Συντάχθηκε 20-04-2015 08:46
από Vasiliki Grigoraki
Email συντάκτη: vgrigoraki<στο>tuc.gr
Ενημερώθηκε:
-
Κύρια: υπάλληλος ΗΜΜΥ.
Άλλες ιδιότητες: Unknown -#-@ΗΜΜΥ
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
ΕΜΜΑΝΟΥΗΛ ΚΟΥΣΑΝΑΚΗ
με θέμα
«ΕΠΙΤΑΧΥΝΣΗ ΠΡΟΣΟΜΟΙΩΣΗΣ ΔΙΚΤΥΟΥ ΝΕΥΡΩΝΩΝ ΜΕ ΧΡΗΣΗ ΑΝΑΔΙΑΤΑΣΣΟΜΕΝΗΣ ΛΟΓΙΚΗΣ»
Τετάρτη 22 Απριλίου 2015, 1μμ
Αίθουσα 145.Π58, Κτίριο Επιστημών, Πολυτεχνειούπολη
Εξεταστική Επιτροπή
Επιβλέπων: Καθηγητής Απόστολος Δόλλας(ΗΜΜΥ)
Μέλος Επιτροπής: Καθηγητής Διονύσιος Πνευματικάτος(ΗΜΜΥ)
Μέλος Επιτροπής: Δρ. Παναγιώτα Ποϊράζη(IMBB/ITE)
Περίληψη
Τα τελευταία χρόνια η ανάπτυξη βιολογικών νευρωνικών μοντέλων έχει κεντρίσει το ενδιαφέρον των ερευνητών. Στόχος είναι η κατανόηση σε μεγαλύτερο βαθμό της συμπεριφοράς του εγκεφάλου. Έτσι, δημιουργήθηκαν ποικίλα βιολογικά νευρωνικά μοντέλα τα οποία προσομοιώνουν με μεγάλη λεπτομέρεια τον τρόπο επεξεργασίας και διάδοσης της πληροφορίας σε δίκτυα νευρώνων, αλλά και μοντέλα τα οποία από την πλευρά της βιολογικής πιστότητας είναι αρκετά περιληπτικά.
Η παρούσα διπλωματική εργασία στοχεύει στην επιτάχυνση προσομοίωσης ενός δικτύου νευρώνων, σύμφωνα με το απλοποιημένο υπολογιστικό μοντέλο των Hodgkin and Huxley ως ένα νευρωνικό δίκτυο 2 επιπέδων. Το μοντέλο που υλοποιήθηκε, προσεγγίστηκε διαφορετικά από παρόμοιες υλοποιήσεις σε hardware, καθώς η διασυνδεσιμότητα των νευρώνων αποθηκεύτηκε σε εξωτερική μνήμη. Έτσι, η αποτύπωση του συστήματος πραγματοποιήθηκε σε ένα υβριδικό υπέρ-υπολογιστή βασισμένο σε αναδιατασσόμενη λογική, ώστε να εκμεταλλευτούμε τόσο τα πλεονεκτήματα της αναδιατασσόμενής λογικής, όσο και το υψηλό εύρος ζώνης των ελεγκτών εξωτερικής μνήμης της υβριδικής πλατφόρμας.
Πιο συγκεκριμένα, υλοποιήθηκε ένα δίκτυο από 70 νευρώνες, όπου ο καθένας αποτελείται από 64 δενδρίτες και κάθε δενδρίτης από 512 συνάψεις. Το δίκτυο που δημιουργείται κατά την σύνδεση των νευρώνων μεταξύ τους είναι μερικώς συνδεδεμένο και μεταδίδει πληροφορία όταν είναι εφικτό. Το σύστημα είναι ευέλικτο, αφού τα δεδομένα του μοντέλου, ο χρόνος προσομοίωσης και το εξωτερικό ερέθισμα, είναι αποθηκευμένα στην εξωτερική μνήμη δίνοντας έτσι τη δυνατότητα στο χρήστη να εκτελέσει διαφορετικών ειδών προσομοιώσεις.
Τέλος, το αποτέλεσμα ήταν 35 φορές πιο γρήγορη εκτέλεση της προσομοίωσης του δικτύου νευρώνων που υλοποιήθηκε σε μία Virtex-6 LX760 FPGA, σε σχέση με παρόμοιες προσομοιώσεις που υλοποιήθηκαν σε Software. και εκτελέστηκαν σε ένα σύστημα με επεξεργαστή 4 πυρήνων στα 3.10 GHz.Περίληψη της εργασίας στα Αγγλικά.
