Christian Nowke

• Visualizing brain simulation data is in many aspects a challenging task. For one, data used in brain simulations and the resulting datasets is heterogeneous and insight is derived by relating all different kinds of it. Second, the analysis process is rapidly changing while creating hypotheses about the results. Third, the scale of data entities in these heterogeneous datasets is manifold, reaching from single neurons to brain areas interconnecting millions. Fourth, the heterogeneous data consists of a variety of modalities, e.g.: from time series data to connectivity data, from single parameters to a set of parameters spanning parameter spaces with multiple possible and biological meaningful solutions; from geometrical data to hierarchies and textual descriptions, all on mostly different scales. Fifth, visualizing includes finding suitable representations and providing real-time interaction while supporting varying analysis workflows. To this end, this thesis presents a scalable and flexible software architecture for visualizing, integrating and interacting with brain simulations data. The scalability and flexibility is achieved by interconnected services forming in a series of Coordinated Multiple View (CMV) systems. Multiple use cases are presented, introducing views leveraging this architecture, extending its ecosystem and resulting in a Problem Solving Environment (PSE) from which custom-tailored CMV systems can be build. The construction of such CMV system is assisted by semantic reasoning hence the term semantic-aware CMVs.
• Das Visualisieren von Simulationsdaten des Gehirns ist eine Herausforderung. Zum einen sind die zur Simulation herangezogenen Daten sowie die Simulationsergebnisse heterogen, und Erkenntnis wird durch ein Verknüpfen der Daten gewonnen. Des Weiteren unterliegt der Analyseprozess ständigen Veränderungen, während Hypothesen abgeleitet werden. Auch sind die Skalen der in den Simulationsdatensätzen enthaltenen Entitäten vielfältig: Vom einzelnen Neuron bis hin zu Gehirnarealen mit Millionen unter sich verbundenen Neuronen. Ferner bestehen die Daten aus unterschiedlichen Modalitäten, z.B.: Sie reichen von Zeitserien bis hin zu Konnektivitätsdaten, von einzelnen Parametern zu einer Menge an Parametern, die einen Parameterraum aufspannen, der viele und biologisch bedeutende Lösungen enthalten kann; von geometrischen Daten zu Hierarchien und textuellen Beschreibungen, alle zumeist in unterschiedlichen Skaleneinheiten. Letztlich beinhaltet das Visualisieren auch das Finden geeigneter Repräsentationen und das Bereitstellen von echtzeitfähigen Interaktionen, wobei auch unterschiedlichste Analyseabläufe unterstützt werden sollen. Daher präsentiert diese Doktorarbeit eine skalierbare und flexible Softwarearchitektur zur Visualisierung, Integration und Interaktion mit Gehirnsimulationsdaten. Die Skalierbarkeit und Flexibilität wird durch miteinander verbundene Diensten erreicht, die zusammen ein Coordinated Multiple View (CMV) System bilden. Verschiedene Anwendungsfälle werden vorgestellt, die Ansichten bereitstellen und diese Architektur nutzen sowie erweitern, sodass ein Ökosystem entsteht, welches computergestütztes semantisches Deduzieren assistiert, daher der Begriff semantisch bewusste CMVs.