Настольные Графические Процессоры Имитируют 24 Миллиарда Синапсов Коры Головного Мозга Млекопитающих

Доктор Джеймс Найт и профессор Томас Новотны из Школы инженерии и информатики Университета Сассекса использовали новейшие графические процессоры (GPU), чтобы дать одному настольному компьютеру возможность моделировать модели мозга почти неограниченного размера. Эта работа сделает большие модели мозга доступными для исследователей с крошечными бюджетами.

Исследование основано на новаторской работе американского исследователя Евгения Ижикевича, который в 2006 году впервые применил аналогичный метод для крупномасштабного моделирования мозга.

Исследователи применили метод Ижикевича к современному графическому процессору, обладающему примерно в 2000 раз большей вычислительной мощностью, чем 15 лет назад, чтобы создать передовую модель зрительной коры макаки (с 4,1 миллионами нейронов и 24,2 миллиардами синапсов), которую ранее можно было смоделировать только на суперкомпьютере.

Исследователь "GPU accelerated spiking neural network simulator" использует большое количество вычислительной мощности, доступной на графическом процессоре, чтобы "процедурно" генерировать связность и синаптические веса "на ходу" при срабатывании спайков – устраняя необходимость хранить данные о связности в памяти.

Инициализация модели исследователей заняла шесть минут, а моделирование каждой биологической секунды заняло 7,7 минуты в основном состоянии и 8,4 минуты в состоянии покоя– на 35 % меньше времени, чем предыдущее суперкомпьютерное моделирование. В 2018 году одна стойка суперкомпьютера IBM Blue Gene/Q инициализация модели заняла около пяти минут, а моделирование одной секунды биологического времени заняло примерно 12 минут.

Профессор Новотны, профессор информатики в Университете Сассекса, сказал: “крупномасштабное моделирование моделей нейронных сетей с шипами является важным инструментом для улучшения нашего понимания динамики и, в конечном счете, функции мозга. Однако даже мелкие млекопитающие, такие как мыши, имеют порядка 1 триллиона синаптических связей, что означает, что для моделирования требуется несколько терабайт данных – нереальная потребность в памяти для одной настольной машины.

Nature Computational Science – более крупное GPU-ускоренное моделирование мозга с процедурной связностью

Абстрактный
Моделирование является важным инструментом для исследования функций мозга, но для точного воспроизведения статистики и динамики мозговой активности необходимы большие модели. Моделирование больших моделей нейронных сетей с шипами до сих пор требовало так много памяти для хранения синаптических связей, что требовались высокопроизводительные компьютерные системы. Здесь мы представляем альтернативный метод моделирования, который мы называем " процедурной связностью’, где связность и синаптические веса генерируются ‘на лету’, а не хранятся и извлекаются из памяти. Этот метод особенно хорошо подходит для использования на графических процессорах (GPU), которые являются обычным приспособлением во многих рабочих станциях. Используя процедурную связность и дополнительную оптимизацию генерации кода GPU, мы можем смоделировать недавнюю модель зрительной коры макаки

Источник: www.nextbigfuture.com

Комментарии: