大脑结构可塑性的模拟比预期更具可扩展性
分布式、并行与集群计算
2022-11-03 v2 神经与进化计算
性能
摘要
大脑的结构可塑性描述了随着时间推移新突触的创建和旧突触的删除。Rinke 等人 (JPDC 2018) 提出了一种可扩展的算法，该算法利用 Barnes-Hut 算法的变体，在当前硬件上模拟多达十亿个神经元的结构可塑性。他们展示了良好的可扩展性，并证明了其运行时间复杂度为 。在这篇评论文章中，我们表明，通过对算法的仔细考量和严格证明，其理论运行时间甚至可以被归类为 。
引用
@article{arxiv.2210.05267,
title = {Simulating Structural Plasticity of the Brain more Scalable than Expected},
author = {Fabian Czappa and Alexander Geiß and Felix Wolf},
journal= {arXiv preprint arXiv:2210.05267},
year = {2022}
}