新型超级计算机可以模拟人类大脑，进行神经系统疾病的研究

新型超级计算机可以模拟人类大脑，进行神经系统疾病的研究

萨塞克斯大学的研究团队开发出一种创新方法，通过台式计算机的涡轮增压技术，使其具备与价值数千万英镑的超级计算机相当的功能。这一突破性进展已在《自然计算科学》期刊上详细发表，预计将为全球更多研究人员提供大规模大脑模拟研究的机会，特别是在神经系统疾病研究领域。

萨塞克斯大学工程与信息学院的詹姆斯·奈特博士和托马斯·诺沃特尼教授利用最新的图形处理单元（GPU）技术，成功使单台台式计算机能够模拟几乎无限大小的大脑模型。这一创新成果已在《自然计算科学》期刊上详细发表，预计将为全球更多研究人员提供大规模大脑模拟研究的机会，特别是在神经系统疾病研究领域。

研究人员认为，这项创新已在《自然计算科学》中进行了详细介绍，这将使全世界更多的研究人员能够进行大规模的大脑模拟研究，包括神经系统疾病的研究。当前，超级计算机的成本太高了，它们只能由大型机构和政府机构负担得起，因此大量研究人员无法负担。除了将超级计算机的成本削减几千万英镑外，在台式PC上运行的仿真所需的能源大约减少10倍，从而也带来了显着的可持续性收益。

萨塞克斯大学计算机科学研究员Knight博士说：“我认为我们研究的主要好处是可及性之一。在这些非常大的组织之外，学者们通常必须申请以获取有限的时间来学习。用于特定科学目的的超级计算机，这是进入的相当大的障碍，有可能阻碍许多重要的研究。
“我们现在对自己的研究的希望是将这些技术应用于以大脑为灵感的机器学习中，以便我们可以帮助解决生物大脑擅长但目前尚无法模拟的问题。
“除了我们在GPU硬件的背景下在程序连接性方面所展示的进步之外，我们还相信，也有可能为从头开始为程序连接性开发新型的神经形态硬件。关键组件可以直接在硬件，这可能会导致更显着的计算时间改进。”

该研究基于美国研究员Eugene Izhikevich的开创性工作，他在2006年开创了类似的大规模大脑仿真方法。当时，计算机太慢，以至于该方法无法广泛应用，这意味着直到现在，只有少数特权能够访问超级计算机系统的研究人员才能模拟大规模的大脑模型。研究人员将Izhikevich的技术应用于现代GPU（具有15年前可用的计算能力的约2000倍），以创建猕猴视觉皮层（具有4.13×10 6个神经元和24.2×10 9个突触）的前沿模型。只能在超级计算机上模拟。

研究人员的GPU加速尖峰神经网络模拟器使用GPU上可用的大量计算能力，以“过程”方式生成连接性，并在触发尖峰时“随时随地”生成突触权重，从而无需在内存中存储连接性数据。研究人员模型的初始化耗时6分钟，在基态下每个生物秒的仿真花费7.7分钟，在静止状态下仿真花费了8.4分钟，比以前的超级计算机仿真节省了35％的时间。在2018年，一台IBM Blue Gene / Q超级计算机对该模型的初始化花费了大约五分钟，而模拟一秒钟的生物时间花费了大约12分钟。

萨塞克斯大学信息学教授诺沃特尼教授说：“尖峰神经网络模型的大规模仿真是提高我们对动力学和最终对大脑功能的理解的重要工具。但是，即使是小型哺乳动物，如小鼠具有大约1×10 12个突触连接的数量，这意味着仿真需要数TB的数据，这对于单个台式机来说是不切实际的内存需求。
“这项研究为计算神经科学和AI研究人员带来了改变，他们现在可以在其本地工作站上模拟大脑电路，但它还允许学术界以外的人们将其游戏PC变成超级计算机并运行大型神经网络。”

本文原文来自X