Опубликованное в журнале с открытым доступом Frontiers in Neuroscience исследование обнаружило, что компьютер, основанный на имитации нейронных сетей мозга, показал результаты, сходные с получаемыми при работе на суперкомпьютерах лучшего программного обеспечения для эмуляции работы мозга, используемого в исследованиях нейронных сигналов. В испытаниях на точность, скорость и энергопотребление, этот уникальный компьютер, «SpiNNaker», потенциально способен превзойти обычные суперкомпьютеры в отношении скорости и энергоэффективности. Целью является расширение знаний о работе нейронов в мозге, применительно к обучению и нарушениям, таким как эпилепсия и болезнь Альцгеймера.
«SpiNNaker» способен обеспечить работу подробных биологических моделей коры (внешнего слоя головного мозга, получающего и обрабатывающего информацию от органов чувств), выдавая результаты, очень близкие к получаемым при работе эмуляционных программ на суперкомпьютере, — говорит д-р Сача ван Албада, ведущий автор исследования и руководитель группы теоретической нейроанатомии в Юлихском исследовательском центре в Германии. — Способность выполнять крупномасштабную детализированную нейронную сеть быстро и с низким расходом энергии поспособствует исследованиям в области робототехники, а также изучению нарушений работы мозга».
Мозг человека очень сложен, и включает сто миллиардов взаимосвязанных клеток. У нас есть понимание того, как действуют отдельные нейроны и их компоненты, и как они взаимодействуют между собой, какие области мозга используются для чувственного восприятия, действий и познания. Но нам меньше известно о преобразовании нейронной активности в поведение, например, как мысль трансформируется в движение мышц.
Программное обеспечение для суперкомпьютеров помогло с эмуляцией обмена сигналами между нейронами, но даже самые лучшие программы на самых быстрых компьютерах на сегодня способны эмулировать только 1 процент мозга человека.
«Пока неясно, какая компьютерная архитектура лучше всего подходит для эффективной работы эмулятора всего мозга. Европейский проект по изучению мозга (Human Brain Project) и Юлихском исследовательский центр провели обширное исследование с целью определить наилучшую стратегию для этой сложнейшей задачи. Сегодняшним суперкомпьютерам требуется несколько минут для эмуляции одной секунды реального действия, поэтому исследования, например, процессов обучения, сегодня недоступны, — объясняет профессор Маркус Дизман, соавтор, глава департамента вычислительных нейронаук в Юлихском исследовательском центре. — Существует огромный разрыв между энергетическими затратами мозга и суперкомпьютера. Нейроморфный (по образу мозга) компьютинг позволяет понять, насколько мы можем приблизиться к энергоэффективности мозга, используя электронику».
Разрабатываемый на протяжении пятнадцати лет, и основанный на структуре и способах работы мозга человека, «SpiNNaker» — часть нейроморфной вычислительной платформы Европейского проекта по изучению мозга — состоит из полумиллиона простых вычислительных элементов. Исследователи сравнили точность, скорость и энергоэффективность «SpiNNaker» с «NEST» — специализированным программным обеспечением суперкомпьютера, используемом в исследованиях нейронных сигналов мозга.
«Эмуляции, выполняемые на «SpiNNaker» и «NEST», показывают очень похожие результаты, — говорит соавтор Стив Фурбер, профессор компьютерного инжиниринга в Манчестерском университете. — Впервые посредством «SpiNNaker» (или любой другой нейроморфной платформы) произведена настолько детальная эмуляция коры мозга. «SpiNNaker» включает 600 плат, объединяющих более 500 тысяч небольших процессоров. Эмуляция, выполненная в этом исследовании, использовала только шесть плат, то есть 1% от полной мощности машины. Наши результаты помогут улучшить программы, и сократить число используемых плат до единственой».
Как говорит д-р ван Албада, «Мы надеется на проведение более объёмных эмуляций в реальном времени с использованием таких нейроморфных вычислительных систем. В Европейском проекте по изучению мозга мы уже работаем совместно со специалистами по нейроробототехнике, которые надеются применить наши результаты для управления роботами».
