Scalable Whole Brain Neural Ensemble Simulations

Mgr. Jan Fousek

Advanced ('rigorózní') thesis

Abstract:

Tyto teze obsahují plán výzkumu věnovaného zvýšení efektivity simulací lidského mozku jakožto dynamického systému. Práce se soustředí na modely na úrovni neurálních populací, které umožňují realizovat simulace celého objemu mozku. Konkrétně se jedná o modely tzv. neurálních mas a neurálních populací formulovaných v rámci teorie středního pole jako dynamické systémy se zpožděnou vazbou. Výběr nástrojů pro řešení výsledných stochastických diferenciálních rovnic se zpožděními je značně omezen právě závislostí řešení na dřívějších hodnotách a přítomností šumu. Realizace těchto simulací je výpočetně náročná a tato práce si klade za cíl navržení metod pro jejich řešení schopných využít moderních paralelních výpočetních architektur. Vzhledem k variabilitě možných formulací modelů neurálních populací a neurálních polí na jedné straně a značným rozdílům v paralelních architekturách na straně druhé, je součástí předkládaného plánu i vývoj automatického nástroje generujícího efektivní implementace pro dané architektury na základě zápisu modelu v jazyce s vyšší mírou abstrakce.

Abstract:

This thesis proposal contains plan of research on increasing the computational efficiency of the simulations of human brain as a dynamical system. We concentrate on neural population models, which make whole-brain simulation computationally feasible. In particular we deal with neural mass and neural field models formulated within the mean field theory as dynamic systems with delayed feedback. The choice of numerical tools for solving the resulting stochastic delayed differential equations is rather limited by the dependency of the current solution on the previous values and presence of a noise. Such simulations are computationally demanding and the goal of the proposed work is to develop methods, which will be able to make use of modern parallel computational architectures. As there is high variability in both the particular model structure on the one hand, and the parallel architectures on the other, we also propose to develop automated tool for generating efficient implementation of the simulation core for given computational architecture given a model description in a language with higher level of abstraction.

Keywords

whole brain model, neural mass models, neural field models, delay differential equations, parallel solvers

Language used: English

Date on which the thesis was submitted / produced: 14. 10. 2014

Thesis defence

• Date of defence: 15. 1. 2015
• Supervisor: prof. RNDr. Luděk Matyska, CSc.
• Reader: Dr. Viktor Jirsa, Ing. Mgr. Jaroslav Hlinka, Ph.D.

Masaryk University

Faculty of Informatics

Advanced ('rigorózní řízení') programme / field:
Informatics / Computer Systems