En studie publisert i open access-tidsskriftet Frontiers in Neuroscience fant at en datamaskin basert på simulering av nevrale nettverk i hjernen, viste resultater som ligner de som ble oppnådd når du kjører superdatamaskiner med den beste hjernenemuleringsprogramvaren som ble brukt i nevral signalforskning. Når den testes for nøyaktighet, hastighet og strømforbruk, har denne unike datamaskinen, SpiNNaker, potensialet til å utkonkurrere konvensjonelle superdatamaskiner når det gjelder hastighet og effektivitet. Målet er å utvide kunnskapen om virkningen av nevroner i hjernen, anvendt på læring og lidelser som epilepsi og Alzheimers sykdom.
SpiNNaker er i stand til å tilby detaljerte biologiske modeller av cortex (det ytre lag av hjernen som mottar og behandler informasjon fra sansene), og gir resultater veldig nær de som er oppnådd når du kjører emuleringsprogrammer på en superdatamaskin, sier Dr. Sacha van Albada, hovedforfatter Forskning og teamleder for teoretisk neuroanatomi ved Julich Research Center i Tyskland. "Evnen til å utføre store, detaljerte nevrale nettverk raskt og med lave energiforbruk vil bidra til robotikkforskning så vel som studiet av hjernesykdommer."
Den menneskelige hjernen er veldig kompleks og inneholder hundre milliarder sammenkoblede celler. Vi har forståelse for hvordan individuelle nevroner og deres komponenter fungerer, og hvordan de interagerer med hverandre, hvilke områder i hjernen som brukes til sensorisk persepsjon, handling og erkjennelse. Men vi vet mindre om transformasjonen av nevral aktivitet til atferd, for eksempel hvordan tankene transformeres til muskelbevegelse.
Superdatamaskinvare har hjulpet med å emulere signalering mellom nevroner, men selv de beste programmene på de raskeste datamaskinene i dag kan bare etterligne 1 prosent av den menneskelige hjernen.
”Det er foreløpig ikke klart hvilken dataarkitektur som er best egnet for å kjøre en hel hjerneemulator effektivt. European Human Brain Project og Julich Research Center har utført omfattende undersøkelser for å bestemme den beste strategien for denne skremmende oppgaven. Dagens superdatamaskiner tar minutter å etterligne ett sekund med reelle tiltak, så forskning som læringsprosesser er ikke tilgjengelig i dag, forklarer professor Markus Disman, medforfatter og leder for Institutt for Computational Neuroscience ved Julich Research Center. - Det er et enormt gap mellom energiforbruket i hjernen og superdatamaskinen. Neuromorfisk (hjernelignende) databehandling lar oss forstå hvor nær vi kan komme til hjernens energieffektivitet ved hjelp av elektronikk."
SpiNNaker - en del av European Brain Research Projects neuromorfe databehandlingsplattform - utviklet over femten år og basert på strukturen og måtene til den menneskelige hjernen, består av en halv million enkle databehandlingselementer. Forskerne sammenlignet SpiNNakers nøyaktighet, hastighet og energieffektivitet med NEST, en spesialisert superdatamaskinvare som ble brukt til å studere nevrale signaler i hjernen.
"Emuleringene som kjøres på SpiNNaker og NEST viser veldig like resultater," sier medforfatter Steve Furber, professor i datateknikk ved University of Manchester. - For første gang har en så detaljert emulering av hjernebarken blitt produsert ved hjelp av SpiNNaker (eller en hvilken som helst annen nevromorf plattform). SpiNNaker inkluderer 600 brett som kombinerer mer enn 500 000 små prosessorer. Emuleringen som ble utført i denne studien, brukte bare seks brett, som er 1% av maskinens full effekt. Resultatene våre vil bidra til å forbedre programvaren og redusere antall tavler som brukes til en enkelt."
Som van van Albada sier: Vi ser frem til å gjøre mer sanntidsemuleringer ved å bruke disse nevromorfe datasystemene. I det europeiske hjerneforskningsprosjektet jobber vi allerede med nevrorobotikk-spesialister som håper å bruke funnene våre til å kontrollere roboter.”
Salgsfremmende video:
Vadim Tarabarko
