En ny hjerne-inspireret computer tager os et skridt tættere på at simulere hjernens neurale netværk i realtid

En computer bygget til at efterligne hjernens neurale netværk giver resultater svarende til resultaterne fra den bedste hjernesimulerings-supercomputersoftware, der i øjeblikket bruges til forskning i neurale signaler, finder en ny undersøgelse offentliggjort i open-access tidsskriftet Grænser i neurovidenskab . Testet for nøjagtighed, hastighed og energieffektivitet, denne specialbyggede computer ved navn SpiNNaker, har potentialet til at overvinde problemerne med hastighed og strømforbrug ved konventionelle supercomputere. Målet er at fremme vores viden om neurale processer i hjernen, at inkludere indlæring og lidelser som epilepsi og Alzheimers sygdom.

"SpiNNaker kan understøtte detaljerede biologiske modeller af cortex - det ydre lag af hjernen, der modtager og behandler information fra sanserne - og leverer resultater, der ligner meget dem fra en tilsvarende supercomputersoftwaresimulering, " siger Dr. Sacha van Albada, hovedforfatter af denne undersøgelse og leder af den teoretiske neuroanatomi-gruppe ved Jülich Research Centre, Tyskland. "Evnen til at køre store detaljerede neurale netværk hurtigt og ved lavt strømforbrug vil fremme robotforskning og lette undersøgelser af indlæring og hjernesygdomme."

Den menneskelige hjerne er ekstremt kompleks, bestående af 100 milliarder indbyrdes forbundne hjerneceller. Vi forstår, hvordan individuelle neuroner og deres komponenter opfører sig og kommunikerer med hinanden og i større skala, hvilke områder af hjernen bruges til sanseopfattelse, handling og erkendelse. Imidlertid, vi ved mindre om oversættelsen af ​​neural aktivitet til adfærd, såsom at omdanne tanker til muskelbevægelser.

Supercomputersoftware har hjulpet ved at simulere udvekslingen af ​​signaler mellem neuroner, men selv den bedste software, der køres på de hurtigste supercomputere til dato, kan kun simulere 1% af den menneskelige hjerne.

"Det er i øjeblikket uklart, hvilken computerarkitektur der er bedst egnet til at studere helhjernenetværk effektivt. European Human Brain Project og Jülich Research Center har udført omfattende forskning for at identificere den bedste strategi for dette meget komplekse problem. Nutidens supercomputere kræver flere minutter at simulere et sekund i realtid, så undersøgelser af processer som læring, som tager timer og dage i realtid, er i øjeblikket uden for rækkevidde." forklarer professor Markus Diesmann, medforfatter, leder af Computational and Systems Neuroscience-afdelingen ved Jülich Research Centre.

Han fortsætter, "Der er en enorm kløft mellem hjernens energiforbrug og nutidens supercomputere. Neuromorf (hjerneinspireret) databehandling giver os mulighed for at undersøge, hvor tæt vi kan komme på hjernens energieffektivitet ved hjælp af elektronik."

Udviklet gennem de sidste 15 år og baseret på den menneskelige hjernes struktur og funktion, SpiNNaker – en del af Neuromorphic Computing Platform of the Human Brain Project – er en specialbygget computer sammensat af en halv million simple computerelementer styret af sin egen software. Forskerne sammenlignede nøjagtigheden, Hastighed og energieffektivitet af SpiNNaker med NEST - en specialist supercomputersoftware, der i øjeblikket bruges til forskning i hjerneneuronsignalering.

"Simuleringerne kørt på NEST og SpiNNaker viste meget lignende resultater, " rapporterer Steve Furber, medforfatter og professor i computerteknik ved University of Manchester, Storbritannien. "Det er første gang en så detaljeret simulering af cortex er blevet kørt på SpiNNaker, eller på en hvilken som helst neuromorf platform. SpiNNaker består af 600 printkort med over 500, 000 små processorer i alt. Simuleringen beskrevet i denne undersøgelse brugte kun seks tavler - 1% af maskinens samlede kapacitet. Resultaterne fra vores forskning vil forbedre softwaren for at reducere dette til et enkelt bord."

Van Albada deler sine fremtidige ambitioner for SpiNNaker, "Vi håber på stadig større realtidssimuleringer med disse neuromorfe computersystemer. I Human Brain Project, vi arbejder allerede med neurorobotikere, som håber at kunne bruge dem til robotstyring."