利用原位数据分析实现 GENESIS 大脑新皮层仿真的计算引导

基于摘要分析。本文研究高保真大脑神经元网络仿真产生大量数据时，如何在运行过程中提取可用信息并调控仿真。核心贡献是在 GENESIS 新皮层仿真中集成原位数据分析，使计算引导能够在不停止仿真、不进行仿真后分析并重启的情况下实施。 原问题是高保真仿真输出难以保存并及时转化为科学洞见。作者将分析从仿真结束后移到仿真运行期间，但原位分析主要接触局部数据，无法直接获得传统分析中的统一全局视图，因此需要评估局部信息能否支撑准确的全局判断。该工作关注的是生物学神经元网络的电活动仿真与计算流程，并非 EEG 解码模型或 BCI 算法。 作者报告，将原位分析与传统仿真后分析进行了准确性比较，并展示了从局部数据获得有意义全局信息的能力；摘要未提供误差指标、量化结果或具体比较协议。作者还报告，在模拟神经元网络运行期间，可将其电活动从原文定义的 EEG alpha 频段（8–13 Hz）引导至 beta 频段（13–40 Hz）。这一结果发生在仿真环境中，不能据此推断真实脑活动可以被同样调控。 复现需核对 GENESIS 仿真配置、神经元网络与规模、局部数据的分配和汇总方式、频段分析方法、运行时调控变量，以及原位分析与仿真后分析的误差和计算开销。上述实现细节、实验协议、消融及统计信息尚未验证。材料未提供真实 EEG 数据或 BCI 任务评估，因而不据此提出 EEG 解码迁移或闭环干预有效性的结论。