BrainFrame：面向神经元模拟的节点级异构加速平台
神经与进化计算
2017-08-16 v4 分布式、并行与集群计算
摘要
目标：近年来高性能计算（HPC）的兴起使其通过计算模型在脑科学研究中的应用日益广泛。此类模型的规模和复杂性不断增加，带来了极具挑战性的计算需求。尽管现代 HPC 平台通常能够应对这些挑战，但建模领域的巨大多样性使得单一加速（或同构）平台无法有效满足全部建模需求。方法：本文提出并构建了 BrainFrame，一个异构加速平台，融合了三种不同的加速技术：数据流引擎（Dataflow Engine）、至强融核（Xeon Phi）和通用图形处理器（GP-GPU）。PyNN 框架也被集成到该平台中。作为一项具有挑战性的概念验证，我们分析了 BrainFrame 在一个前沿神经元模型的不同实例上的性能，该模型使用具有生物物理意义的扩展 Hodgkin-Huxley 表示来模拟下橄榄核。模型实例不仅考虑了神经元网络维度，还考虑了可能显著改变应用工作负载特性的不同网络连接情况。主要结果：三种 HPC 技术的综合方法表明，BrainFrame 能够更好地应对所遇到的建模多样性。我们的性能分析清楚地显示，模型直接影响性能，且需要所有三种技术来应对所有模型用例。
引用
@article{arxiv.1612.01501,
title = {BrainFrame: A node-level heterogeneous accelerator platform for neuron simulations},
author = {Georgios Smaragdos and Georgios Chatzikonstantis and Rahul Kukreja and Harry Sidiropoulos and Dimitrios Rodopoulos and Ioannis Sourdis and Zaid Al-Ars and Christoforos Kachris and Dimitrios Soudris and Chris I. De Zeeuw and Christos Strydis},
journal= {arXiv preprint arXiv:1612.01501},
year = {2017}
}
备注
16 pages, 18 figures, 5 tables