近年来,脑科学研究成为了先进国家的重点研究领域,欧盟、美国、日本等国家相继提出各自的脑计划。研究人脑机理不仅能够加深对人脑的认识,由此促进脑疾病的治疗技术的发展,并且会对信息技术产生革命性影响,带来巨大的社会经济效益。经过几十年的发展,目前最快的超级计算机TH-2计算峰值已经达到了55Mflops。世界有关国家正在研制Eflops规模的超级计算机,正面临着许多重大技术挑战,如系统结构、功耗、可靠性、编程模式等。脑科学的研究对解决上述问题有重要的启发和推动作用,IBM的神经计算芯片为研制借鉴脑功能的超级计算机带来了一线曙光。大脑主要由神经元和突触构成,实现功能的机理复杂多样,从计算角度看,它们都是通过神经元构成的脑神经网络活动来实现的。此外,大规模脑神经网络计算特性与当前的超级计算机具有并行、分布、多层次等共同特点,因此可以通过用超级计算机仿真脑神经网络来实现对大脑功能的深入研究。大脑由大约百亿神经元、百万亿突触连接构成,而当前脑神经网络的仿真规模一般只有10~5个神经元,而一般区域性连接都至少需要10~6个神经元量级的神经网络。本课题从信息科学角度研究脑功能出发,主要是研究神经网络模型以及神经网络仿真技术。本文在超级计算机TH-1A上部署了神经网络仿真软件NEST,以神经元和神经网络为基本点,结合TH-1A的计算优势进行了脑神经网络仿真的相关研究,主要完成了如下工作:(1)分析脑神经网络基本结构,研究神经元模型、突触模型、神经网络模型,并从中选取适合进行大规模仿真的模型。(2)在TH-1A上部署脑神经网络仿真平台NEST,使用NEST在TH-1A上构建大规模脑神经网络,利用分析工具对用NEST构建的神经网络进行了内存占用和可扩展性分析。(3)研究提高NEST仿真效率的方法,减少神经元、突触数据结构冗余,提高神经网络的连接效率,实现大规模脑神经网络在超级计算机上的高效运行,从而提高NEST的脑神经网络仿真性能,扩大神经网络仿真规模。(4)构建1mm~3哺乳动物全尺度脑皮层区域仿真模型,实现了多个神经网络的层级互连,研究和验证神经网络层级之间的信息传递方式。