Um algoritmo para a resolução sistemas lineares para simulações de redes neurais em CUDA

• Processo: 13/14603-9
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de outubro de 2013
• Data de Término da vigência: 30 de setembro de 2014
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Raphael Yokoingawa de Camargo
• Beneficiário: Saeed Shariati
• Instituição Sede: Centro de Matemática, Computação e Cognição (CMCC). Universidade Federal do ABC (UFABC). Ministério da Educação (Brasil). Santo André , SP, Brasil
• Assunto(s): Neurociências Redes neurais (computação) Sistemas lineares
• Palavra(s)-Chave do Pesquisador: computação paralela | Gpgpu | neurociência computacional | Redes neurais | Software Básico

Resumo

Atualmente, a computação de propósito geral em unidades de processamento gráfico (GPGPU) é amplamente aceita como um novo paradigma de computação de alto desempenho para a realização de simulações, como as de redes neuronais de larga escala. Neste trabalho, desenvolveremos um algoritmo para resolver conjuntos de sistemas lineares, representando grupos de neurônios, usando GPUs. Iremos incorporar este algoritmo no simulador neuronal MOOSE, que é o sucessor do simulador GENESIS, amplamente utilizado por neurocientistas. Compararemos então a precisão e desempenho das versões em GPU e CPU do simulador. Com este trabalho, esperamos contribuir para a área da neurociência, através de um simulador mais eficiente para a comunidade de neurocientistas, e para a área de computação de alto desempenho, através do desenvolvimento de um algoritmo em GPU para a solução de grandes conjuntos de sistemas lineares que será útil para vários tipos de simulações.