در سال های اخیر، مطالعه رفتار سیستم عصبی مغز انسان و مدل سازی آن توسط روابط ریاضی و تلاش برای رسیدن به یک طراحی در بستر قابل تنظیم و مقیاس پذیر سخت افزاری برای شبیه سازی در علوم اعصاب از اهمیت و جایگاه ویژه ای برخوردار بوده است برهمین اساس شبیه سازی و پیاده سازی سیستمی که بتواند تمامی رفتار شبکه های عصبی اسپایکی را تا حد قابل قبولی دنبال و تقلیدکند یک نیاز ضروری محسوب می شود. این شبکه های عصبی اسپایکی دینامیک نورون های بیولوژیکی را به خوبی مدل می کنند که به عنوان ابزارهای قوی برای آنالیز و تحلیل فرآیند های مغز مانند پردازش اطلاعات عصبی، تطبیق پذیری و یادگیری، بررسی بیماری های عصبی مانند صرع ، آلزایمر، پارکینسون و و با ارائه راهحل هایی برای طیف وسیع وگسترده از مشکلات مهندسی مانند پردازش سریع سیگنال ، طبقه بندی ، تشخیص گفتار و سایر موارد ارایه می دهند و همچنین این شبکه ها به طراحی پردازندههای با کارآیی بالا و ساخت ربات های دقیق کمک می کند . با توجه به این که درجهت ارایه یک مدل ریاضی برای نورون های اسپایکی باید خصوصیات و ویژگی های آن نورون نیز درنظرگرفته شود و هرمدل دارای خصوصیات بیولوژیکی ازقبیل تحریک ناپذیری ، سازگاری فرکانسی اسپایک های پشت سرهم می باشد این خصوصیات امکان پیاده سازی یک نورون زیستی را به طور دقیق وشفاف ایجاد می نماید اما برای اجرا وپیاده سازی این مدل های نورونی نیاز به سخت افزار و مدارهای پیچیده می باشد با توجه به این نکته که برخی از ویژگی های زیستی نقشی در پردازش شناختی ندارند. بنابراین می توان بین یکپارچگی خصوصیات بیولوژیکی و پیچیدگی یک مدل نورونی اسپایکی برای پیاده سازی سخت افزار یک مصالحه برقرار کرد. حال برای طراحی چنین سیستمی باید دید که متشکل از چه بخش هایی می باشد بلوک های پایه سازنده شبکه های عصبی بیولوژیک اسپایکی را نورون ها تشکیل می دهند که تعداد آنها بسیار زیاد و گسترده است از گذشته تا به امروز مدل های نورونی مختلفی به عنوان واحد های محاسباتی مغز و به تبع آن شبکه های اسپایکی بیولوژیکی ارائه شده است. یکی دیگر از این مدل ها، مدل Morris-Lecar است که متشکل از دو معادله دیفرانسیل ودارای تعدادی تابع داخلی است. این مدل شامل معادلات غشا با فعال سازی جریان کلسیم آنی ویک معادله اضافی برای فعال سازی کندتر جریان پتانسیم می باشدکه این معادلات به صورت زیر
