در سال های اخیر مطالعه ی مغز و رفتار آن با هدف کاربردی به موضوع تحقیقاتی روز دنیا مبدل گشته است. از جمله کاربردهای آن می توان به یافتن راه حل های جدید برای درمان بیماری های مرتبط با مغز، طراحی بهتر روبات ها و مطالعه ی رفتار شبکه های عصبی اشاره کرد. برای فهم رفتار مغز، شبیه سازی و پیاده سازی سیستم های بزرگ مقیاس، مشابه مغز، یک نیاز ضروری است. مشابه هر سیستم پیچیده ی دیگر، مغز انسان متشکل از تعداد زیادی بلوک اولیه به نام نورون است که به طور متراکم به هم متصلند و با هم ارتباط دارند. بنابراین فهم عمیق رفتار یک تک نورون نقش مهمی در مطالعات مربوط به مغز ایفا می کند. در این راستا پیاده سازی شبکه های عصبی نورونی، به خصوص شبکه های عصبی بزرگ مقیاس با دقت بالا، از نظر محاسباتی یک کار پر هزینه است. این پایان نامه مدل هایی به منظور پیاده سازی دیجیتال نورون های بیولوژیکی اسپایکی ارائه می دهد. برای رسیدن به این هدف کارهای زیر انجام شده است: در گام اول، مدل نورونی adex، یک مدل نورونی با دقت بیولوژیکی بالا، را مورد بررسی قرار دادیم و پیاده سازی دیجیتال مبتنی بر fpga را که یک روش کارآمد از لحاظ سرعت و هزینه به طور همزمان است را مد نظر قرار دادیم. در گام دوم، تعدادی مدل نورونی بر اساس مدل adex ارائه دادیم. مدل های پیشنهادی می توانند رفتارهای بیولوژیکی متفاوت را با دقت قابل قبولی تولید کنند. این مدل ها به لحاظ امکان سنجی پیاده سازی دیجیتال و با هدف کاهش هزینه مورد بررسی قرار گرفتند. در گام سوم، مدارهای دیجیتال برای مدل های پیشنهادی ارائه شده است. همچنین تکنیک پایپ لاین را برای کاهش مسیر بحرانی و رسیدن به فرکانس بالاتر کاری و نرخ تولید بیش تر مورد استفاده قرار دادیم. در نهایت، برای اطمینان حاصل کردن از صحت عملکرد مدل های پیشنهادی، آن ها را بر روی برد fpga شرکت زایلینکس پیاده سازی نمودیم. سنتز و پیاده سازی مدل های پیشنهادی بر روی fpga نشان داد که مدل های پیشنهادی می توانند رفتار انواع نورون های بیولوژیکی را با دقت قابل قبول و هزینه پیاده سازی پایین نسبت به مدل اصلی تولید نمایند.