KIP-Veröffentlichungen

Die Neuromorphe Hardware BrainScaleS-1 ist ein analogesWafer-Scale System, welches am Kirchhoff Institut für Physik in Heidelberg entwickelt wird. Das System orientiert sich am Aufbau des menschlichen Gehirn und stellt somit eine analoge Platform zur Emulation neuronaler Netzte dar. Gegenwärtig wird das Modell eines ”Cortical Microcircuit” als mögliche Benchmark für die Hardware untersucht. Dazu wurde mit Hilfe des speziell zur Simulation neuronaler Netzte ausgelegten Programms NEST bereits eine skalierte software Version des ursprünglichen Modells realisiert. Im Verlauf dieser Arbeit wird diese nun schrittweise an die Einschränkungen, welche auf der Hardware gelten, angepasst. Dies beinhaltet unter anderem die Anpassung an ein anderes Neuronmodell, das Hinzufügen von Variaton zwischen den Parametern einzelner Nervenzellen sowie eine Anpassung der für die Simulation wichtigen Parameter an für die Hardware realistische Werte. Dabei wird ein besonderer Fokus auf die Verzögerung des Signals gelegt, da sich diese bereits in anderen Studien als besonders einflussreich für ein ähnliches Netzwerk gezeigt hat.

The neuromorphic hardware BrainScaleS-1 is a wafer-scale analogue system, that is developed at the Kirchhoff Institute for Physics in Heidelberg. Mimicking the brain structure, it is designed to emulate neural networks on an analogue computing substrate. As a means of establishing a benchmark for the system, there currently is an ongoing implementation of the cortical microcircuit model that was proposed by Potjans and Diesmann. A scaled software simulation of this model has already been implemented prior to this work, using the neural network simulator NEST. In the course of this thesis, this simulation is adapted to account for the restrictions that are imposed on any model when running on the hardware. This includes a change of the neuronmodel, variation between the individual neuron parameters and moving to network parameters that are realistic with respect to the hardware. A special focus is put on the effects of the synaptic delay, as it has proven to be strongly influential for the firing behaviour of similarly structured networks.