عصب شناسان و دیگر دانشمندان مغز، برای انجام تحقیقات و فعالیت های درمانی خود همیشه به شبیه سازی و مدل سازی تصاویر مغزی و سیگنال های بدست آمده از دستگاه هایی چون الکتروانسفالوگرافی نیاز دارند. این داده ها دارای حجم و پیچیدگی بسیار بالایی می باشند، که در نتیجه فرایند شبیه سازی بسیار زمان بر خواهد بود. رسالت علم نروانفورماتیک، کمک به عصب شناسان و دانشمندان مغز و پزشکان مغز و اعصاب برای پردازش این گونه داده ها می باشد. شبیه سازهای مختلفی برای این منظور وجود دارند، مانند جنسیس و نرون، که هدف اصلی این مدل ها، بررسی دقیق کانال های یونی و تأثیرشان روی چگونگی برانگیخته شدن نرون های شبکه عصبی می باشد.هم چنین محیط های شبیه سازی، مانند شبیه ساز «ncs», «برین», «nest» و «نمو»، به منظور توسعه شبکه های عصبی مبتنی بر تکانه عصبی، طراحی شده اند. با این حال، هر محیط شبیه سازی از نظر سرعت، واقع گرایی، انعطاف پذیری و حداکثر اندازه شبکه، دارای سطوح مختلفی می باشد. در این پایان نامه، یکی از انواع مدل ها برای شبیه سازی نرون های مختلف، با ویژگی ایژکویچ بررسی شده، و سپس با استفاده از این مدل و محیط شبیه سازی بر پایه پردازنده گرافیکی، شبیه سازی های نهایی، بر روی نرون ها (سلول های عصبی) انجام خواهد شد. این شبیه سازی، در دو بعد راحتی کار شبیه ساز برای تغییر مقادیر زیستی مورد نیاز و همچنین در بهبود زمان شبیه سازی نسبت به شبیه ساز های مبتنی بر پردازنده همانطور که در فصل آخر عنوان خواهد شد، بهبود هایی انجام شد. از نظر سرعت پردازشی در شبکه های حجیم که به طور کل بر روی پردازنده اصلی اجرا نمی شود، با سرعت شبیه سازی ? برابر فعالیت زیستی، شبیه سازی انجام می شود.