Quantization-based simulation of spiking neurons: theoretical properties and performance analysis

Autores
Bergonzi, Mariana; Fernandez, Joaquin; Castro, Rodrigo Daniel; Muzy, Alexandre; Kofman, Ernesto Javier
Año de publicación
2023
Idioma
inglés
Tipo de recurso
artículo
Estado
versión publicada
Descripción
In this work we present an exhaustive analysis of the use of Quantized State Systems (QSS) algorithms for the discrete event simulation of Leaky Integrate and Fire models of spiking neurons. Making use of some properties of these algorithms, we first derive theoretical error bounds for the sub-threshold dynamics as well as estimates of the computational costs as a function of the accuracy settings. Then, we corroborate those results on different simulation experiments, where we also study how these algorithms scale with the size of the network and its connectivity. The results obtained show that the QSS algorithms, without any type of optimisation or specialisation, obtain accurate results with low computational costs even in large networks with a high level of connectivity.
Fil: Bergonzi, Mariana. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas. Universidad Nacional de Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas; Argentina
Fil: Fernandez, Joaquin. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas. Universidad Nacional de Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas; Argentina
Fil: Castro, Rodrigo Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigación en Ciencias de la Computación. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigación en Ciencias de la Computación; Argentina
Fil: Muzy, Alexandre. Centre National de la Recherche Scientifique; Francia
Fil: Kofman, Ernesto Javier. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas. Universidad Nacional de Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas; Argentina
Materia
DISCONTINUITY HANDLING
EVENT-DRIVEN SIMULATION
HYBRID SYSTEMS
QUANTIZED STATE SYSTEMS
SPIKING NEURAL NETWORKS
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/231433
Acceder
id CONICETDig_dd89e7ff6d934bfcfc58661622bd264b
oai_identifier_str oai:ri.conicet.gov.ar:11336/231433
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Quantization-based simulation of spiking neurons: theoretical properties and performance analysisBergonzi, MarianaFernandez, JoaquinCastro, Rodrigo DanielMuzy, AlexandreKofman, Ernesto JavierDISCONTINUITY HANDLINGEVENT-DRIVEN SIMULATIONHYBRID SYSTEMSQUANTIZED STATE SYSTEMSSPIKING NEURAL NETWORKShttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1In this work we present an exhaustive analysis of the use of Quantized State Systems (QSS) algorithms for the discrete event simulation of Leaky Integrate and Fire models of spiking neurons. Making use of some properties of these algorithms, we first derive theoretical error bounds for the sub-threshold dynamics as well as estimates of the computational costs as a function of the accuracy settings. Then, we corroborate those results on different simulation experiments, where we also study how these algorithms scale with the size of the network and its connectivity. The results obtained show that the QSS algorithms, without any type of optimisation or specialisation, obtain accurate results with low computational costs even in large networks with a high level of connectivity.Fil: Bergonzi, Mariana. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas. Universidad Nacional de Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas; ArgentinaFil: Fernandez, Joaquin. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas. Universidad Nacional de Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas; ArgentinaFil: Castro, Rodrigo Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigación en Ciencias de la Computación. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigación en Ciencias de la Computación; ArgentinaFil: Muzy, Alexandre. Centre National de la Recherche Scientifique; FranciaFil: Kofman, Ernesto Javier. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas. Universidad Nacional de Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas; ArgentinaTaylor & Francis2023-11info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/231433Bergonzi, Mariana; Fernandez, Joaquin; Castro, Rodrigo Daniel; Muzy, Alexandre; Kofman, Ernesto Javier; Quantization-based simulation of spiking neurons: theoretical properties and performance analysis; Taylor & Francis; Journal of Simulation; 11-2023; 1-251747-77781747-7786CONICET DigitalCONICETenginfo:eu-repo/semantics/altIdentifier/doi/10.1080/17477778.2023.2284143info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-10T13:19:43Zoai:ri.conicet.gov.ar:11336/231433instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-10 13:19:43.719CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Quantization-based simulation of spiking neurons: theoretical properties and performance analysis
title Quantization-based simulation of spiking neurons: theoretical properties and performance analysis
