利用 ODE 波形松弛方法在分布式神经网络仿真中高效纳入间隙连接
数值分析
2021-05-14 v1 数值分析
摘要
波形松弛方法将微分方程组划分为子系统，从而允许跨系统并行化。本文提出一种 ODE 波形松弛方法在脉冲神经网络模拟器中的应用。并行脉冲神经网络模拟器利用具有化学突触的神经元动力学在最小网络延迟期间解耦的事实，从而可在此期间独立求解。电突触（即间隙连接）的纳入需要神经元间的持续交互，因而对这些模拟器构成概念性问题。我们提出一种合适的波形松弛方法以高效整合间隙连接，并证明与非迭代求解相比，该波形松弛方法在精度和性能上均有改善。我们在并行脉冲神经网络模拟器 NEST 的参考实现中研究了所采用的方法。
引用
@article{arxiv.2105.06404,
title = {Using ODE waveform-relaxation methods to efficiently include gap junctions in distributed neural network simulations},
author = {Matthias Bolten and Jan Hahne},
journal= {arXiv preprint arXiv:2105.06404},
year = {2021}
}
备注
9 pages, 11 figures