En dator byggd för att efterlikna hjärnans neurala nätverk ger liknande resultat som den bästa hjärnsimulerings superdatormjukvaran som för närvarande används för forskning om neural signalering, finner en ny studie publicerad i tidskriften med öppen tillgång Gränser inom neurovetenskap . Testad för noggrannhet, hastighet och energieffektivitet, denna specialbyggda dator som heter SpiNNaker, har potential att övervinna hastigheten och strömförbrukningsproblemen hos konventionella superdatorer. Syftet är att främja vår kunskap om neurala processer i hjärnan, att inkludera inlärning och störningar som epilepsi och Alzheimers sjukdom.

"SpiNNaker kan stödja detaljerade biologiska modeller av cortex - det yttre lagret av hjärnan som tar emot och bearbetar information från sinnena - och levererar resultat som är mycket lika de från en likvärdig simulering av superdatorprogramvara, " säger Dr Sacha van Albada, huvudförfattare till denna studie och ledare för gruppen Teoretical Neuroanatomy vid Jülich Research Centre, Tyskland. "Förmågan att köra storskaliga detaljerade neurala nätverk snabbt och med låg energiförbrukning kommer att främja robotforskning och underlätta studier om inlärning och hjärnstörningar."

Den mänskliga hjärnan är extremt komplex, bestående av 100 miljarder sammankopplade hjärnceller. Vi förstår hur enskilda neuroner och deras komponenter beter sig och kommunicerar med varandra och i större skala, vilka delar av hjärnan som används för sensorisk perception, handling och kognition. Dock, vi vet mindre om översättningen av neural aktivitet till beteende, som att förvandla tankar till muskelrörelser.

Superdatorprogramvara har hjälpt till genom att simulera utbyte av signaler mellan neuroner, men även den bästa programvaran som körs på de snabbaste superdatorerna hittills kan bara simulera 1% av den mänskliga hjärnan.

"Det är för närvarande oklart vilken datorarkitektur som är bäst lämpad för att effektivt studera helhjärnans nätverk. European Human Brain Project och Jülich Research Center har utfört omfattande forskning för att identifiera den bästa strategin för detta mycket komplexa problem. Dagens superdatorer kräver flera minuter att simulera en sekund i realtid, så studier om processer som lärande, som tar timmar och dagar i realtid är för närvarande utom räckhåll." förklarar professor Markus Diesmann, medförfattare, chef för Computational and Systems Neuroscience-avdelningen vid Jülich Research Centre.

Han fortsätter, "Det finns ett stort gap mellan hjärnans energiförbrukning och dagens superdatorer. Neuromorf (hjärninspirerad) beräkning gör att vi kan undersöka hur nära vi kan komma hjärnans energieffektivitet med hjälp av elektronik."

Utvecklat under de senaste 15 åren och baserat på den mänskliga hjärnans struktur och funktion, SpiNNaker – en del av Neuromorphic Computing Platform of the Human Brain Project – är en specialbyggd dator som består av en halv miljon enkla datorelement som kontrolleras av sin egen programvara. Forskarna jämförde noggrannheten, hastighet och energieffektivitet hos SpiNNaker med NEST – en specialiserad superdatorprogramvara som för närvarande används för forskning om hjärnneuronsignalering.

"Simuleringarna som kördes på NEST och SpiNNaker visade mycket liknande resultat, " rapporterar Steve Furber, medförfattare och professor i datateknik vid University of Manchester, STORBRITANNIEN. "Det här är första gången en så detaljerad simulering av cortex har körts på SpiNNaker, eller på någon neuromorf plattform. SpiNNaker består av 600 kretskort med över 500, 000 små processorer totalt. Simuleringen som beskrivs i denna studie använde bara sex kort – 1 % av maskinens totala kapacitet. Resultaten från vår forskning kommer att förbättra programvaran för att reducera detta till ett enda kort."

Van Albada delar med sig av sina framtida ambitioner för SpiNNaker, "Vi hoppas på allt större realtidssimuleringar med dessa neuromorfa datorsystem. I Human Brain Project, vi arbetar redan med neurorobotiker som hoppas kunna använda dem för robotstyrning."