模拟人类大脑神经连接出现重大突破

一个由国际科学家组成的团队发明了一种算法，代表着模拟人类大脑神经连接的研究向前迈进了重要的一步。这个新算法是在Frontiers in Neuroinformatics中发表的一篇开放权限获取论文中描述的，目的是允许在超级计算机上模拟人类大脑的1000亿个互连神经元。这项工作由Jülich研究中心、挪威生命科学大学、亚琛大学、RIKEN和KTH皇家理工学院的研究人员合作完成。

开源神经模拟工具

该算法使用NEST *（“神经模拟工具”）开发，NEST是一个开放源码仿真软件，它被广泛用于神经科学界并且是欧洲人类脑计划的核心模拟器。研究人员在一份公告中解释说，用NEST，网络中每个神经元的行为都由少量的数学方程表示。

根据Jülich神经科学和医学研究所所长Markus Diesmann的说法，自2014年以来，运行于德国Jülich超级计算中心的RIKEN和JUQUEEN超级计算机上的petascale ** K超级计算机上的利用NEST进行的大规模神经网络仿真可以模拟人脑中约1％的神经元的连接。这些模拟使用了NEST算法的先前版本。

为什么超级计算机不能模拟整个大脑或者说为什么尚且不能？ 斯德哥尔摩KTH皇家理工学院资深作家Susanne Kunkel解释说：“在进行神经元网络模拟之前，神经元及其连接需要虚拟创建。”

在模拟过程中，首先需要将神经元的动作电位（短电脉冲）发送到所有约100,000个的称为节点的小型计算机，每个计算机都配备有执行实际计算的多个处理器，然后每个节点检查所有这些脉冲中的哪一个与存在于该节点上的虚拟神经元相关。

该过程需要整个网络中每个神经元的每个处理器有一位信息。对于十亿个神经元的网络，每个节点的大部分内存被每个神经元的单个信息消耗掉。当然，每个神经元的这些额外位所需的每个处理器所需的计算机内存量随着神经元网络的大小而增加。要超过1％并模拟整个人脑，需要每个处理器的可用内存比现在的超级计算机大100倍。

在目前的千兆级超级计算机上运行的脑模拟软件只能代表大脑皮质中约1％的神经元连接（左图的暗红色区域）。在下一代百亿亿级超级计算机中，模拟整个人脑10％的神经元连接（中心）将成为可能，这超过当今高端超级计算机的性能10到100倍。然而，使用与当前超级计算机相同数量的计算机内存，一种新的算法可以在百亿亿级超级计算机上模拟100％人类大脑（全脑模拟）。

随着内存消耗的控制，模拟速度将成为主要焦点。 例如，在Jülich的超级计算机JUQUEEN上运行的由5.8万亿突触连接的5.2亿神经元大型模拟需要28.5分钟来计算一秒钟的生物时间。研究人员计算，使用改进的算法，时间将缩短到仅5.2分钟。

Diesmann说：“百亿亿次计算速度的硬件和[即将推出的NEST]软件的结合带来了对大脑功能基本方面的研究，如可塑性和学习，在生物学时间的数分钟内展开，将在我们的研究范围之内。

研究人员发现，新算法还将使目前可用的petascale超级计算机的模拟速度更快。

NEST仿真软件更新

在Neural Simulation Technology Initiative的发布的下一个模拟软件版本中，研究人员将免费向社区研究人员提供新的开源代码。

这是第一次，研究人员将拥有模拟整个人类大脑规模的神经网络的计算能力。

冲绳县科学技术研究所（OIST）的Kenji Doya可能是最早尝试它的人之一。他说 “我们一直在K计算机上用NEST来模拟健康和帕金森病中基底节环路的复杂动力学。我们很高兴听到关于新一代NEST的消息，这将使我们能够在后K计算机上运行全脑模拟，以阐明运动控制和心理功能的神经机制。”

注释：

*NEST是针对神经网络模型的模拟器，专注于神经系统的动力学，大小和结构，而不是单个神经元的确切形态。NEST适用于任何规模的峰值神经元网络，如信息处理模型，如哺乳动物的视觉或听觉皮层，网络活动动力学模型（如层状皮质网络或平衡随机网络）以及学习和可塑性模型。

**Petascale超级计算机的运行速度为每秒百万亿次浮点运算（每秒10¹⁵浮点运算）。未来的E级超级计算机将以每秒百亿亿次的速度（10¹⁸flop / s）运行。目前最快的超级计算机是中国无锡国家超级计算中心的Sunway TaihuLight，运行速度达到每秒9千3 百万亿次。

***在Jülich，这项工作得到了仿真实验室神经科学的支持，该实验室是Jülich超级计算中心的伯恩斯坦网络计算神经科学设施。 部分资金来自欧盟第七框架计划（Human Brain Project，HBP）和欧盟地平线2020研究与创新计划，以及对后K计算机的探索性挑战（了解思想的神经机制及其在人工智能中的应用） 日本文部科学省（MEXT）。通过他们在日本和欧洲之间的联合项目，研究人员希望为建立国际大脑倡议（IBI）做出贡献。