耶路撒冷希伯来大学和 EPFL Blue Brain Project 的科学家开发了 Neuron_Reduce，这是一种新的计算工具，它为科学界提供了一种直接的能力来简化任何细胞类型的复杂神经元模型，并且仍然忠实地保留其输入输出属性，同时显着减少仿真运行时间。
由数千个突触组成的详细神经元模型是理解单个神经元和大型神经元网络的计算特性以及解释实验结果的关键。然而，这些模型的模拟在计算上非常昂贵(使用大量计算时间)，这大大降低了它们的效用。耶路撒冷希伯来大学和 EPFL 蓝脑项目的科学家们首次制定了一种独特的分析方法，以应对降低神经元模型复杂性同时保留其关键输入/输出功能及其计算能力的挑战。
神经元和网络的简化模型在捕获微小实验细节的高度详细模型与更简单的模型之间架起了一座桥梁，这些模型更容易以丢失重要细节为代价进行理论解释。这些桥接模型显着减少了详细神经元模型(及其形成的网络)所需的计算时间和存储量，并导致更快的模拟时间和可以模拟的更大的神经元回路。
Neuron_Reduce 是一种新的分析工具，它为复杂的非线性神经元模型提供独特的多圆柱简化模型，无论是在降低形态复杂度还是减少计算时间方面。该工具基于 Rall 的电缆理论和线性电路理论，以分析方式将详细的树突树映射为简化的多圆柱树。突触和离子通道被映射到简化模型，保留它们到体细胞(细胞体)的传输阻抗;具有相同传输阻抗的突触一直合并到一个神经元过程中，同时保留它们各自的激活时间。
“Neuron_Reduce 是分析建模树突计算的一项重大创新，”耶路撒冷希伯来大学 (HUJI) 计算神经科学 David & Inez Myers 教授兼神经生物学系主任 Idan Segev 教授解释说。“分析简化的模型保留了详细模型的大量阈下和阈上特征，包括单个树突的特性、它们的生物物理特性以及单个突触的特性和可兴奋离子通道的多样性，它增强了模型的计算速度提高了数百倍，”Segev 说。