因为大脑的不同部分有丰富的相互联系，所以不可能孤立地对小部分进行现实建模。然而，详细模拟大型神经系统也是不切实际的。本文概述了一种新的神经系统多尺度建模方法，包括构建有效的种群代理模型。给定一个具有相关活动和特定非随机连接的神经元模型种群，构造一个代理模型以近似该种群的总输出。替代模型比神经模型需要更少的计算，但它与神经模型有明确而具体的关系。例如，特定神经元的近似尖峰光栅可以通过代理模型的模拟得出。本文专门研究漏积分和核点神经元的神经工程框架（NEF）电路。通过对种群活动中的潜在变量进行插值，对峰值加权和进行建模，线性滤波器对高斯随机变量进行操作，以近似峰值相关的波动。研究发现，尽管峰值模型和代理模型之间存在一定的系统差异，但代理模型通常可以通过计算需求的数量级减少来近似网络行为。由于没有对单个峰值进行建模，因此可以使用更长的步长（例如20 ms）进行一些模拟。讨论了对非NEF网络和更复杂神经元模型的可能扩展。
