Федеральное государственное автономное образовательное учреждение
высшего образования

КАЗАНСКИЙ  (ПРИВОЛЖСКИЙ) ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ

ВЫСШАЯ ШКОЛА ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ И
ИНФОРМАЦИОННЫХ СИСТЕМ

Направление подготовки: 09.03.03 Прикладная информатика

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА

ПРОЦЕСС ИСПУСКАНИЯ ВЕЩЕСТВА В РЕШЕНИИ ЗАДАЧИ ДИФФУЗИИ ПРИ СИМУЛЯЦИИ РАСТУЩИХ НЕЙРОНАЛЬНЫХ СТРУКТУР

Работа завершена:

«___»_____________2017 г. 

Студент группы 11-304  ___________________

Работа допущена к защите:

Научный руководитель

Старший преподаватель кафедры ИР

«___»_____________2017 г.  ___________________

Директор Высшей школы ИТИС

«___»_____________2017 г.  __________________

Казань – 2017 г.

СОДЕРЖАНИЕ

ВВЕДЕНИЕ        3

1  АНАЛИЗ СУЩЕСТВУЮЩИХ РЕШЕНИЙ        6

2 АНАЛИЗ СТРУКТУР И СИМУЛЯЦИЯ ДИФФУЗИИ С ИСПОЛЬЗОВАНИЕМ ОКТОДЕРЕВА ПРИ РОСТЕ НЕЙРОНАЛЬНЫХ СТРУКТУР        12

2.1 Диффузия        12

2.1.1 Аналитический метод решения задач диффузии        13

2.1.2 Численный метод решения задач диффузии        13

2.2 Воксель        15

2.3 Октодерево        17

2.3.1 Представление трехмерного пространства октодеревом        17

2.3.2 Представления узлов на основе указателя        18

2.3.2.1 Стандартное представление        18

НЕ нашли? Не то? Что вы ищете?

2.3.2.2 Блочное представление        20

2.3.2.3 Представление типа sibling-child        22

2.3.3 Неявное представление узлов. Хешированные октодеревья        24

2.4 Симуляция диффузии с использованием октодерева при росте нейрональных структур        29

2.5 Визуализация результатов работы        30

2.6 Сравнительный анализ        31

ЗАКЛЮЧЕНИЕ        32

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ        33

ПРИЛОЖЕНИЕ        35

ВВЕДЕНИЕ

Биологические системы построены таким образом, что являются одновременно чрезвычайно сложными, надежными и производительными. Например, человеческий мозг является наиболее сложной сущностью известной нам и во многом превосходит текущие вычислительные технологии. Примером является простое кодирование лиц, в мозге это производятся всего 205 нейронами [1]. Такая сложная структура как мозг возникает через хорошо организованный процесс развития от одной клетки-предшественника. Как происходит этот процесс, создания места наших мыслей, эмоций и планов? Как клетки взаимодействуют, общаются и самоорганизовываются в сложные организмы?

Компьютерное моделирование является очень мощным инструментом для понимания таких сложных биологических систем. Это позволяет разрабатывать модели, формулировать новые гипотезы и прогнозы, а также проводить вычислительные эксперименты очень эффективным и недорогим способом. Более того, это позволяет ученым совместно объединить огромное количество экспериментальных результатов и предыдущих знаний в единую всеобъемлющую структуру. Однако, как правило, очень сложно проводить такое компьютерное моделирование, потому что необходимо учитывать очень подробные динамические механизмы и крупномасштабные системы (например, физические силы, реакционно-диффузионные процессы, динамику регуляции генов и т. д.). Следовательно, эти модели включают в себя очень разные пространственные и временные масштабы (например, в диапазоне от миллисекунд до нескольких недель), и поэтому требуют чрезвычайно сложных вычислительных ресурсов.

Чтобы помочь биологам и междисциплинарным исследователям решить эти проблемы, разрабатывается платформа под названием BioDynaMo [2], моделирующая биологическую динамику в различных контекстах [3]. Это программное обеспечение позволяет моделировать широкий спектр биологических процессов, таких как пролиферация клеток аксонов роста и электрические активность, путем использования гибридных облачных компьютерных систем эффективном образом.

Используя высокопроизводительные облачные вычисления, планируется применить BioDynaMo для моделирования крупномасштабных моделей человеческого мозга. Цель проекта - использовать BioDynaMo для продвижения пределов, выходящих за рамки того, что в настоящее время возможно в отношении нейромоделирования. В частности, исследовать влияние электрической активности на развитие мозга и применить эти идеи для моделирования реалистичных крупномасштабных систем с количеством нейронов, которое сопоставимо с количеством нейронов человеческом мозгу.

В разработке участвуют:

    CERN Ньюкаслский университет Казанский (Приволжский) федеральный университет Университет Иннополис

Входе разработки все стороны принимают участие в проекте по своим профессиональным навыкам.

Поскольку научные исследования требуют обширных компьютерных ресурсов, эта платформа должна исполняться в гибридных системах облачных вычислений, что позволяет эффективно использовать новейшие вычислительные технологии. Первой стадией разработки была модернизация кода, основанная на программном обеспечении моделирования нейроразвития Cortex3D [4]. В частности, переписание кода приложения с Java на C ++ и изменение архитектуры таким образом, чтобы было возможно использование нескольких уровней параллелизма, предлагаемых сегодняшним оборудованием.