spellingShingle Quantization-based simulation of spiking neurons: theoretical properties and performance analysis
Bergonzi, Mariana
DISCONTINUITY HANDLING
EVENT-DRIVEN SIMULATION
HYBRID SYSTEMS
QUANTIZED STATE SYSTEMS
SPIKING NEURAL NETWORKS
title_short Quantization-based simulation of spiking neurons: theoretical properties and performance analysis
title_full Quantization-based simulation of spiking neurons: theoretical properties and performance analysis
title_fullStr Quantization-based simulation of spiking neurons: theoretical properties and performance analysis
title_full_unstemmed Quantization-based simulation of spiking neurons: theoretical properties and performance analysis
title_sort Quantization-based simulation of spiking neurons: theoretical properties and performance analysis
dc.creator.none.fl_str_mv Bergonzi, Mariana
Fernandez, Joaquin
Castro, Rodrigo Daniel
Muzy, Alexandre
Kofman, Ernesto Javier
author Bergonzi, Mariana
author_facet Bergonzi, Mariana
Fernandez, Joaquin
Castro, Rodrigo Daniel
Muzy, Alexandre
Kofman, Ernesto Javier
author_role author
author2 Fernandez, Joaquin
Castro, Rodrigo Daniel
Muzy, Alexandre
Kofman, Ernesto Javier
author2_role author
author
author
author
dc.subject.none.fl_str_mv DISCONTINUITY HANDLING
EVENT-DRIVEN SIMULATION
HYBRID SYSTEMS
QUANTIZED STATE SYSTEMS
SPIKING NEURAL NETWORKS
topic DISCONTINUITY HANDLING
EVENT-DRIVEN SIMULATION
HYBRID SYSTEMS
QUANTIZED STATE SYSTEMS
SPIKING NEURAL NETWORKS
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv In this work we present an exhaustive analysis of the use of Quantized State Systems (QSS) algorithms for the discrete event simulation of Leaky Integrate and Fire models of spiking neurons. Making use of some properties of these algorithms, we first derive theoretical error bounds for the sub-threshold dynamics as well as estimates of the computational costs as a function of the accuracy settings. Then, we corroborate those results on different simulation experiments, where we also study how these algorithms scale with the size of the network and its connectivity. The results obtained show that the QSS algorithms, without any type of optimisation or specialisation, obtain accurate results with low computational costs even in large networks with a high level of connectivity.
Fil: Bergonzi, Mariana. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas. Universidad Nacional de Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas; Argentina
Fil: Fernandez, Joaquin. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas. Universidad Nacional de Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas; Argentina
Fil: Castro, Rodrigo Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigación en Ciencias de la Computación. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigación en Ciencias de la Computación; Argentina
Fil: Muzy, Alexandre. Centre National de la Recherche Scientifique; Francia
Fil: Kofman, Ernesto Javier. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas. Universidad Nacional de Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas; Argentina
description In this work we present an exhaustive analysis of the use of Quantized State Systems (QSS) algorithms for the discrete event simulation of Leaky Integrate and Fire models of spiking neurons. Making use of some properties of these algorithms, we first derive theoretical error bounds for the sub-threshold dynamics as well as estimates of the computational costs as a function of the accuracy settings. Then, we corroborate those results on different simulation experiments, where we also study how these algorithms scale with the size of the network and its connectivity. The results obtained show that the QSS algorithms, without any type of optimisation or specialisation, obtain accurate results with low computational costs even in large networks with a high level of connectivity.
publishDate 2023
dc.date.none.fl_str_mv 2023-11
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/231433
Bergonzi, Mariana; Fernandez, Joaquin; Castro, Rodrigo Daniel; Muzy, Alexandre; Kofman, Ernesto Javier; Quantization-based simulation of spiking neurons: theoretical properties and performance analysis; Taylor & Francis; Journal of Simulation; 11-2023; 1-25
1747-7778
1747-7786
CONICET Digital
CONICET
url http://hdl.handle.net/11336/231433
identifier_str_mv Bergonzi, Mariana; Fernandez, Joaquin; Castro, Rodrigo Daniel; Muzy, Alexandre; Kofman, Ernesto Javier; Quantization-based simulation of spiking neurons: theoretical properties and performance analysis; Taylor & Francis; Journal of Simulation; 11-2023; 1-25
1747-7778
1747-7786
CONICET Digital
CONICET
dc.language.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/doi/10.1080/17477778.2023.2284143
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Taylor & Francis
publisher.none.fl_str_mv Taylor & Francis
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1842981077773189120
score 12.48226

Publicaciones similares