我们的大脑是可以模拟的吗？-基于超级计算机的大规模脑模拟

作者丨孙哲 （日本国立理化学研究所 研究员）

编辑丨夏獭

大脑主要由神经细胞构成。神经细胞是可以依托发出的电脉冲信号而进行信息处理的特殊细胞。人的大脑中大约用于860亿细胞，其中160亿存在于大脑，而小脑拥有690亿神经元。神经元通过突触进行连接，构成复杂的神经网络，整个人脑的连接有约10^12左右。

我们的大脑拥有非常的复杂并且机器优异的技能。虽然大脑对四则运算这样的计算问题不如我们使用的计算机，但是在负责的识别和学习方面，是现存的计算机远远达不到的。脑在运转时的能耗比也是非常惊人的，我们的京超级计算机计算机的耗电量约为1200万瓦，人的大脑的能耗却只有10瓦左右。

图1 模拟大脑， 基于稀疏的已知数据来推测稠密的未知数据

近年来RIKEN和欧洲的 Human Brain Project 的科研人员都在通过超级计算机进行大规模的脉冲神经网络模拟，来寻找神经信号信息处理的相关未知问。在2013年的时候，RIKEN使用世界上首台可以每秒亿亿次计算的超级计算机“京”，并结合作为和于利希研究中心合作研究开发开发的NEST模拟器，进行了相当于人脑1%规模的神经网络的模拟。

随着日本，中国，美国提出E级（百亿亿次计算）超级计算机的研发计划，大脑的模拟工程也从10亿级神经元模拟时代迈入千亿的时代。于利希中心的JUWELS 超算系统，理研的post-k超计算机，都将有可能实现人类大脑的全部神经网络的模拟工作。

并且在算法上也有了新的突破，之前的算法在进行大规模神经网络模拟时，每一个节点都必须拥有整个模拟器的信息，这使得大量的计算资源得到了浪费。新的算法中，每一个节点只需处理该节点负责的那部分神经网络的信息即可。在大规模脉冲神经网络的模拟中，可以节省大量的计算资源。

图2 脑科学相关的超大规模数据

图3中的纵轴为超级计算机的性能，下面标出了随着计算能力的增长，能够模拟的神经元的数量也飞速增长。从1952年的Hodgkin 和Huxley进行的一个神经元的模型计算，到2013年的17亿神经元的脉冲神经网络的模拟。随着计算性能的上升，对大规模神经回路的模拟能力也有了显著的提高。当今世界上最快的美国的顶点超级计算机已经可以达到200PFLOPS的计算性能。目前，美国，中国，日本都有了在2020年研发成功E级超级计算机的研发计划。那么人类的大脑是否能在E级超级计算机上实现呢？

图3 超级计算机的性能与大规模脑网络的模拟能力

目前我们已经基于对神经细胞模拟的计算量和通信内存的带宽对E级超级计算机进行大规模脑模拟的能力进行了评估。 我们认为在E级的超算系统中，应该可以用几个小时的时间计算来模拟人全部大脑神经网络1秒中的活动。但是具体构建脑的模型需要大量的数据，如果没有必须的数据，将无法完成构建大脑模型的设计图。如果没有设计图，那么仅仅是提升模拟的神经网络的模拟规模，对大脑信息处理的研究是没有意义的。

随着相关的各种技术和研究工作飞速发展，比如连接组的相关的研究在2000年左右开始飞速发展， 特别是在2014年后产生大量的可用于构建脑模型的数据。RNA检测技术发展也在神经元种类的鉴别上提供了大量的数据。从现在开始的十年里，可以预想到相关的数据和文献会飞速增长，为构建大脑模型提供坚实的基础。

我们已经开始基于这些技术和数据，建立包括大脑，小脑，基底核等部分的脑模型。

并且基于模型对大脑的信息处理方式进行调查。 其中在接下来的工作里，我们也将基于大脑模型，调查研究人的大脑与小脑等区域的相互作用，信息交互的方法。这对脑相关各种疾病的的调查能够起到非常大辅助作用。另一方面我们也将会尝试与脑信号相关的研究。

从计算能力上，E级超级计算机和新的大脑模拟器框架已经可以承担人类大脑级别的全网络模拟。那么怎样构造不同的脑区中的神经网络，怎么连接不同的脑区，还有大脑的功能怎么实现呢？更近一步，人类的全脑脑模拟研究会对时下正在火热的人工智能产生怎么样的帮助呢？请大家继续关注我们即将发表一系列学术论文和学术报告吧。

参考文献

[1] Largest neuronal network simulation achieved using K computer, RIKEN Press Releases.

[2]Jordan J. et al. Extremely scalable spiking neuronal network simulation code: from laptops to exascale computers. Frontiers in neuroinformatics, 2018.

[3] Kunkel S. et al. Spiking network simulation code for petascale computers. Frontiers in neuroinformatics, 2014.

[4] Simulation Neuroscience, MOOC, Human Brain Project.

[5] P eyser, Alexander et al. NEST 2.14.0. Zenodo. 10.5281/zenodo.882971.