來源：超時代軟件 更新時間：2018年07月13日 18:32:53
用于模擬大腦神經網絡的計算機產生的結果與目前用于神經信號研究的最佳腦仿真超級計算機軟??件的結果相似。這款定制計算機名為SpiNNaker，經測試精確性，速度和能源效率，有可能克服傳統超級計算機的速度和功耗問題，旨在提升我們對大腦神經處理的認識，包括學習和障礙如癲癇和阿爾茨海默病。
藝術家的概念（股票圖像）。
圖片來源：©Andrey / Fotolia
一項旨在模擬大腦神經網絡的計算機產生的結果與目前用于神經信號研究的最佳腦仿真超級計算機軟??件相似，發現一項新研究發表在開放獲取期刊“神經科學的前沿”中。這款定制計算機名為SpiNNaker，經測試精度，速度和能效，有可能克服傳統超級計算機的速度和功耗問題。目的是提高我們對大腦神經處理的認識，包括學習和紊亂，如癲癇和阿爾茨海默病。
“SpiNNaker可以支持皮層的詳細生物模型 - 接收和處理感官信息的大腦外層 - 提供與同等超級計算機軟??件模擬非常相似的結果，”Sacha van Albada博士說。這項研究的作者和德國Jülich研究中心理論神經解剖學小組的負責人。“能夠以低功耗快速運行大規模詳細神經網絡的能力將推動機器人研究并促進對學習和腦部疾病的研究。”
人類的大腦非常復雜，包含1000億個相互連接的腦細胞。我們了解個體神經元及其組成部分如何表現和相互溝通，并且在更大范圍內，大腦的哪些區域用于感知知覺，行動和認知。然而，我們對神經活動轉化為行為的了解較少，例如將思維轉化為肌肉運動。
超級計算機軟??件通過模擬神經元之間的信號交換來幫助，但即使是迄今為止最快的超級計算機上運行的最好的軟件也只能模擬人類大腦的1％。
“目前還不清楚哪種計算機架構最適合有效地研究全腦網絡。歐洲人腦項目和Jülich研究中心已經進行了廣泛的研究，以確定這個高度復雜問題的最佳策略。今天的超級計算機需要幾分鐘來模擬實時的一秒鐘，所以對學習等過程的研究，實際上需要幾小時和幾天才能實現。“ Jülich研究中心計算與系統神經科學系主任，共同作者Markus Diesmann教授解釋說。
他繼續說道，“大腦的能量消耗與今天的超級計算機之間存在巨大的差距。神經形態（大腦啟發）計算使我們能夠研究使用電子設備能夠達到大腦能量效率的程度。”
SpiNNaker是人類大腦項目的神經形態計算平臺的一部分，是基于人類大腦的結構和功能開發的，是一個定制的計算機，由50萬個簡單的計算元件控制而成通過自己的軟件。研究人員將SpiNNaker的準確性，速度和能量效率與NEST進行了比較 - NEST是目前用于腦神經元信號傳導研究的專業超級計算機軟??件。
英國曼徹斯特大學的合著者兼計算機工程教授Steve Furber表示，“在NEST和SpiNNaker上進行的模擬結果非常相似”。“這是第一次在SpiNNaker或任何神經形態平臺上運行皮質的詳細模擬.SpiNNaker包含600個電路板，總共包含超過500,000個小型處理器。本研究中描述的模擬只使用了六塊板 - 占機器總容量的1％。我們的研究結果將改進軟件，將其減少到一塊板。“
Van Albada分享了她對SpiNNaker的未來愿望，“我們希望通過這些神經形態計算系統進行越來越大的實時模擬。在人腦計劃中，我們已經與希望將它們用于機器人控制的神經病學家合作。”
本文由，超時代軟件翻譯
一鍵拔號
咨詢客服
服務熱線