膜片钳技术是通过测量pA级细胞离子通道电流来研究各种离子通道及其调控机制，但测量对象和测量仪器本身引入的快电容伪差信号，会改变动作电位的发放特性。为了准确记录细胞动作电位的发放，膜片钳放大器采用了放大、频率补偿、电容补偿及电阻补偿等一系列的补偿技术。快电容补偿技术是其中关键技术之一，来减小细胞进行封接时引入的较大瞬态伪差信号。本文在分析快电容伪差信号对动作电位发放特性影响的基础上，对比传统快电容补偿方法，提出了一种基于BP神经网络的快电容补偿算法，并且利用COMSOL对电极电容形状引发快电容的影响进行了仿真建模，以提高补偿的精度。　　本文在快电容伪差信号对动作电位发放特性的影响方面进行分析。首先讨论快电容伪差信号对膜电容测量引入的误差，再次分析膜电容误差值对膜电流以及膜电位的影响，并且通过对HH模型中膜电位变化分析并建立模型，得出膜电位变化对动作电位发放特性的影响。　　对快电容补偿原理进行分析，并针对传统快电容补偿方法的不足，提出了基于BP神经网络的快电容补偿算法。首先利用MATLAB软件建立快电容补偿模型，并通过训练样本数据获得最佳的BP神经网络结构，得到神经网络权值，实现快电容的自动补偿。通过MATLAB SIMULINK软件建立膜片钳系统的电路模型，根据传统补偿算法与基于BP神经网络快电容补偿算法得到的补偿参数进行电路仿真。实验结果表明，基于BP神经网络补偿算法能够使10nA的伪差信号下降到2.4pA，相较于传统补偿算法的伪差电流信号降低了2/3左右，提高了快电容的补偿精度。　　在此基础上，根据快电容补偿误差的分析，讨论其影响机理。通过COMSOL Multiphysics软件建立电极电容模型，利用数学方法对锥形电容进行计算以验证模型的可行性，再分别从电极电容入液长度、开口大小、玻璃壁厚度及温度方面分析对快电容的影响。实验结果表明，通过调整电极形状能够提高快电容的补偿精度。