Hardware accelerated framework for spatio-temporal networks analysis

The thesis work presented here focuses on the optimization of the similarity computation among nodes for spatio-temporal networks. The study case in this work is the computation of spatio-temporal networks on brain. The aim of this work is the creation of a framework that going from the raw data collected by domain experts arriving to a results visualization allows an interactive analysis of the spatio-temporal networks. The first part of the work focuses on the realization of an hardware computation system able to speed up the networks definition. The second part of the work includes an interactive tool to visualize the networks computed using the system developed in this first part.

Questo lavoro focalizza il suo interesse sulla costruzione di un framework che ha lo scopo di facilitare l'analisi delle Spatio-Temoral Networks. Il framework sviluppato include una pipeline di operazioni in grado di elaborare i dati raccolti dai ricercatori, calcolare le networks e visualizzare i risultati interattivamente grazie ad una piattaforma web. Uno dei più grossi problemi della definizione delle Spatio-Temoral Networks è il tempo impiegato per la loro computazione, problema dovuto alla grande quantità di dati da elaborare. Per gli scienziati che vogliono effettuare studi su questo modello diventa quindi complicato svolgere complesse analisi in tempi brevi sui dati, rallentando così l'avanzamento degli studi. Grazie a dispositivi hardware come GPU siamo in grado di fornire una soluzione al problema della computazione. La prima parte di questo lavoro mostra come le GPU rappresentino una valida soluzione low-cost a questo tipo di problema. Mostriamo nei dettagli come approcciare il problema della computazione su GPU, sfruttando la tecnologia CUDA, analizzando le performance ottenute facendo diversi tests con dati reali raccolti dai ricercatori. Come anticipato, il framework presentato in questa tesi crea un flow diretto dal dato raccolto sul campo ad una rappresentazione visuale delle Spatio-Temoral Networks applicate al campo di provenienza del dato. Per questo motivo la seconda parte del lavoro si concentra sullo sviluppo di una piattaforma interattiva dove i ricercatori possono vedere ed analizzare le reti calcolate. In particolare, i questo lavoro di tesi, ci concentriamo sull'applicazione del modello Spatio-Temoral Networks al campo della neuroscienza, quindi al cervello.