FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W3202166446> ?p ?o ?g. }

• W3202166446 abstract "Στα πρόσφατα χρόνια, το ταχύτατα εξελισσόμενο πεδίο της μοντελοποίησης του ανθρώπινου εγκεφάλου παρουσίασε σημαντικές εξελίξεις. Οι νευροεπιστήμονες ανά τον κόσμο σημείωνουν εντυπωσιακά βήματα στην χαρτογράφηση του λεπτομερούς τρόπου λειτουργίας του ανθρώπινου εγκεφάλου. Στην προσπάθεια τους αυτή, αναπτύχθηκαν πολύπλοκα μαθηματικά μοντέλα τα οποία επιτρέπουν την περιγραφή και μελέτη λεπτομερών ηλεκτροχημικών διεργασιών που διέπουν τη συμπεριφορά του εγκεφάλου. Τέτοιες προσπάθειες συνοδεύονται από εξαιρετικά μεγάλα υπολογιστικά φορτία προκειμένου να προσομοιωθούν και να αναλυθούν τα απαραίτητα δεδομένα, συνήθως δε σε απλά υπολογιστικά συστήματα. Ως εκ τούτου, το πεδίο της υπολογιστικής νευροεπιστήμης παρουσιάζει επιβλητικές προκλήσεις που η επιστήμη της υπολογιστικής επεξεργασίας υψηλής ισχύος καλείται να απαντήσει.Η εξέλιξη της κατανόησης και της χαρτογράφησης του ανθρώπινου εγκεφάλου έχει συνοδευθεί από μια σταθερή αύξηση στη διαθέσιμη υπολογιστική ισχύ που προσφέρουν οι πολυπύρηνοι επεξεργαστές. Επεξεργαστές όπως ο Xeon Phi της Intel εξελίσσονται διαρκώς ώστε να διαθέτουν αυξανόμενη υπολογιστική ικανότητα. Χάρη στον σχεδιασμό τους, προσφέρουν την ικανότητα προγραμματισμού με παραδοσιακά εργαλεία λογισμικού παράλληλης επεξεργασίας. Η δυνατότητα αυτή επηρεάζει σημαντικά την ευκολία με την οποία οι εφαρμογές λογισμικού μπορούν να αναπτυχθούν, να ελεγχθούν για την ποιότητά τους και να προωθηθούν στην αγορά. Ως αποτέλεσμα, οι πολυπύρηνοι επεξεργαστές αποτελούν μια ενδιαφέρουσα εναλλακτική οδό σε σύγκριση με άλλα εδραιωμένα συστήματα υψηλής επεξεργαστικής ισχύος, όπως οι κάρτες γραφικών και τα FPGA.Η παρούσα διατριβή ερευνά την αποτελεσματικότητα των πολυπύρηνων επεξεργαστών στα προβλήματα που απαντώνται στον τομέα της υπολογιστικής νευροεπιστήμης, κυρίως στο κομμάτι της μοντελοποίησης νευρώνων με μεγάλο βαθμό λεπτομέρειας. Μετά την τεκμηρίωση μιας ανιχνευμένης έλλειψης έρευνας σε προσομοιώσεις μεγάλων, λεπτομερών δικτύων νευρώνων σε υψηλής επεξεργαστικής ισχύος συστήματα, η διατριβή παρουσιάζει την ανάπτυξη ενός προσομοιωτή με έμφαση στη μοντελοποίηση βιοφυσικής λεπτομέρειας σε πολυπύρηνους επεξεργαστές αρχιτεκτονικής x86. Ο προσομοιωτής επίσης δρα ως αντικείμενο μελέτης για το πώς οι πολυπύρηνοι επεξεργαστές έχουν εξελιχθεί σε αρχιτεκτονική και συμπεριφορά, καθώς και βοηθά στην ανάλυση των δυνατών και αδύνατων σημείων των πολυπύρηνων επεξεργαστών, ώστε να διερευνηθεί ο ρόλος που μπορούν να έχουν στον τομέα της μοντελοποίησης δικτύων νευρώνων με μεγάλη υπολογιστική ισχύ.Η διατριβή παρουσιάζει ολοκληρωμένα την ανάπτυξη του προαναφερθέντος προσομοιωτή. Το έργο ξεκινά με μια εφαρμογή ειδικά σχεδιασμένη για τους πρώτους πειραματικούς πολυπύρηνους επεξεργαστές. Καθώς η πολυπύρηνη αρχιτεκτονική εξελίσσεται, επαναπροσδιορίζουμε τις παραμέτρους και τον σχεδιασμό του προσομοιωτή με ακρίβεια προκειμένου να εκμεταλλευθούμε τις προόδους της εξελισσόμενης τεχνολογίας. Καθ' όλη τη διαδικασία, ο προσομοιωτής ενσωματώνει περισσότερες επιλογές μοντελοποίησης, υποστηρίζει μεγαλύτερο εύρος παραμέτρων προσομοίωσης και τελικά, λειτουργεί σε ένα σύγχρονο, κλιμακώσιμο πολυπύρηνο επεξεργαστικό σύστημα. Το τελικό προϊόν αυτής της διατριβής είναι ένας προσομοιωτής που αποτελεί μια αποτελεσματική λύση για τη μελέτη απαιτητικών μοντέλων νευρώνων, τόσο από άποψη υπολογιστικής επίδοσης αλλά και καταναλώσης ενέργειας.Οι προσφορές μας στην επιστήμη του τομέα εστιάζονται στην ανάλυση των επιδόσεων των πολυπύρηνων επεξεργαστών όταν καλούνται να επεξεργαστούν μαθηματικά μοντέλα νευρώνων. Μέσω του προτεινόμενου προσομοιωτή, αναδεικνύουμε πώς το ευρύ φάσμα των παραμέτρων μοντελοποίησης νευρώνων επηρεάζει την προσομοίωση σε πολυπύρηνους επεξεργαστές. Ως εκ τούτου, κάνουμε ένα σημαντικό βήμα προς την αποτελεσματική αξιοποίηση υπολογιστικών συστημάτων υψηλών επιδόσεων με σκοπό την αντιμετώπιση των προκλήσεων που επιβάλλονται από τον τομέα της υπολογιστικής νευροεπιστήμης.