Dammed, a distributed and multithreaded event-driven spiking neural network simulation framework
Approche distribuée pour la simulation événementielle de réseaux de neurones impulsionnels
Résumé
Simulating spiking neuron networks with a sequential event-driven approach consumes less computation time than clock-driven methods. On the other hand, a parallel computing support provides a larger amount of material ressources for optimizing simulation performance. This PhD dissertation proposes an event-driven, multithreaded and distributed framework for simulating large size spiking neuron networks. The name of the simulator is the acronym DAMNED, for Distributed And Multithreaded Neural Event-Driven simulation framework. DAMNED distributes the neurons and connections of the network on the material ressources synchronized through a decentralized global virtual time. DAMNED also couples local multithreaded processing to the distributed hardware. DAMNED allows to speed up the simulation and to manage wider neural networks than sequential processing. DAMNED is suited to run many models of spiking neurons and networks, and most material supports are workable. Using DAMNED is presented first on simple networks for different sizes, connectivities and activities. Next, DAMNED is applied to modelling the control of saccadic eye movements. Completely based on spiking neurons, the model studies interactions between the neural circuits of the saccadic system located in the brainstem. The model helps validating the hypothesis that the saccade amplitude could be encoded by a vector summation of the activities in the superior colliculus motor map rather than a vector average, from comparison with data obtained in the simulation. Even if further developments and improvements may be forecasted, the originality of the work is to couple event-driven and distributed programming. Moreover, among the parallel simulators for spiking neuron networks, DAMNED is the first one taking advantage of an event-driven strategy internal multithreading of the logic processes and a distributed architecture of physical processes. Hence DAMNED is an advance in the area of simulating spiking neuron networks, mainly for wide size networks. Experiments on simulating the control of saccadic eye movements by a spiking neural network model and their contributions for the neuroscience community confirm the perspectives for further uses of the present work
Ce travail de thèse propose un simulateur événementiel, multithreadé et distribué pour la simulation de réseaux de neurone impulsionnels de grande taille, nommé DAMNED, qui signifie Distributed And Multithreaded Neural Event-Driven simulation framework. Répartissant le réseau de neurones sur les ressources matérielles synchronisées par une méthode décentralisée de gestion du temps virtuel, DAMNED introduit également un fonctionnement multithread. DAMNED permet d'accélérer les calculs et de simuler des réseau de plus grande taille qu'en séquentiel. DAMNED pennet d'exploiter de nombreux modèles de réseaux et de neurones et la plupart des supports matériels sont exploitables. Nous présentons l'utilisation de DAMNED sur un modèle simple de réseau pour différentes taille, connectivités et dynamiques. Ensuite, nous proposons une application directe de DAMNED dans une modélisation du système saccadique restreint au tronc cérébral. On montre, à l'aide de ce modèle, que l'hypothèse selon laquelle une somme vectorielle (vectc summation) des activités de la carte motrice du colliculus supérieur coderait pour l'amplitude de la saccade correspond davantage au données obtenues pour le modèle, exécuté sur DAMNED, qu'à l'hypothèse d'un moyennage de vecteurs (vector average). L'originalité de ce travail, parmi les premiers simulateurs distribués de réseaux de neurones impulsionnels, réside dans le couplage d'une stratégie événementielle, d'un multithreading interne aux processus logiques et une architecture physique distribuée. Le simulateur DAMNE D constitue donc une avancée dans le domaine des réseaux de neurones impulsionnels de grande taille