KIP-Veröffentlichungen

Diese Arbeit ist Teil des langfristigen Ziels, das Cortical Column Netzwerk von Potjans and Diesmann (2014b) auf dem BrainScaleS Hardware System der Electronic Vision(s) Gruppe der Universitaet Heidelberg umzusetzen. Dieses Modell wurde gewaehlt, da es konzeptionell einfach und im Forschungsgebiet der neuronalen Hardware und der neuronalen Computersimulationen weit verbreitet ist, da es biologisches Verhalten des Gehirnes reproduzieren kann. Um die Ergebnisse vergleichbar zu halten wurde eine Simulation mit dem Nest Simulator erstellt, welche mit Potjans and Diesmann (2014b) und Albada et al. (2018) verglichen wird. Der zugrudne liegende Code bildet das Fundament fuer die zukuenftige Hardware Implementation. Zudem wurde eine Hardware Mapping Analyse durchgef ührt, welche gezeigt hat, dass ein Cortical Column Netzwerk mit 10% der Orginalgroeße auf einem einzelnem Wafer mit 5% Synapsenverlust realisiert werden kann. Des Weiteren wurde die Web Visualisierung des BrainScaleS-1 Systems verbessert, indem unter anderem Synapsen und deren Gewichte implementiert wurden und die Ladezeit wesentlich verkuerzt wurde.

This thesis is part of the long-term goal to run the cortical column network by Potjans and Diesmann (2014b) on the BrainScaleS hardware system of the Electronic Vision(s) group located at the University of Heidelberg. This model was chosen because it is conceptually easy. It is wide spread in the field of neuromorphic hardware and large scale neuromorphic simulations on high performance computers, because it can reproduce biological brain activity. To keep the results comparable, a simulation was implemented with the Nest simulator and was compared to Potjans and Diesmann (2014b) and Albadaet al. (2018). The underlying code provides a solid foundation for the future hardware implementation. Moreover a hardware mapping analysis was done, showing that for a cortical column network with a size of 10% of the original network on a single wafer, only 5% of the synapses are not realizable. Furthermore the web visualization of the BrainScaleS-1 system was improved, amongst other things, by implementing synapses and their weights and by decreasing the loading times significantly.