ExaFlexHH:一个exascale-ready,灵活的多FPGA库,用于生物学上可信的大脑模拟

科学领域:

• 计算神经科学是一种神经科学.
• 高性能计算 高性能计算
• 神经科学模拟器 神经科学模拟器

背景情况:

• 在-silico模拟对于理解复杂的大脑系统至关重要.
• 现有的平台往往缺乏像霍奇金-哈克斯利 (HH) 或差距连接等详细模型所需的性能,可扩展性或灵活性.

研究的目的:

• 介绍ExaFlexHH,这是一个准备在多FPGA平台上模拟HH模型的灵活,可扩展的图书馆.
• 通过提供高性能,可扩展性和易用性来解决当前模拟工具的局限性.

主要方法:

• 开发了ExaFlexHH,使用基于FPGA的数据流引擎 (DFE) 和数据流编程范式.
• 实施了低级橄的苛刻的扩展霍奇金-哈克斯利 (eHH) 模型,以证明性能.
• 确保参数化和NeuroML合规性,以实现广泛的可用性.

主要成果:

• 对于未连接网络的线性可扩展性和具有突触可塑性的网络的近线性可扩展性.
• 通过使用两个FPGA实现了1.99倍的性能提升,使用八个FPGA实现了7.96倍的性能提升.
• 展示了一致的GFLOPS每瓦效率,表明了准备好进行超级计算的计算.

结论:

• 与其他基于FPGA的模拟实现相比,ExaFlexHH提供了更高的资源效率.
• 该图书馆突破了大脑模拟平台的界限,促进了超级计算速度.
• ExaFlexHH满足了复杂的神经科学模型的高性能,可扩展性,灵活性和易用性标准.