Мозг человека крайне сложен и состоит из 100 миллиардов взаимосвязанных клеток. Мы понимаем, как ведут себя отдельные нейроны и их компоненты, какие области мозга используются для восприятия, действия или запоминания. Однако, мы мало знаем о том, как нервная деятельность превращается в поведение, например, в движение мускулов.

Суперкомпьютеры могут дать ученым некоторые ответы, сымитировав обмен сигналами между нейронами, но даже лучшие программы, работающие на самых быстрых машинах, способны создать модель всего 1% мозга человека, пишет Science Daily.

До сих пор неизвестно, какая компьютерная архитектура лучше всего подходит для эффективного исследований мозга. Современным суперкомпьютерам требуется несколько минут, чтобы смоделировать секунду реального времени, поэтому исследования таких процессов, как обучение, занимающих часы и дни реального времени, сейчас вне нашей досягаемости, говорят ученые. Кроме того, они требуют огромного количества энергии.   

SpiNNaker — совместный проект немецких ученых и специалистов проекта «Человеческий мозг» — призван преодолеть эти трудности. Он разрабатывался в течение 15 лет и построен на полумиллионе простых компьютерных элементов, управляемых специальной программой.

Разработчики сравнивают точность, скорость и энергоэффективность SpiNNaker с NEST — программой для суперкомпьютеров, которая используется для исследований в области нейробиологии.

«Модели, которые запускают на NEST и SpiNNeker, показывают очень близкие результаты, — говорит Стив Фербер, участник проекта. — Впервые на SpiNNeker или другой нейроморфной платформе проводилась такая детальная симуляция коры головного мозга. SpiNNaker состоит из 600 плат с общим числом небольших процессоров, равным 500 000. Симуляция, описанная в исследовании, задействовала всего шесть плат — 1% от общей мощности машины. Результаты нашего исследования позволят нам улучшить программу и сократить число плат до одной».

Исследователи MIT разобрались, каким именно образом нейроны мозга образуют новые связи, ослабляя старые. Так называемое свойство нейропластичности работает за счет действия белка Arc. Открытие позволяет лучше понять работу памяти и обучения.