GPU を用いた抑制結合ネットワークの解析

摘要

スモール・ワールド構造を持つニューロン群は，環状結合などの規則正しい局所結合のみの場合と比べて同期を達成するまでの時間が速いことが知られている．しかしそれらの研究における結合は，ギャップジャンクションや興奮性シナプスなどの，結合があれば同期しやすい場合を対象としている．本研究では，抑制性シナプスを用いて局所結合構造とスモール・ワールド構造の2つの場合の同期現象を調査した．結果として，いずれの場合においても様々なクラスター同期が観測された．更に，GPU（Graphics Processing Unit）を用いて解析の高速化を行い，CPU のみでの計算時間と比較して約2倍の計算速度が得られることがわかった．%It is known that neurons in a small-world structure obtain synchronous firing faster than ones in locally connected networks. In these studies, coupling methods are gap-junctions or excitatory synapses which promote synchronous firings. In this study we construct regular and small-world networks with inhibitory neurons and investigate synchronous firings in both cases. As a result we obtain several clustered synchronous firings in both networks. These results are obtained by using GPU(Graphics Processing Unit) which faster 2 times than usual CPU alone.