迈向芯片上芯片神经科学：使用图形处理器快速挖掘频繁情节
分布式、并行与集群计算
2009-05-15 v1 数据库
摘要
计算神经科学正随着多电极阵列的出现而发生革命性变化，这些阵列能够提供关于脑功能的实时、动态视角。从这些芯片中挖掘事件流对于理解神经元的放电模式以及深入了解潜在的细胞活动至关重要。我们提出了一种用于挖掘尖峰序列的 GPGPU 解决方案。我们专注于挖掘频繁情节，即使在存在干扰背景/“垃圾”事件的情况下，它也能捕获跨时间的协调事件。我们的算法贡献有两个方面：MapConcatenate，一种新的计算到核心的映射方案，以及一种两遍消除方法，用于从大量候选者中快速找到支持的情节。它们共同帮助实现了一种用于神经科学数据挖掘的实时“芯片上芯片”解决方案，其中一个芯片（多电极阵列）提供尖峰序列数据，另一个芯片（GPGPU）以前所未有的规模对其进行挖掘。在合成数据集和真实数据集上的评估都证明了我们方法的潜力。
引用
@article{arxiv.0905.2200,
title = {Towards Chip-on-Chip Neuroscience: Fast Mining of Frequent Episodes Using Graphics Processors},
author = {Yong Cao and Debprakash Patnaik and Sean Ponce and Jeremy Archuleta and Patrick Butler and Wu-chun Feng and Naren Ramakrishnan},
journal= {arXiv preprint arXiv:0905.2200},
year = {2009}
}