使用大脑组织模拟的性能建模

欧洲职业足球联盟蓝脑计划”的科学家们已经扩展性能计算脑科学领域的建模技术。在Neuroinformatics发表的一篇论文中,他们提供了一个定量评价脑组织的性能景观模拟,并详细分析之间的关系在计算机实验中,底层神经元和连接模型,模拟算法和所使用的硬件平台。从而推导第一分析性能详细的大脑组织模拟的模型,这是一个具体的步骤,使下一代的脑组织模拟。

理解大脑是最大的“大数据”我们今天面临的挑战越来越多,计算建模和模拟已经成为必不可少的工具,为了更好地了解大脑的结构和解读其组件的因果关系。通用的计算,直到现在,很大程度上能够交付高性能在模拟的大脑组织但与此同时,它正变得越来越难以依靠未来的电脑由于物理限制。如果全脑模型实现对未来电脑代理解模型和仿真引擎的计算特点将是必不可少的。

迄今为止,为了模拟脑组织,五花八门的大脑的生物化学和生物物理过程和结构导致了各种各样的的发展模型抽象和专业工具,其中一些在世界上最大的计算机上运行。然而,他们的进步主要依靠性能基准,即测量和优化软件和算法的艺术方法,给定的硬件,和只有在某些情况下使用最初的基于模型的外推。

使用分析性能建模的见解

为了超越基准测试方法和以前公布的初步推断,蓝脑科学家们利用一种互补的方法:详细的性能建模科学建模脑组织的性能模型,算法和仿真方案与一个特定的计算机体系结构上运行。使用混合灰色矩形模型相结合的生物和算法性能与硬件规格,科学家们发现性能瓶颈在不同模拟政权,对应于各种典型的科学问题,可以回答的模拟生物神经网络。分析是基于最先进的高性能计算(HPC)硬件架构和应用于先前发表的神经网络模拟(布鲁内尔模型,原始的和一个简化版的“蓝脑计划”的重构微电路),被选来代表重要的神经元模型在文献中。

弗朗西斯科·Cremonesi,这项研究的第一作者,解释说,“第一次,我们有先进的分析和定量的性能建模技术应用于脑组织再模拟领域。这使我们深刻了解类型的模型需要哪种类型的硬件和我们应该做什么来提高效率(因此模拟大模型在相同的硬件上更快)。我们相信这是一个重要的贡献社会,有时候比较脑组织模型只在神经元和突触的数量,但忽略了大型计算成本的差异取决于模型的水平的细节,”他总结道。

的一个重要突破导航计算的不确定的未来

与摩尔定律放缓甚至可能结束在不久的将来,它正在成为至关重要的理解哪些硬件属性现在限制计算速度和在未来系统中,哪些问题可能不可以解决的,如果新方法、硬件等不确定。因此,详细了解这一个电脑系统的一部分(例如内存带宽、网络延迟、处理速度等)是最相关的未来解决一个科学问题是必不可少的,因为它提供了一个定量和系统框架可以优先考虑这些未来的发展。

Felix Schurmann教授,这项研究的资深作者,解释说,“这项工作提供了很长一段必要的正式的框架,使在硅片间的定量讨论建模者、高性能软件人员和硬件架构师。”He continues, "The methodology developed in this work constitutes a quantitative means through which these scientific communities can collaborate in the task of designing and optimizing future software and hardware for the next generation of brain tissue simulations."