由NEST指导的NoC模拟:McAERsim和一个Noxim补丁
Markus Robens1, Robert Kleijnen1, Michael Schiek2
1Central Institute of Engineering, Electronics and Analytics: Electronic Systems (ZEA-2), Forschungszentrum Jülich GmbH, Jülich, Germany.
Frontiers in neuroscience
|July 5, 2024
概括
两个新的模拟框架将网络芯片模拟器与用于大脑建模的NEST环境集成在一起. 这些框架允许比实时更快的实时模拟,并提供有关神经网络通信延迟的见解.
科学领域:
- 计算神经科学是一种计算神经科学.
- 计算机工程是计算机工程.
背景情况:
- 了解大脑的计算机制需要模拟大规模的神经网络.
- 模拟这些复杂的模型给现有平台带来了挑战,特别是在节点间通信延迟方面.
- 比实时更快的实时模拟对于研究学习等缓慢的神经过程至关重要.
研究的目的:
- 介绍两个新的模拟框架,将网络芯片 (NoC) 模拟器与NEST (神经模拟工具) 环境接口.
- 允许通过神经网络模型直接定义网络流量,用于指导NoC模拟.
- 获取网络延迟的统计数据,并探索加速模拟的可能性.
主要方法:
- 开发了两个模拟框架,将NoC模拟器与NEST环境集成在一起.
- 利用神经网络模型来定义和引导NoC模拟,生成网络流量.
- 将框架应用于皮层微电路模型的缩放版本,以分析性能,延迟和流量.
- 实施时间转换机制以模拟加速因子.
主要成果:
- 这些框架成功地基于神经网络模型生成了网络流量,并提供了延迟统计数据.
- 性能曲线,延迟和流量分布被确定为缩放的皮质微电路模型.
- 第二个框架,以树为基础的多层支持和形拓学为特色,产生了最佳的结果.
- 结果与先前在节点内部的发现一致,这表明加速模拟是可以实现的.
结论:
- 开发的模拟框架为研究大型神经网络及其通信动态提供了可行的方法.
- 与NEST和NoC模拟器的集成可促进复杂大脑模型的高效,加快的模拟.
- 进一步细化,考虑NOC模拟器假设,可以提高这些模拟技术的准确性和适用性.
