多时相与可塑性脉冲神经网络的分布式模拟：在小型商用集群上执行的代表性微型应用基准测试的强扩展与弱扩展

我们引入了一种原生分布式的微型应用基准测试，代表了可塑性脉冲神经网络模拟器。它可用于测量现有计算平台的性能，并推动专用于模拟可塑性脉冲网络的未来并行/分布式计算系统的开发。该微型应用旨在产生尖峰行为和突触连接性，且不随硬件处理节点数量的变化而改变，从而简化了在商用和定制架构上对可扩展性的定量研究。在此，我们展示了 DPSNN-STDP 基准测试（具有突触脉冲时序依赖可塑性的多时相脉冲神经网络分布式模拟）的强扩展、弱扩展以及计算/通信组件的性能分析。在首次测试中，我们使用该基准测试对一个小型商用处理器集群进行了演练（使用的物理核心数从 1 变化到 128）。该集群通过商用网络互连。由 Izhikevich 神经元组成的二维列网格将突触局部投射并朝向第一、第二和第三相邻列投射。模拟网络的规模从 6.6 G 突触变化到 200 K 突触。代码表现出快速且可扩展的特性：在 128 个时钟频率为 2.4 GHz 的硬件核心上运行由 3.2 G 突触组成的网络时，模拟一秒的活动和可塑性（每赫兹平均发放率）仅需 10 秒挂钟时间。该微型应用旨在易于与标准和定制的软件及硬件通信接口对接。其设计之初即为原生分布式和并行化，因此在多个平台上进行分布和并行化不应构成重大障碍。