Simulations of biologically detailed neuronal networks have become an essential tool in the study of the brain. An important step in the creation of these types of simulations is the detection of the connections between the nerve cells. This paper analyses the efficiency of four algorithms used for such purposes. Three of them are based on space-partitioning data structures commonly adopted for solving similar optimization problems, namely Octree, R tree and k-d tree. The fourth algorithm is instead based on the voxelization method used in a software product for computational neurobiologists. This study shows that the space-partitioning data structures are ideal for finding all the connections in a neuronal network. The voxelization algorithm has, however, more favourable scalability and could therefore prove to be preferable for brain regions with higher amounts of nerve cells. The findings of this study also indicate that an algorithm that uses a k-d tree is faster than the other three methods. Further research needs however to be done in order to ascertain and comprehend the underlying causes.

Simuleringar av biologiskt detaljerade neuronala nätverk har blivit väsentliga i studiet av hjärnan. Ett viktigt steg i skapandet av dessa typer av simuleringar är att hitta kopplingarna mellan nervcellerna. Denna rapport analyserar effektiviteten hos fyra algoritmer som används för sådana ändamål. Tre av dem är tillämpade med datastrukturer som vanligtvis används för att lösa liknande optimeringsproblem, nämligen Octree, R-träd och k-d-träd. Den fjärde algoritmen grundar sig i stället på voxeliseringsmetoden som används i mjukvaruprodukten Snudda för neurovetenskap. Denna studie visar att octree, R-träd och k-d-träd är optimala för att hitta de flesta kopplingar mellan nervceller i ett simulerat neuronnätverk. Voxeliseringsalgoritmen har dock en bättre tidskomplexitet och kan därmed visa sig vara mer effektiv för hjärnregioner med många nervceller. Resultatet indikerar även att en algoritm som använder sig av k-d-träd presterar bättre än de andra tre metoderna. Ytterligare forskning behöver dock göras för att fastställa och förstå de bakomliggande orsakerna.