一項新的研究發表在神經科學前沿雜誌上，一項新的研究發現，一種模擬大腦神經網絡的計算機與目前用於神經信號研究的最好的大腦模擬超級計算機軟件產生了相似的結果。這款定製的計算機名為SpiNNaker，經過測試，其精度、速度和能源效率都有可能克服傳統超級計算機的速度和功耗問題。這樣做的目的是為了提高我們對大腦神經處理的認識，包括學習和疾病，如癲癇和老年痴呆症。
“SpiNNaker平臺可以支持詳細的生物皮質模型——大腦的外層,接收和處理信息的感官——成果非常類似於從一個等價的超級計算機軟件模擬,“薩察·凡阿爾巴達博士在德國說，這項研究的第一作者j理論神經解剖學小組的領導研究中心。“能夠快速運行大規模的詳細神經網絡，並在低功耗下運行，這將促進機器人研究，並促進對學習和大腦疾病的研究。”
人類的大腦是極其複雜的，包括1000億個相互連接的腦細胞。我們瞭解單個神經元和它們的組成部分是如何相互作用和相互交流的，在更大的範圍內，大腦的哪些區域被用於感覺知覺、行動和認知。然而，我們對神經活動在行為上的翻譯瞭解較少，比如把思想轉化為肌肉運動。
超級計算機軟件通過模擬神經元之間的信號交換而得到了幫助，但即使是迄今為止最快的超級計算機上運行的最好的軟件也只能模擬人類大腦的1%運動。
目前還不清楚哪種計算機結構最適合有效地研究全腦網絡。歐洲人類大腦項目和jlich lich研究中心進行了廣泛的研究，以確定這個高度複雜問題的最佳策略。今天的超級計算機需要幾分鐘來模擬一秒鐘的實時時間，所以對象學習這樣的過程的研究，這些過程需要花費數小時和數天的時間，這是目前無法實現的。”合著者馬庫斯狄斯曼教授解釋說，他是jlich lich研究中心計算和系統神經科學部門的負責人。
他繼續說，“大腦的能量消耗和今天的超級計算機之間存在著巨大的差距。神經形態（大腦激發）計算使我們能夠研究如何通過電子設備達到大腦的能量效率。”
在過去的15年裡，基於人類大腦的結構和功能，SpiNNaker是人類大腦項目的神經形態計算平臺的一部分，它是一個定製的計算機，由50萬個由它自己的軟件控制的簡單計算元素組成。研究人員比較了SpiNNaker的準確性、速度和能源效率，這是一種目前用於大腦神經信號研究的專業超級計算機軟件。
“在NEST和SpiNNaker的模擬結果顯示了非常相似的結果，”史蒂夫弗伯說，他是英國曼徹斯特大學計算機工程教授。“這是第一次對大腦皮層進行如此詳細的模擬，在SpiNNaker，或任何神經形態平臺上運行。”SpiNNaker由600個電路板組成，總共有50多萬個小型處理器。在這項研究中描述的模擬使用了6個板子——佔機器總能力的1%。我們的研究結果將改進軟件，將其簡化為一個單板。”
範阿爾巴達分享了她對SpiNNaker的未來願望，“我們希望通過這些神經形態計算系統進行越來越大的實時模擬。在人類大腦項目中，我們已經與那些希望將其用於機器人控制的神經科學家一起工作。”
閱讀更多 宇宙科技彙總 的文章
