GPU让小鼠大脑模拟再上台阶:功耗仅有超级计算机的十分之一

在英国萨塞克斯大学(University of Sussex),研究人员近日成功地利用现有的电脑软硬件设备对小鼠的部分大脑进行了模拟。这次模拟是利用现有设备的大脑模拟试验中,速度最快且能耗最低的。

图片来源:Pexels

这次模拟是在萨塞克斯大学工程与信息学院研发的GeNN(GPU enhanced Neural Network)系统上进行的。GeNN是一款专门用于运行大脑模拟程序的系统。正如其名,这套系统在硬件上是由图形处理器(Graphic Processing Unit)驱动的。这次成功的大脑模拟结果发表在了2018年12月的《Frontiers in Neuroscience》上。

除了我们所熟知的中央处理器(Central Processing Unit, CPU),电脑中最重要的处理器就是图形处理器(GPU)了。GPU主要负责图形相关信息的处理。在计算机科学领域,GPU因其优秀的图形处理能力而日益受到科学家,特别是神经科学模拟领域专家的青睐。像此次小鼠大脑模拟的平台,就是由GPU为核心的系统驱动的

让我们来用最直观的方法来看一下研究人员是如何模拟小鼠大脑的吧。下方视频中的不同颜色代表了小鼠脑内不同类型的神经元,每一个闪烁的像素点则反映了对应神经元的活动状态。

视频来源:University of Sussex

为了实现对小鼠大脑的视觉化模拟,萨塞克斯大学的这个团队使用了两个已有的计算机神经模型:一个包含了八组神经元的皮质微电路(cortical microcircuit),和一个随机平衡网络(balanced random network)。同时,用单核GPU来处理信息,其速度比SpiNNaker神经形态系统(SpiNNaker neuromorphic system)和其他超级计算机快10%,能耗却只有十分之一

SpiNNaker神经形态系统由曼彻斯特大学研发,采用了和人脑神经元极为相似的模拟系统。它拥有一百万个处理核心和1200个互相联结的电路板(circuit board),是目前模拟人脑运行的最佳超级计算机之一。

目前,计算机科学领域普遍认为GPU的效率和灵活性可以在未来模拟大脑的模型中发挥关键性的作用。萨塞克斯大学计算机科学研究员James Knight博士很高兴这项研究再一次证明了GPU在大脑研究领域的效用:“我们希望接下来可以通过多GPU芯片结合的方式把模型拓展到目前规模的50倍,用来研究猴子大脑的视觉系统。”

芯片技术和超级计算机的发展让我们在探索神经科学的路上走得越来越快。能够模拟小鼠和猴子大脑系统的模型正在诞生,能精确模拟人脑神经系统模型还远吗?

参考资料:

[1] Knight, et al., (2018). GPUs outperform current HPC and neuromorphic solutions in terms of speed and energy when simulating a highly-connected cortical model. Frontier in Neuroscience, https://doi.org/10.3389/fnins.2018.00941

[2] Computer hardware designed for 3D games could hold the key to replicating human brain. Retrieved Dec 29, 2018 from https://www.eurekalert.org/pub_releases/2018-12/uos-chd121918.php

[3] A new supercomputer is the world’s fastest brain-mimicking machine. Retrieved Dec 29, 2018 from https://www.scientificamerican.com/article/a-new-supercomputer-is-the-worlds-fastest-brain-mimicking-machine/

药明康德AI
药明康德AI

药明康德微信团队专业打造。当人工智能遇上大健康,带你看全AI时代的智慧之光。

专栏二维码
产业神经科学超级计算机
1
相关数据
神经科学技术

神经科学,又称神经生物学,是专门研究神经系统的结构、功能、发育、演化、遗传学、生物化学、生理学、药理学及病理学的一门科学。对行为及学习的研究都是神经科学的分支。 对人脑研究是个跨领域的范畴,当中涉及分子层面、细胞层面、神经小组、大型神经系统,如视觉神经系统、脑干、脑皮层。

神经元技术

(人工)神经元是一个类比于生物神经元的数学计算模型,是神经网络的基本组成单元。 对于生物神经网络,每个神经元与其他神经元相连,当它“兴奋”时会向相连的神经元发送化学物质,从而改变这些神经元的电位;神经元的“兴奋”由其电位决定,当它的电位超过一个“阈值”(threshold)便会被激活,亦即“兴奋”。 目前最常见的神经元模型是基于1943年 Warren McCulloch 和 Walter Pitts提出的“M-P 神经元模型”。 在这个模型中,神经元通过带权重的连接接处理来自n个其他神经元的输入信号,其总输入值将与神经元的阈值进行比较,最后通过“激活函数”(activation function)产生神经元的输出。

推荐文章
暂无评论
暂无评论~