Nest Dry-runモード：ニューロンネットワークシミュレーションコードの効率的な動的分析

Nestは、一般的な目的アプローチにコミットするニューロンネットワークをスパイクするためのシミュレーターです。ネットワークモデルの設計における柔軟性が高くなり、そのアプリケーションはラップトップ上の小規模シミュレーションからスーパーコンピューターの脳のスケールシミュレーションにまで及びます。したがって、開発者はさまざまなユースケースについてコードをテストし、コードの変更がスケーラビリティを損なうことを確認する必要があります。ただし、スーパーコンピューターでベンチマークのフルセットを実行すると、貴重な計算時間リソースが得られ、長いキューイング時間を伴う可能性があります。ここでは、高性能コンピューティング施設へのアクセスを必要とせずに包括的な動的コード分析を可能にするNest Dry-Runモードを提示します。ドライランシミュレーションは、単一のプロセスによって実行されます。これは、多くのプロセスを持つ並列環境の一部であるかのように通信を除くすべてのシミュレーションステップを実行します。ニューロンネットワークシミュレーションのメモリ使用量とランタイムの測定値は、対応するドライランデータと密接に一致することを示します。さらに、プロファイリングとパフォーマンスモデリングの領域でのドライランモードの適用が成功したことを示します。

NEST is a simulator for spiking neuronal networks that commits to a general purpose approach: It allows for high flexibility in the design of network models, and its applications range from small-scale simulations on laptops to brain-scale simulations on supercomputers. Hence, developers need to test their code for various use cases and ensure that changes to code do not impair scalability. However, running a full set of benchmarks on a supercomputer takes up precious compute-time resources and can entail long queuing times. Here, we present the NEST dry-run mode, which enables comprehensive dynamic code analysis without requiring access to high-performance computing facilities. A dry-run simulation is carried out by a single process, which performs all simulation steps except communication as if it was part of a parallel environment with many processes. We show that measurements of memory usage and runtime of neuronal network simulations closely match the corresponding dry-run data. Furthermore, we demonstrate the successful application of the dry-run mode in the areas of profiling and performance modeling.