受脑科学、神经计算科学研究的启发,脉冲神经网络作为模仿生物大脑机理的计算模型,在仿生视觉、嗅觉、记忆等应用场景中暂露头角,并逐渐成为脑模型研究的主流。脑科学研究表明,生物大脑的神经元突触个数比其神经元数量大3-4个数量级,生物大脑每周期的生物实时处理时间大概为1-10 ms,大脑工作过程伴随着大量脉冲信号的传递。因此,脑模型的生物实时仿真可抽象为超大规模的图计算和海量微小脉冲包的通信问题,给传统冯·诺依曼计算机体系结构带来了巨大挑战。其中,在现有计算机体系结构下如何解决海量微小脉冲包的高扇入扇出问题是脉冲神经网络模拟仿真平台的关键问题。为此,本文围绕CPU集群环境三维闭环网络拓扑结构下的大规模脉冲神经网络高效路由机制设计与实现这一科学问题,从脉冲传输协议优化角度提出一套基于集群环境下大规模脉冲神经网络的高效路由机制。通过节点负载仿真和猕猴脑模型模拟对比实验,本文方法的大规模脉冲传输速度相比于传统方法提升约10%,猕猴脑模型模拟的速度提升约一个量级。论文的主要工作如下:（1）结合脉冲神经网络特点,对比分析现有的计算机网路拓扑,选取圆环体作为集群基础拓扑。分析节点的度与网络拓扑半径、路由表表长、链路成本的关系,综合选取六度圆环体作为计算节点的拓扑模型,实现低通信代价传输。并基于此模型设计一套针对微小数据包的组播传输协议,减少脉冲查表次数及脉冲包个数。根据集群中脉冲神经网络的映射结构,设计层次化路由表以及脉冲多级路由查表机制。（2）利用图论理论建立脉冲神经网络工程的神经元、集群节点的数学模型,研究神经元间突触与节点链路的关系,优化计算脉冲传输在各节点对间的最短路径算法。并分析局部路径的选择与全局负载平衡的关系,提出一种顾及节点间负载平衡的路径规划算法,使集群中各节点所支持的路径数量大致相等,避免节点负载失衡的情况。（3）结合本文提出的神经元集群层次化映射逻辑、脉冲组播传输协议、脉冲路由路径计算及规划、三级路由表的结构,提出结合节点硬件资源的路由表生成算法,将脉冲路由机制和突触权重信息分布式保存到各节点上。