快速开始

本笔记概括 CANNs 设计哲学的要点，帮助你迅速熟悉库的结构。

在深入阅读完整的设计哲学笔记或源码之前，可先将它当作高层检查清单。

模块概览

• model 内置模型包。

  • basic 核心 CANN 模型及其变体。

  • brain_inspired 各类脑启发模型。

  • hybrid 将 CANN 与其他架构（如 ANN）混合的模型。

• task 负责生成、持久化、导入与可视化刺激的任务工具。

• analyzer 专注模型与数据可视化的分析工具。

  • model analyzer 能量景观、发放率、调谐曲线等模型分析函数。

  • data analyzer 面向实验数据或虚拟 RNN 动力学的分析流程。

• trainer 统一的训练与预测接口。

• pipeline 将上述模块串联的端到端流水线。

模型模块速览

models

总览

模型模块实现不同维度的基础 CANN、脑启发变体以及混合模型，是整个库的核心，并与其他模块协同覆盖多种场景。

实现按照类型分组：

• Basic Models (canns.models.basic) 标准 CANN 结构及其扩展。

• Brain-Inspired Models (canns.models.brain_inspired) 脑启发网络实现。

• Hybrid Models (canns.models.hybird) 将 CANN 与 ANN 等机制结合的混合模型。

这些模型依赖 Brain Simulation Ecosystem，尤其是 brainstate。brainstate 基于 JAX/BrainUnit，提供 brainstate.nn.Dynamics 抽象、State/HiddenState/ParamState 容器、brainstate.environ 的统一时间步控制，以及 brainstate.compile.for_loop、brainstate.random 等工具。借助这些组件，模型只需描述状态变量与更新规则，时间推进、并行与随机数管理由 brainstate 负责，从而降低实现成本。

任务模块速览

task

总览

任务模块负责生成、保存、读取、导入并展示 CANN 相关刺激。它提供多种预设任务，同时允许根据特定需求扩展。

分析器模块速览

analyzer

总览

分析器模块为 CANN 模型和实验数据提供可视化与统计分析工具，涵盖模型分析与数据分析两大类。

训练器要点

trainer

总览

训练器模块提供统一的训练与评估接口。目前以 Hebbian 学习为核心，后续可扩展其他策略。

流水线概览

Pipeline

总览

流水线模块将模型、任务、分析器与训练器串联成端到端流程，便于用最少代码完成常见需求。

下一步

• 阅读 设计哲学 获取完整设计理念。

• 浏览 examples/ 目录了解各模块的实际用法。

• 按照各节提供的扩展指引定制自己的组件。