近年来,脉冲神经网络的理论技术与工业应用得到快速发展,但同时神经网络模型的计算量也越来越大。脉冲神经网络的仿真模拟或模型训练的效率过低,并且缺乏相关硬件加速支持,研究者难以在单处理器计算机上难以对庞大的网络模型进行模拟仿真计算。本文提出一种多处理器脉冲神经网络模拟器的设计,本文模拟器可以映射于多处理器的集群架构上,利用多处理器的集群架构对脉冲神经网络开展并行计算,实现脉冲神经网络的加速仿真模拟。本文提出的模拟器设计主要有这几个方面:模拟器整体框架设计、神经元编码方式与神经网络任务的分发、神经元的通信方式和并行计算的时效性。在模拟器整体框架设计方面,为了保证了通信的有序性与高效性,本文提出内核—处理器以树型结构为整体框架。自定义神经元的编码和自定义了神经网络的任务分发算法。在网络通信方面采用神经元源地址寻址方式,自定义路由表,高效率地实现神经元间的脉冲传输。采用时间同步策略和动态同步方案,保证了多处理器间和多内核间并行计算的时效性。本文设计三组实验分别对模拟器进行准确性验证实验和加速模拟实验。首先以Izhikevich脉冲神经元作为准确性验证实验中的神经元模型,在模拟器中进行仿真模拟实验。实验结果表明,模拟器上的仿真模拟结果与原文献的仿真结果一致,模拟器可映射于多处理器的集群架构上。在模拟器加速模拟实验中,扩大了神经网络规模,通过模拟器的并行计算开展大规模的神经网络加速模拟实验。同时为了更深入测试模拟器的加速效果,对手写数字神经网络模型进行模型训练加速实验。两组加速模拟实验结果表明,映射于集群架构的模拟器可以对大规模脉冲神经网络的仿真模拟很好的加速效果。本文设计的多处理器脉冲神经网络模拟器可以映射于多处理器架构上,利用多处理器的并行计算实现大规模脉冲神经网络的加速仿真模拟,解决大规模网络难以在个人计算机上仿真模拟的问题。同时,多处理器模拟器的设计也为今后大型类脑计算机设计提供模拟器层面的设计方案和思路。