科学重器|对于由大量计算机节点组成的现代超级计算机来说，一些度量是极其重要的科学重器

文章图片

文章图片

文章图片

【科学重器|对于由大量计算机节点组成的现代超级计算机来说，一些度量是极其重要的】对于由大量计算机节点组成的现代超级计算机来说，一些度量是极其重要的。在弱尺度下，我们增加模拟网络的规模，同时增加计算机节点的数量，同时保持每个计算机节点固定的计算负荷。当获得较好的弱尺度时，只要涉及足够的计算机节点，仿真可以扩展到任意大小。在强缩放中，我们在固定模拟网络大小的同时增加计算机节点的数量。当获得较好的强尺度时，只要涉及更多的计算机节点，就可以更快地加速网络的计算机模拟。

由于数值方法和并行计算的复杂性，通常采用专用的仿真软件进行计算机仿真。我们正在开发自己的内部模拟器，可以在超级计算机上高效运行。对于多室模型，神经元模拟器是目前最受欢迎的选择。最近，然而，乔木模拟器正在积极开发。在大多数情况下，使用已有的仿真软件是进行仿真研究的首选和安全的选择。另一种选择是从头编写一个模拟程序。

然而，在超级计算机上编写高效的代码是一项非常困难的任务，而调试编写的代码比编写代码本身更加困难。因此，我们并不建议每个神经科学家都从零开始编写自己的代码。另一方面，当我们需要完全提取新构建的超级计算机的实际性能时，为特定的神经网络模型编写一个专用程序可能比移植和优化现有的模拟器更容易。在模型中，神经元并没有以生物学上精确的方式连接，只是随机连接。

网络大小比较相当于人类皮层的百分之一。在日本一个名为“后探索挑战”的项目中，五岚等人利用莫奈模拟器在计算机上演示了具有六十亿个神经元和二十四万亿突触的层状片状皮层的空间模型。小脑皮质核微复合体被认为是小脑回路的一个功能模块，充当一个监督学习机器。此外，整个小脑是一个重复的均匀微复合体结构，它们像晶体一样在空间上有规则地排列。

这表明，一旦我们建立了一个微复合体的尖峰网络模型，我们可能能够通过重复该模型来扩展网络，同时在适当的树突和轴突分枝范围内连接邻近的微复合体。第一个对小脑电路的大规模网络模拟可能是由泰瑞尔和威尔肖建立的，其中二十万个颗粒细胞被用来检验马尔和阿不思假设的苔藓纤维输入的组合表示。然而，在这个模型中，神经元被建模为不发出尖峰信号的模拟单元。

后来，该模型被扩展到包含一百万个尖顶神经元，并在称为图形处理单元的并行计算专用硬件上实现，以实现实时仿真。这些模型能够重现眨眼条件反射，并应用于各种机器学习任务。同时，尖峰网络模型提出了计时学习和获得学习都是由相同的计算原理介导的。随后，该模型实现实时仿真，并扩展到一百万个颗粒细胞。

后一种模型能够模拟小脑长期记忆形成的整个过程。同样的模型被进一步扩展，包括超过十亿个尖顶神经元，大小相当于一只猫的整个小脑。小脑仅占整个大脑体积的百分之一，但却包含了大脑中约百分之八十的神经元。换句话说，如果我们完成了对人规模小脑的计算机模拟，就意味着整个人脑模拟已经完成了80% 。