Desacoplamiento de las descripciones del modelo de la ejecución: un paradigma modular para la neurosimulación...

Área de la Ciencia:

• Neurociencia computacional
• Ingeniería de software para la simulación científica

Sus antecedentes:

• Los simuladores de neurociencia computacional tradicionales sufren de arquitecturas rígidas, lo que dificulta la flexibilidad, la escalabilidad y el intercambio de modelos entre plataformas.
• La integración de nuevos backends de simulación o aceleradores de hardware en las plataformas existentes a menudo requiere muchos recursos y es compleja.

Objetivo del estudio:

• Introducir el simulador neural EDEN, una nueva plataforma diseñada para superar las limitaciones de los simuladores tradicionales.
• Demostrar una arquitectura modular que desacople las descripciones de modelos abstractos de la ejecución, mejorando la extensibilidad y la integración de backend.

Principales métodos:

• Desarrolló el simulador neural EDEN con una arquitectura de pila modular.
• Utilizado NeuroML para descripciones de modelos abstractos para garantizar la portabilidad.
• Integró diversos backends, incluido el acelerador FPGA flexHH y la plataforma neuromórfica SpiNNaker, para mostrar la versatilidad de EDEN.

Principales resultados:

• EDEN integró con éxito backends de simulación distintos (flexHH y SpiNNaker) con un esfuerzo de implementación mínimo.
• La plataforma demostró un rendimiento competitivo al tiempo que mantenía una alta generalidad y usabilidad.
• Lograr una mayor flexibilidad y extensibilidad, permitiendo la incorporación sin fisuras de varias plataformas de simulación.

Conclusiones:

• EDEN proporciona un marco robusto, extensible y adaptable para las simulaciones de neurociencia computacional.
• El diseño modular avanza el paradigma para los simuladores neuronales, promoviendo una mayor interoperabilidad y rendimiento.
• Facilita el intercambio y la utilización de modelos más fáciles en diferentes motores y hardware de simulación.