[논문] EBRAINS 인프라를 통한 폰‑노이만 HPC와 뉴로모픽 가속 통합: 고성능 워크플로우 프레임워크

Source: arXiv - 2606.08515v1

개요

현대 과학 워크플로우는 점점 더 다양한 컴퓨팅 아키텍처에 걸쳐 확장되고 있지만, 서로 다른 시스템에서 단일 계산 모델을 실행하려면 연구자들이 파편화된 사이트‑특화 파이프라인을 유지해야 하는 경우가 많습니다. 본 논문에서는 계산 신경과학 분야의 이러한 문제를 해결하고자 EBRAINS JupyterLab을 통해 오케스트레이션되는 통합 클라우드 기반 워크플로우를 제시합니다. 이 워크플로우를 이용하면 사용자는 스파이킹 신경망을 von‑Neumann 슈퍼컴퓨터와 뉴로모픽 하드웨어 모두에서 투명하게 실행할 수 있습니다. 단일 연합 아이덴티티를 사용해 시스템은 PyUNICORE를 통해 HPC 사이트(JUSUF, Galileo100)로 작업을 전송하고, Neuromorphic Computing Platform Interface를 통해 SpiNNaker‑1 뉴로모픽 시스템으로 작업을 전송합니다. 사이트 간 재현성을 보장하고 소프트웨어 버전 변동을 완화하기 위해, 우리는 제로‑인스톨 실행 모드를 활용해 PMIx를 인식하는 Apptainer 컨테이너를 HPC 계산 노드에 동적으로 풀링합니다. 또한 NESTML 도메인‑특화 언어를 이용해 모델 수준에서 진정한 이식성을 입증합니다. 이를 통해 사용자 정의 뉴런 모델을 한 번만 작성하면 NEST(C++) 또는 sPyNNaker 백엔드 중 어느 쪽에서도 자동으로 컴파일됩니다. 균형 잡힌 랜덤 네트워크 사례 연구를 통해 검증한 이 작업은 하드웨어에 구애받지 않는 워크플로우를 위한 실용적인 엔드‑투‑엔드 경로를 제시함과 동시에, 컨테이너화와 도메인‑특화 언어가 진정한 크로스‑플랫폼 재현성을 달성하는 데 핵심적인 역할을 한다는 점을 강조합니다.

핵심 기여

본 논문은 다음 분야의 연구를 제시합니다.

• cs.DC

방법론

자세한 방법론은 전체 논문을 참고하십시오.

실용적 시사점

이 연구는 cs.DC 분야의 발전에 기여합니다.

저자

• Krishna Kant Singh
• Charl Linssen
• Eric Müller
• Eleni Mathioulaki
• Wouter Klijn
• Lena Oden

논문 정보

• arXiv ID: 2606.08515v1
• 분류: cs.DC
• 출판일: 2026년 6월 7일
• PDF: PDF 다운로드