Las nuevas GPU permiten que la PC de escritorio simule modelos cerebrales de tamaño casi ilimitado



Los académicos de la Universidad de Sussex han establecido un método de turbocompresor de computadoras de escritorio para brindarles la misma capacidad que las supercomputadoras por valor de decenas de millones de libras.

El Dr. James Knight y el profesor Thomas Nowotny de la Escuela de Ingeniería e Informática de la Universidad de Sussex utilizaron las últimas Unidades de Procesamiento Gráfico (GPU) para dar a una sola PC de escritorio la capacidad de simular modelos cerebrales de tamaño casi ilimitado.

Los investigadores creen que la innovación, detallada en Ciencia Computacional de la Naturaleza, permitirá que muchos más investigadores de todo el mundo lleven a cabo investigaciones sobre simulación cerebral a gran escala, incluida la investigación de trastornos neurológicos.

Actualmente, el costo de las supercomputadoras es tan prohibitivo que solo son asequibles para instituciones y agencias gubernamentales muy grandes y, por lo tanto, no son accesibles para un gran número de investigadores.

Además de reducir decenas de millones de libras en los costos de una supercomputadora, las simulaciones que se ejecutan en la PC de escritorio requieren aproximadamente 10 veces menos energía, lo que también aporta un beneficio de sostenibilidad significativo.

El Dr. Knight, investigador en Ciencias de la Computación de la Universidad de Sussex, dijo: “Creo que el principal beneficio de nuestra investigación es la accesibilidad. Fuera de estas organizaciones muy grandes, los académicos generalmente tienen que postularse para tener un tiempo limitado en una supercomputadora para un propósito científico particular. Esta es una barrera de entrada bastante alta que potencialmente está frenando muchas investigaciones importantes.

“Nuestra esperanza para nuestra propia investigación ahora es aplicar estas técnicas al aprendizaje automático inspirado en el cerebro para que podamos ayudar a resolver problemas en los que sobresalen los cerebros biológicos pero que actualmente están más allá de las simulaciones”.

“Además de los avances que hemos demostrado en la conectividad procedimental en el contexto del hardware de la GPU, también creemos que existe la posibilidad de desarrollar nuevos tipos de hardware neuromórfico construido desde cero para la conectividad procedimental. Los componentes clave podrían implementarse directamente en hardware, lo que podría conducir a mejoras de tiempo de cómputo aún más significativas “.

La investigación se basa en el trabajo pionero del investigador estadounidense Eugene Izhikevich, quien fue pionero en un método similar para la simulación cerebral a gran escala en 2006.

En ese momento, las computadoras eran demasiado lentas para que el método fuera ampliamente aplicable, lo que significa que la simulación de modelos cerebrales a gran escala hasta ahora solo ha sido posible para una minoría de investigadores privilegiados de tener acceso a sistemas de supercomputadoras.

Los investigadores aplicaron la técnica de Izhikevich a una GPU moderna, con aproximadamente 2.000 veces la potencia informática disponible hace 15 años, para crear un modelo de vanguardia de la corteza visual de un macaco (con 4,13 × 106 neuronas y 24,2 × 109 sinapsis) que antes solo podía ser simulado en una supercomputadora.

El simulador de red neuronal con picos acelerados por GPU de los investigadores utiliza la gran cantidad de potencia computacional disponible en una GPU para generar conectividad y pesos sinápticos de manera “ procedimental ” a medida que se activan los picos, eliminando la necesidad de almacenar datos de conectividad en la memoria.

La inicialización del modelo de los investigadores tomó seis minutos y la simulación de cada segundo biológico tomó 7.7 minutos en el estado fundamental y 8.4 minutos en el estado de reposo, hasta un 35% menos de tiempo que una simulación de supercomputadora anterior.

En 2018, la inicialización del modelo en un rack de una supercomputadora IBM Blue Gene / Q tomó alrededor de cinco minutos, y la simulación de un segundo de tiempo biológico tomó aproximadamente 12 minutos.

Las simulaciones a gran escala de modelos de redes neuronales con picos son una herramienta importante para mejorar nuestra comprensión de la dinámica y, en última instancia, la función de los cerebros. Sin embargo, incluso los mamíferos pequeños, como los ratones, tienen conexiones sinápticas del orden de 1 × 1012, lo que significa que las simulaciones requieren varios terabytes de datos, un requisito de memoria poco realista para una sola máquina de escritorio “.

Thomas Nowotny, profesor de informática, Universidad de Sussex

“Esta investigación es un cambio de juego para los investigadores de neurociencia computacional e inteligencia artificial que ahora pueden simular circuitos cerebrales en sus estaciones de trabajo locales, pero también permite a personas ajenas a la academia convertir su PC para juegos en una supercomputadora y ejecutar grandes redes neuronales”.

Fuente:

Referencia de la revista:

Knight, J, C y Nowotny, T. (2021) Simulaciones cerebrales aceleradas por GPU más grandes con conectividad procedimental. Ciencia Computacional de la Naturaleza. doi.org/10.1038/s43588-020-00022-7.

.



Source link