神经网络模拟性能基准测试的模块化工作流
摘要：计算神经科学努力发展复杂的网络模型，以解释健康和疾病中大脑的动态和功能。这个过程与神经网络理论的进展和关于脑连接性的详细解剖数据的增加相辅相成。研究多个脑区之间相互作用和系统级学习等长时间尺度现象的大规模模型需要提高模拟速度。现代化的模拟引擎的相应发展依赖于基准模拟提供的信息，基准模拟评估了使用各种硬件和软件版本的科学相关、互补的网络模型的解决方案所需的时间。然而，由于缺乏高性能计算系统上度量模拟器的扩展性能的标准化规范，保持基准结果的可比较性是困难的。受基准测试复杂性的挑战性启发，我们定义了一个通用的工作流程，将这个努力分解为由单独模块组成的独特段落。作为概念工作流程的参考实现，我们开发了一个名为beNNch的开源软件框架，用于配置、执行和分析神经网络模拟的基准测试。该框架以统一的方式记录基准测试数据和元数据，以促进可重复性。为了说明，我们在当代高性能计算系统上测量了NEST模拟器不同版本在具有不同复杂性水平的网络模型上的性能，展示了如何确定性能瓶颈，最终引导开发更高效的模拟技术。
作者：Jasper Albers, Jari Pronold, Anno Christopher Kurth, Stine Brekke Vennemo, Kaveh Haghighi Mood, Alexander Patronis, Dennis Terhorst, Jakob Jordan, Susanne Kunkel, Tom Tetzlaff, Markus Diesmann, Johanna Senk
论文ID：2112.09018
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2022-10-04