В текущем состоянии проекта распределены команды, работающие на первой итерации: разработка слоя пространственной организации с использованием структуры октодерева c имитацией роста нейронов и внеклеточной диффузией и визуализации этих процессов.

1  АНАЛИЗ СУЩЕСТВУЮЩИХ РЕШЕНИЙ

Несмотря на большое разнообразие существующих реализаций, они не решают всех поставленных проблем в сфере симуляции растущих нейрональных структур.

Основными проблемами уже имеющихся реализаций является:

    Отсутствие многопоточности; Неоптимальное использование памяти; Относительно небольшие объемы обрабатываемых данных; Отсутствие реализации для высокопроизводительных решений и облачных вычислений.

В данной работе предложен вариант реализации процесса испускания вещества в решении задачи диффузии при симуляции растущих нейрональных структур.

На данный момент создано большое количество проектов, которые в той или иной степени удовлетворяют потребность в моделировании нейронных структур. Существуют средства моделирования для моделирования нейронного роста, например такие как Netmorph, NeuGen или L-Neuron, которые специально фокусируются на росте аксонов и дендритов. Так же разработаны инструменты моделирования для одиночных клеток, такие как E-Cell и CompuCell. Однако ни один из этих инструментов не предназначен для нескольких ядер и / или компьютеров, и ни один из них не затрагивает физическое взаимодействие между нейронами и их средой

Необходимость моделирования электрофизиологии больших сетей нейронов привела к ряду распараллеленных реализаций:

    Neuron [5]; Genesis [6]; PCSIM [7]; Cortex3Dp [8].

Neuron - это среда для моделирования отдельных и сетей нейронов.  Была разработана Майклом Хайнсом, уром и Тедом Карневале в Йельском университете.

Neuron моделирует отдельные нейроны с помощью секций, которые автоматически подразделяются на отдельные отсеки, вместо того, чтобы требовать от пользователя вручную создавать отсеки. Основной язык сценариев является hoc, но также доступен интерфейс Python. Программы могут быть написаны интерактивно в оболочке или загружены из файла. Neuron поддерживает распараллеливание через протокол MPI.

Neuron (рисунок 1) способен обрабатывать модели диффузионной реакции и интегрировать диффузионные функции в модели синапсов и клеточных сетей. Параллелизация возможна с помощью внутренних многопоточных подпрограмм для использования на многоядерных компьютерах. Свойства мембранных каналов нейрона моделируются с использованием скомпилированных механизмов, написанных с использованием языка NMODL, или скомпилированных подпрограмм, работающих во внутренних структурах данных, которые настроены с помощью Channel Builder.

Рисунок 1. Интерфейс программы Neuron

GENESIS (GEELAL NEural SImulation System) - это среда моделирования для построения реалистичных моделей нейробиологических систем (рисунок 2) на многих уровнях, включая: субклеточные процессы, индивидуальные нейроны, сети нейронов и нейронные системы. Эти симуляции представляют собой «компьютерные реализации моделей, основной задачей которых является захват того, что известно об анатомической структуре и физиологических характеристиках представляющей интерес нервной системы». GENESIS предназначен для количественной оценки физических структур нервной системы таким образом, который позволяет легко понять физическую структуру нервов, о которых идет речь. «В настоящее время только GENESIS позволяет осуществлять параллельное моделирование одиночных нейронов и сетей на параллельных компьютерах с несколькими инструкциями и несколькими данными».

Рисунок 2. Интерфейс программы GENESIS

PCSIM - это инструмент для моделирования гетерогенных сетей, состоящий из разных модельных нейронов и синапсов. Этот симулятор написан на C ++ с основным интерфейсом к языку программирования Python. Он предназначен для моделирования сетей, содержащих до миллионов нейронов и порядка миллиардов синапсов. Это достигается путем распределения сети по MPI. Имеет различные встроенные модели нейронов и синапсов. Плюсами pcsim является:

    Поддержка параллельного моделирования: распределенная и многопоточная. Гибкое построение сетей высокого уровня на основе вероятностных правил. Объектно-ориентированная структура предназначена для поддержки простых расширений. Может использоваться как пакет на языке программирования интерпретации Python вместе с другими полезными научными пакетами

Однако эти реализации имитируют только статические топологические структуры и не требуют моделирования физической среды для роста и развития нейронов. Нашей задачей является симуляции растущих структур, которые эволюционируют с течением времени. Это означает, что нельзя предсказать, какое общее наилучшее распределение вычислений находится в самом начале моделирования. Это должно быть сделано в ходе развития модели. Это требование существенно не реализовано в описанных инструментах моделирования. Они часто знают, сколько вычислительных частиц они имеют и могут распространять их по вычислительному ландшафту в начале моделирования. Однако на данный момент существует проект, который учитывает и эту задачу.

Из за большого объема этот материал размещен на нескольких страницах:
1 2 3 4