抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
様々なソフトウェアシミュレータは,ニューロンネットワークのために存在し,これらのツールのサブセットは,高い形態学的詳細でニューロンをモデリングすることを可能にする。そのようなシミュレーションツールのスケーラビリティは,ニューロンネットワークサイズとセル複雑性の広い範囲にわたって,計算ノード上のそのようなシミュレーションのコンポーネントの効果的な割り当てと,それらの間の通信のオーバヘッドによって,主に制限される。よりスケーラブルなシミュレーションソフトウェアを得るためには,現実的なサイズと複雑性のモデルに対する特定の計算ボトルネックへの洞察を可能にするロバストなベンチマーク戦略を開発することが重要である。本研究では,このようなベンチマークを実行するためのフレームワークとして,脳足場Builder(BSB;De Schepper et al.,2021)の使用を実証した。よく知られた神経形態学的シミュレータNEURON(CarnevleとHines,2006)とArbor(Abi Akar et al., 2019)の比較を行い,ヒト脳プロジェクトの枠組みの中で開発した新しいシミュレーションライブラリーである。BSBは,各シミュレータのための高度に空間的および生物物理学的に詳細なネットワークの同一の神経形態学的およびネットワーク構成を構築することができる。これは各シミュレータにおける特徴サポートの良好なカバレッジと現実的な作業負荷を確実にする。BSB生成モデルの出力を検証した後,2種類のノード(GPUとCPU)から成る様々なハードウェア構成に関するシミュレーションを行った。2つの異なるネットワークモデル,単一機械に適したもの,および分散シミュレーションの1つの性能を研究した。異なる機構,機構クラス,機構組合せ,および細胞型の性能を調べた。著者らのベンチマークは,Arborによって配備された分布方式に依存して,60と400の間のNEURONに関するスピードアップを達成できることを示した。さらに,Arborは,2桁以上のエネルギー効率になる。【JST・京大機械翻訳】