SpikeNET: un paquete de simulación orientado a eventos para modelar grandes redes de neuronas espigadas

Muchos modelos biológicos de redes neuronales enfrentan el problema de escalabilidad debido a la limitada potencia computacional de las computadoras actuales. Por lo tanto, es difícil evaluar la eficiencia de estos modelos para resolver problemas complejos como el procesamiento de imágenes. Aquí, describimos cómo se puede abordar este problema utilizando computación orientada a eventos. Solo se procesan las neuronas que emiten una descarga y, mientras la tasa de descarga de espigas promedio sea baja, se pueden modelar millones de neuronas y miles de millones de conexiones. Describimos la computación subyacente y la implementación de tal mecanismo en SpikeNET, nuestro paquete de simulación de redes neuronales. El tipo de modelo que se puede construir no solo es biológicamente compatible, sino que también es computacionalmente eficiente, ya que se pueden propagar 400 000 pesos sinápticos por segundo en una computadora de escritorio estándar. Además, para redes grandes, podemos establecer pasos de tiempo muy pequeños (< 0.01 ms) sin aumentar significativamente el tiempo de computación. Como ejemplo, este método se aplica para resolver tareas cognitivas complejas como el reconocimiento de rostros en imágenes naturales.