Sim4Life V10.0 将神经响应建模的范围扩展至全脑网络，并引入了基于通俗语言的仿真工作流程脚本编写功能。这两项功能均可在桌面应用程序与网络平台共用的统一界面内运行。
Sim4Life V9.6 实现了对神经激活的快速预测，足以支持刺激参数的优化。V10.0 进一步扩展，从单个神经元层面提升至全脑网络动力学及模拟脑电图（EEG）层面。由 IT’IS 研究人员开发的 BraiNN 系统，将大脑表征为一个由“神经群体模型”（neural mass models）构成的网络，这些模型通过可定制的结构连接性相互关联。Sim4Life 的低频求解器所计算出的刺激场驱动该网络，而基于同一头部模型的导联场（lead fields）则将网络活动映射为模拟的头皮脑电图（EEG）。
可用版本: 10.x , 9.x , 8.x ,…
ZMT Sim4Life 2027 v10.0.0
此类全脑模型目前已在临床中进行测试。在针对耐药性癫痫的治疗中，“虚拟癫痫患者”（Virtual Epileptic Patient）工作流程 [1–3] 正被用于术前绘制致痫区网络（EPINOV 项目，NCT03643016）；然而，高昂的计算成本限制了其在优化刺激参数方面的应用 [4]。BraiNN 将同类模型与 Sim4Life 基于影像的场仿真相结合，同时将计算成本降低了几个数量级。
根据开发团队预印本 [5] 中的基准测试结果，在图形处理器（GPU）上运行的 BraiNN，其速度比在中央处理器（CPU）上运行的“虚拟大脑”（The Virtual Brain）系统快 90 倍以上。在这样的运行速度下，进行参数扫描、搜寻能产生目标网络响应的刺激设置，以及根据实测响应拟合模型参数，在单台工作站上即可高效完成。这相当于构建了一个虚拟脑电图（EEG）实验室，使用户能够在开展实际实验前，先对刺激效应进行探索。
V10.0 版本随附一个基于开放获取影像数据构建的、可直接使用的脑与头部模型，并开放了关键参数供用户探索。后续版本还将推出一套基于影像数据构建个体化（受试者特异性）模型的流程。
Sim4Life 的 Python 接口长期以来一直支持可复现的专业工作流程，方便熟悉 Python 脚本编写的用户使用。 Sim4Life 人工智能 (AI) 助手能够根据自然语言指令（例如“构建此几何模型”、“设置该仿真”、“提取这些结果”）自动生成脚本，从而让更多用户能够使用这些工作流程。它会自动确定所需步骤、编写脚本并阐明其逻辑依据；同时，生成的脚本也完全开放，支持用户进行查看与调整。
该 AI 经过了专门训练，学习了我们物理、神经科学及生物医学团队在实际工作中采用的操作流程与质量保证步骤，确保每位用户都能从中受益，应用业经验证的最佳实践。我们将这一功能称为“文本转仿真”（Text-to-Simulation）。
V10.0 版本采用了全新的界面（桌面端与网页端通用），引入了现代化的脚本编写环境、集成式搜索功能、工具与文档的快速访问入口，以及引导式的建模操作。在过渡期间，Sim4Life Classic V10.0 版本仍可继续使用。
Sim4Life 10.0 发行说明
More Information in English: ZMT Sim4Life 2027 v10.0.0