Σημαντικό κομμάτι της διατριβής ασχολείται με την ενσωμάτωση του προσομοιωτή σε μια ευρύτερη, συνεργατική, διαδικτυακή πλατφόρμα που στοχεύει στην εκτέλεση προσομοιώσεων μοντέλων νευρώνων με υψηλή επεξεργαστική ισχύ. Η πλατφόρμα που παρουσιάζεται, με την ονομασία BrainFrame, αξιοποιεί ενα ετερογενές σύνολο από επιταχυντές, συγκεκριμένα πολυπύρηνους επεξεργαστές, κάρτες γραφικών και FPGA, προκειμένου να δώσει αποτελεσματικές λύσεις για διαφορετικές περιπτώσεις μοντελοποίησης και παραμέτρων δικτύου νευρώνων. Αποδεικνύουμε την αξία της πλατφόρμας μέσω της ανίχνευσης διαφορετικών περιπτώσεων προσομοίωσης όπου μια αλλαγή στον επιταχυντή που εκτελεί την προσομοίωση προσφέρει σημαντικά κέρδη στην ταχύτητα προσομοίωσης, υπογραμμίζοντας έτσι την αξία της ετερογένειας στην προσομοίωση μοντέλων νευρώνων με μεγάλη επεξεργαστική ισχύ." @default.
• W3202166446 created "2021-10-11" @default.
• W3202166446 creator A5024471052 @default.
• W3202166446 creator A5062678413 @default.
• W3202166446 date "2021-11-04" @default.
• W3202166446 modified "2023-09-23" @default.
• W3202166446 title "On application design for manycore processing systems in the domain of neuroscience" @default.
• W3202166446 doi "https://doi.org/10.12681/eadd/49353" @default.
• W3202166446 hasPublicationYear "2021" @default.
• W3202166446 type Work @default.
• W3202166446 sameAs 3202166446 @default.
• W3202166446 citedByCount "0" @default.
• W3202166446 crossrefType "dissertation" @default.
• W3202166446 hasAuthorship W3202166446A5024471052 @default.
• W3202166446 hasAuthorship W3202166446A5062678413 @default.
• W3202166446 hasConcept C111919701 @default.
• W3202166446 hasConcept C118524514 @default.
• W3202166446 hasConcept C134306372 @default.
• W3202166446 hasConcept C15744967 @default.
• W3202166446 hasConcept C169760540 @default.
• W3202166446 hasConcept C170723468 @default.
• W3202166446 hasConcept C173608175 @default.
• W3202166446 hasConcept C2777904410 @default.
• W3202166446 hasConcept C33923547 @default.
• W3202166446 hasConcept C36503486 @default.
• W3202166446 hasConcept C41008148 @default.
• W3202166446 hasConcept C42935608 @default.
• W3202166446 hasConcept C9390403 @default.
• W3202166446 hasConcept C96972482 @default.
• W3202166446 hasConceptScore W3202166446C111919701 @default.
• W3202166446 hasConceptScore W3202166446C118524514 @default.
• W3202166446 hasConceptScore W3202166446C134306372 @default.
• W3202166446 hasConceptScore W3202166446C15744967 @default.
• W3202166446 hasConceptScore W3202166446C169760540 @default.
• W3202166446 hasConceptScore W3202166446C170723468 @default.
• W3202166446 hasConceptScore W3202166446C173608175 @default.
• W3202166446 hasConceptScore W3202166446C2777904410 @default.
• W3202166446 hasConceptScore W3202166446C33923547 @default.
• W3202166446 hasConceptScore W3202166446C36503486 @default.
• W3202166446 hasConceptScore W3202166446C41008148 @default.
• W3202166446 hasConceptScore W3202166446C42935608 @default.
• W3202166446 hasConceptScore W3202166446C9390403 @default.
• W3202166446 hasConceptScore W3202166446C96972482 @default.
• W3202166446 hasLocation W32021664461 @default.
• W3202166446 hasOpenAccess W3202166446 @default.
• W3202166446 hasPrimaryLocation W32021664461 @default.
• W3202166446 hasRelatedWork W1522731666 @default.
• W3202166446 hasRelatedWork W2024554511 @default.
• W3202166446 hasRelatedWork W2047292351 @default.
• W3202166446 hasRelatedWork W2075537166 @default.
• W3202166446 hasRelatedWork W2283652387 @default.
• W3202166446 hasRelatedWork W2588843388 @default.
• W3202166446 hasRelatedWork W2753965283 @default.
• W3202166446 hasRelatedWork W2885985254 @default.
• W3202166446 hasRelatedWork W3004176791 @default.
• W3202166446 hasRelatedWork W3042238487 @default.
• W3202166446 isParatext "false" @default.
• W3202166446 isRetracted "false" @default.
• W3202166446 magId "3202166446" @default.
• W3202166446 workType "dissertation" @default.