巢模擬器
NEST 3.8
NEST 是尖峰神經網路模型的模擬器，專注於神經系統的動力學、大小和結構，而不是單一神經元的確切形態。 NEST 的開發由 NEST Initiative 協調。有關 NEST Initiative 的一般資訊可在其主頁 https://www.nest-initiative.org 上找到。
NEST 非常適合任何大小的尖峰神經元網絡，例如：
訊息處理模型，例如哺乳動物的視覺或聽覺皮層，
網絡活動動態模型，例如層狀皮質網絡或平衡隨機網絡，
學習和可塑性模型。
有關版權信息，請參閱LICENSE文件和來源文件中的資訊標頭。
您可以透過 Python (PyNEST) 或作為獨立應用程式 (nest) 使用 NEST。 PyNEST 為 Python 解釋器提供了一組命令，使您可以存取 NEST 的模擬核心。使用這些命令，您可以描述並執行網路模擬。您也可以使用 PyNN 來補充 PyNEST，PyNN 是一組獨立於模擬器的 Python 命令，用於制定和運行神經模擬。當您在 Python 中定義模擬時，實際模擬是在用 C++ 編寫的 NEST 高度最佳化的模擬核心中執行的。
NEST 模擬試圖遵循電腦內部進行的電生理學實驗的邏輯，但不同的是，要研究的神經系統必須由實驗者定義。
神經系統由可能大量的神經元及其連接來定義。在 NEST 網路中，不同的神經元和突觸模型可以共存。任何兩個神經元都可以有多個具有不同屬性的連接。因此，連接性通常不能用權重或連接矩陣來描述，而是用鄰接列表來描述。
為了操縱或觀察網路動態，實驗者可以定義所謂的設備，這些設備代表實驗中發現的各種儀器（用於測量和刺激）。這些設備將資料寫入記憶體或檔案。
NEST 是可擴展的，可以添加神經元、突觸和設備的新模型。
若要開始使用 NEST，請參閱教學文件頁面。
要了解有關 NEST 功能的更多信息，請閱讀完整的功能摘要。
NEST 提供了 50 多個神經元模型，其中許多已經發布。從具有基於電流或電導的突觸的簡單整合和激發神經元、Izhikevich 或 AdEx 模型到 Hodgkin-Huxley 模型中進行選擇。
NEST 提供了 10 多種突觸模型，包括短期可塑性 (Tsodyks & Markram) 和尖峰時間依賴性可塑性 (STDP) 的不同變異。
NEST 提供了許多範例，可協助您開始自己的模擬專案。
NEST 提供方便且有效率的命令來定義和連接大型網絡，範圍從演算法確定的連接到資料驅動的連接。
NEST 讓您在模擬過程中隨時檢查和修改每個神經元和每個連接的狀態。
NEST 速度快且記憶體效率高。它以最少的用戶幹預充分利用您的多核計算機和計算集群。
NEST 可以在各種類 UNIX 系統上運行，從 MacBook 到超級電腦。
NEST 的依賴性最小。它真正需要的只是一個 C++ 編譯器。其他一切都是可選的。
NEST 開發人員正在使用基於敏捷持續整合的工作流程，以維持高程式碼品質標準，以實現正確且可重複的模擬。
NEST 擁有所有神經模擬器中規模最大、經驗最豐富的開發者社群之一。 NEST 於 1994 年首次發布，名稱為 SYNOD，此後一直在擴展和改進。
NEST 是開源軟體，並根據 GNU 通用公共授權 v2 或更高版本獲得許可。
請參閱線上 NEST 安裝說明，以了解如何安裝 NEST。
您可以在 NEST 解釋器中執行help命令來尋找文件並了解有關可用命令的更多資訊。
有關 NEST 使用的查詢，請使用 NEST 使用者郵件清單。
有關 Python 與 NEST 綁定的資訊可以在${prefix}/share/doc/nest/README.md中找到。
對於那些希望擴展 NEST 的人，可以使用有關為 NEST 做出貢獻的開發人員文件。
如果您在工作中使用 NEST，請引用它。
您可以在這裡找到引用 NEST 的所有信息
