notebook

深色模式

WARNING

🧪 Beta公测版本提示：教程主体已完成，正在优化细节，欢迎大家提Issue反馈问题或建议。

导论：从膜电位到 NeuroAI — demo.py 代码详解 ​

Download demo.py

运行方式 ​

bash
cd docs/neuro/overview/code
python demo.py

CPU、matplotlib 即可。输出一张图 neuro_scale_ladder.png：六级「尺度梯子」，左列生物尺度、中列典型问题、右列本教程对应模型。没有微分方程、没有网络训练——导论只把后续章节钉在一张地图上。

代码逐段详解 ​

第1步：导入 — 为什么需要 FancyBboxPatch ​

python
import matplotlib.pyplot as plt
from matplotlib.patches import FancyBboxPatch
  • FancyBboxPatch：圆角矩形补丁。普通 Rectangle 是尖角；梯子每一格是卡片，圆角更像「板块」而不是坐标轴上的 bar。
  • 中文字体列表 + axes.unicode_minus = False：标题和格子里全是中文，缺字体就方块。
  • 本文件没有 NumPy：没有数组运算。LEVELS 是纯 Python 元组列表。

路径仍用脚本相对 images/：

python
_SCRIPT_DIR = os.path.dirname(os.path.abspath(__file__))
_IMAGES_DIR = os.path.join(_SCRIPT_DIR, '..', 'images')
os.makedirs(_IMAGES_DIR, exist_ok=True)

第2步：LEVELS — 数据与画图分离 ​

python
LEVELS = [
    ('离子 / 通道', 'Nernst、门控', 'HH 电流项'),
    ('单细胞膜', '静息、动作电位', 'HH / LIF'),
    ('突触', 'EPSP / IPSP、可塑性', 'STDP'),
    ('回路', 'E–I、感受野', '方向选择性 · raster'),
    ('结构', '谁连谁', '连接组 / SONATA-lite'),
    ('与 AI', '启发 / 对齐 / 约束', 'NeuroAI'),
]

每个三元组：(生物尺度, 典型问题, 本教程模型)。改文案只改这里，循环里的坐标公式不用动。自上而下从离子走到 NeuroAI，和后续章节顺序一致：hh-lif → neuron/stdp → circuits → connectomics → neuroai。

为什么用元组不是字典？ 只要三个位置固定的短字符串，元组更短；循环里 bio, q, model 解包即可。

第3步：坐标系关掉轴，自己当画布 ​

python
fig, ax = plt.subplots(figsize=(9.5, 5.2))
ax.set_xlim(0, 10)
ax.set_ylim(0, 7)
ax.axis('off')
  • figsize=(9.5, 5.2)：英寸。宽一点才能放下三列卡片。
  • set_xlim / set_ylim：数据坐标。卡片的 (x, y, 宽, 高) 都按这套尺子写。
  • axis('off')：不要刻度、不要边框。这是示意图不是函数图像。

第4步：循环里三列卡片 + 竖向箭头 ​

python
colors = ['#d4e6f1', '#fdebd0', '#d5f5e3', '#fadbd8', '#e8daef', '#d6eaf8']
for i, ((bio, q, model), c) in enumerate(zip(LEVELS, colors)):
    y = 5.6 - i * 0.9
  • zip(LEVELS, colors)：第 i 级配第 i 个颜色。两列等长，多出来的会被丢掉。
  • 嵌套解包 ((bio, q, model), c)：zip 给出 (三元组, 颜色)，再把三元组拆开。
  • y = 5.6 - i * 0.9：第 0 级在上。0.9 是行距（卡片高 0.72 + 间隙）。i 增大 y 减小，符合「往下走一层」。
python
ax.add_patch(FancyBboxPatch((0.4, y), 3.2, 0.72, boxstyle='round,pad=0.02',
                            facecolor=c, edgecolor='#333', linewidth=1.2))
ax.text(2.0, y + 0.36, bio, ha='center', va='center', ...)
  • FancyBboxPatch((x, y), width, height)：左下角在 (0.4, y)，宽 3.2、高 0.72。
  • boxstyle='round,pad=0.02'：圆角；pad 控制圆角半径量级。
  • ax.text(..., ha='center', va='center')：文字锚在格子中心。x=2.0 是左列中线（0.4+3.2/2），y+0.36 是格子垂直中点（高 0.72 的一半）。
  • 中列白底、右列浅灰描蓝边：视觉上「问题」中性、「模型」是教程入口。
python
if i < len(LEVELS) - 1:
    ax.annotate('', xy=(2.0, y - 0.08), xytext=(2.0, y - 0.16),
                arrowprops=dict(arrowstyle='-', color='#555', lw=1.2))
  • 最后一级不要往下指：i < len-1。
  • annotate 的 xy 是箭头尖、xytext 是尾。这里 arrowstyle='-' 其实是短线段，不是三角箭头，只在左列卡片之间留一条「梯子竖杆」。坐标都在左列中轴 x=2.0。

三列表头用 ax.text(..., 6.55, ...) 写在最顶上一行之上。

第5步：保存 ​

python
fig.tight_layout()
out = os.path.join(_IMAGES_DIR, 'neuro_scale_ladder.png')
fig.savefig(out, dpi=140)
plt.close(fig)
  • tight_layout：压缩边距，标题不被裁。
  • dpi=140：屏幕阅读够清，文件不太大。
  • plt.close(fig)：关掉图窗，避免在无显示器的脚本里堆积后端对象。

入口是 if __name__ == '__main__': main()，没有别的函数：导论脚本 = 一张图。

关键概念速查表 ​

概念直觉代码
尺度梯子离子→细胞→突触→回路→结构→AILEVELS 六行
圆角卡片示意图不是统计图FancyBboxPatch
zip行与颜色配对zip(LEVELS, colors)
y = 5.6 - i*0.9自上而下行距
ha/va='center'字在格子正中ax.text
axis('off')关掉坐标轴画布模式
annotate级间短线arrowstyle='-'

源码位置 ​

clone 后打开（相对仓库根目录）：

docs/neuro/overview/code/demo.py