究了带反脉冲的脉冲神经膜系统在规则局部同步、神经元局部同步以及突触局部同步三种模式下的计算能力，通过模拟注册机，证明了带反脉冲的脉冲神经膜系统在这三种局部同步模式下的计算能力均与图灵机等价。
　　Gutiérrez-Naranjo等人开发的脉冲神经膜系统仿真软件可以输入七种形式的规则。为了拓展仿真中输入规则的种类，编写了输入处理程序，该程序能识别任意种类的规则，进而开发了一款基于Python的仿真软件。为了检验程序的正确性，对脉冲神经膜系统进行仿真，仿真结果表明程序能够正确地模拟这类系统的计算过程。