计算机工程

作者：黄尧, 柴志雷

单位：1. 江南大学人工智能与计算机学院, 江苏 无锡 2141222. 江苏省模式识别与人工智能工程实验室, 江苏 无锡 214122

关键词：脉冲神经网络,分布式计算,负载均衡,超图分区,拓扑感知映射

基金：国家自然科学基金(61972180)

脉冲神经网络(SNN)正日益成为研究和模拟大脑各区功能及其相互关联性的重要方法。为了模拟更大规模的脑区域, 并行分布式计算已成为模拟SNN的必然选择。然而, 随着计算规模的增长, 计算节点间的负载不均衡及通信问题成为影响SNN模拟性能的主要因素。针对分布式计算平台, 现有分区算法还无法找到全局最佳分区并有效地将工作负载映射到计算核心上。因此, 提出一种基于通信和拓扑感知的分区与映射算法, 该算法包括分区和拓扑感知映射2个核心步骤。通过引入能够感知SNN连接的分区方法, 提高计算效率并降低通信延迟; 在拓扑感知映射方法中, 利用通信拓扑图和底层网络信息将工作负载高效地分配到各计算节点上, 最小化跨不同计算核心的通信成本。实验结果表明, 在国家超算济南计算中心的并行计算平台上, 采用96进程规模并行模拟SNN基准测试集时, 相比现有先进的分区框架, 所提方法具有更好的负载均衡和通信性能, 同步时间和通信时间分别减少了40%和7.1%, 最终的模拟总时间缩短了30%。

来源：2025年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第5期