Auto-tuning für neuronale Simulationen auf unterschiedlicher paralleler Hardware

• Antragsteller: Professor Dr.-Ing. Fred Henrik Hamker
• Fachliche Zuordnung: Datenmanagement, datenintensive Systeme, Informatik-Methoden in der Wirtschaftsinformatik ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing ; Kognitive, systemische und Verhaltensneurobiologie
• Förderung: Förderung von 2016 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 313818712

Die Simulation von biologisch-realistischen Neuronen-Netzwerken stellt hohe Anforderungen an die parallele Verarbeitung. Wichtige Aspekte sind dabei die Abhängigkeit der Berechnungsdauer von der Neuronenaktivität, die zeitliche Veränderung der Netzverbindungen und die Heterogenität des Netzes. Auto-tuning Techniken können daher zur Optimierung der Simulationsdauer auf verschiedenen Ebenen (Algorithmus, Datenstrukturen) unter Verwendung der Code-Generierung eingesetzt werden. In diesem Projekt werden wir zur Verbesserung der parallelen Verarbeitung von Neuronen-Netzwerken auf verschiedener Hardware (Shared Memory, Distributed Memory und GPU-basierte Systeme) online und offline auto-tuning Methoden untersuchen. Ein besonderer Fokus liegt dabei auf einer Verbesserung von Messungen zur Performanz, die Analyse von Datenstrukturen, die Verteilung von Daten durch Graph-Partitionierung, das Lernen von Heuristiken zur Reduktion des Suchraumes und die parametrisierte Code-Generierung zur Ausführungszeit eines spezifischen Neuronen-Netzwerkes. Die entwickelten Lösungen werden in einem bereits existierenden Neuronen-Simulator integriert und getestet.

• DFG-Verfahren: Sachbeihilfen