[논문 리뷰] The Operating System of the Neuromorphic BrainScaleS-1 System

Eric Müller, S. Schmitt외 20명|arXiv (Cornell University)|2020. 03. 30.

Advanced Memory and Neural Computing인용 수 7

한 줄 요약

이 논문은 웨이퍼 스케일 뉴로모픽 BrainScaleS-1 시스템에서 실험을 구성, 제어 및 분석할 수 있도록 해주는 BrainScaleS 운영 체제(BrainScaleS OS)를 제시한다. 이 소프트웨어 스택은 고수준의 PyNN 기반 네트워크 기술을 지원하면서도 전문가를 위한 저수준 액세스도 허용하여, 지속적 통합과 버전 제어와 같은 현대적인 소프트웨어 공학 기법을 통해 재현 가능성, 확장성 및 효율적인 자원 관리를 보장한다.

ABSTRACT

BrainScaleS-1 is a wafer-scale mixed-signal accelerated neuromorphic system targeted for research in the fields of computational neuroscience and beyond-von-Neumann computing. The BrainScaleS Operating System (BrainScaleS OS) is a software stack giving users the possibility to emulate networks described in the high-level network description language PyNN with minimal knowledge of the system. At the same time, expert usage is facilitated by allowing to hook into the system at any depth of the stack. We present operation and development methodologies implemented for the BrainScaleS-1 neuromorphic architecture and walk through the individual components of BrainScaleS OS constituting the software stack for BrainScaleS-1 platform operation.

연구 동기 및 목표

• 저수준 하드웨어 복잡성을 추상화하여 BrainScaleS-1 뉴로모픽 시스템을 위한 통합적이고 사용자 友好的 소프트웨어 인터페이스를 제공하는 것.
• PyNN 통한 고수준 시뮬레이션 워크플로우와 전문가를 위한 저수준 시스템 액세스를 모두 지원하는 것.
• 지속적인 통합 및 버전 제어와 같은 현대적 소프트웨어 공학 기법을 통해 실험의 재현 가능성과 플랫폼의 지속 가능성 확보.
• 대규모 뉴로모픽 실험에서 자원 관리, 런타임 제어 및 데이터 처리를 효율적으로 구현하는 것.
• 구조적인 소프트웨어 공학 방법론을 통해 뉴로모픽 플랫폼의 장기적 개발 및 확장성 지원.

제안 방법

• 하드웨어 세부 사항을 추상화하고 PyNN 인터페이스를 통한 고수준 구성 기능을 제공하는 다층 소프트웨어 스택 설계 및 구현.
• 소프트웨어의 강건성과 재현 가능성을 보장하기 위해 지속적 통합, 코드 리뷰 및 자동 배포 파이프라인 활용.
• 실험 간 시스템 상태와 설정을 관리하기 위한 상태 기반 설정 레이어 개발.
• 웨이퍼 스케일 아키텍처에서 신경망 구조를 유효한 하드웨어 설정으로 변환하기 위한 맵 & 루트 레이어 구현.
• 런타임 제어 및 결과 분석을 위한 시뮬레이션 백엔드 및 시스템 수준 모니터링 도구 개발.
• 웨이퍼 외부 I/O 및 데이터 교환을 위한 안정적이고 고대역폭 통신 프로토콜(1-Gigabit 및 10-Gigabit 이더넷) 통합.

실험 결과

연구 질문

• RQ1 BrainScaleS-1과 같은 복잡한 뉴로모픽 시스템을 저수준 하드웨어 지식이 최소한인 연구자들이 쉽게 접근할 수 있도록 하는 방법은 무엇인가?
• RQ2 장기적인 플랫폼 지속 가능성과 실험 재현 가능성을 확보하기 위해 필요한 소프트웨어 공학 기법은 무엇인가?
• RQ3 PyNN로 기술된 고수준 신경망 기술이 웨이퍼 스케일 뉴로모픽 아키텍처에 효율적으로 컴파일되고 매핑되는 방법은 무엇인가?
• RQ4 시스템 자원 관리, 런타임 동작 모니터링 및 대규모 데이터 출력 처리를 위해 필요한 메커니즘은 무엇인가?
• RQ5 고수준의 사용성과 전문가를 위한 저수준 설정 가능성의 두 가지 요구사항을 동시에 충족시키기 위한 방법은 무엇인가?

주요 결과

• BrainScaleS OS는 저수준 지식이 최소한인 사용자가 고수준의 PyNN 기술을 사용해 복잡한 뉴로모픽 실험을 성공적으로 수행할 수 있도록 한다.
• 시스템은 생물학적 실시간 대비 1000~10,000배의 속도 향상으로 시간 압축 시뮬레이션을 지원하여 유연성과 학습 과정의 효율적 연구를 가능하게 한다.
• 소프트웨어 스택은 여러 퍼블리시된 연구 논문과 석사 학위 논문에서 활용되어 실제 연구 환경에서의 신뢰성과 사용성 입증.
• 지속적 통합 및 배포 파이프라인 통합으로 소프트웨어의 강건성 향상과 기술 부채 감소显著.
• 최적화된 알고리즘을 통해 블랙리스트 처리된 구성 요소를 포함한 비이상적인 하드웨어 조건도 성공적으로 처리하는 맵 & 루트 레이어.
• 시스템 수준의 모니터링 및 제어 소프트웨어를 통해 런타임 중 실험 설정 파rameter를 실시간으로 관찰하고 조정 가능.