Einführung
Die Digital Twin Brain (DTB) ist eine Computing-Plattform, die in der Lage ist, Spiking Neuronale Netzwerke in der Größenordnung des gesamten menschlichen Gehirns und darüber hinaus zu simulieren. Im Gegensatz zu den meisten Hirnsimulationen mit einer homogenen globalen Struktur, hebt sie die Bedeutung der Verteiltheit, Vernetzung und Heterogenität in den sMRI-, DTI- und PET-Daten des Gehirns für die Effizienz der Hirnsimulation hervor.
Was ist das Digital Twin Brain und was kann es?
Das Digital Twin Brain (DTB) bietet:
- Die Fähigkeit zur Simulation von spikenden neuronalen Netzwerken in der Größenordnung des gesamten menschlichen Gehirns und personalisierten biologischen Gehirnstrukturen.
- Betonung der Auswirkungen von Spärlichkeit, Kopplung und Heterogenität von Gehirndaten auf die Effizienz der Simulation.
- Verwendung von Optimierungstechniken zur Ausbalancierung von Rechenlasten und Kommunikationsverkehr für führende Simulationsleistung.
- Möglichkeiten zur Erforschung kognitiver Hirnfunktionen mittels Reverse-Engineering-Methoden.
- Erwartete Anwendung als leistungsstarke Plattform für gehirninspirierte Intelligenz, Medizin im Bereich der Gehirnerkrankungen und Forschung zur Gehirn-Maschinen-Schnittstelle.
Herausforderungen bei der Simulation des menschlichen Gehirns
Die komplexe Biologie des Gehirns
Das menschliche Gehirn enthält rund 100 Milliarden Neuronen und 1000 Billionen Synapsen, von denen 99% im Großhirnrinde und Kleinhirn liegen. Es gibt hunderte funktionale Regionen im Gehirn, und die Neurontypen, Synapsentypen und die Anzahl der Verbindungen pro Neuron unterscheiden sich zwischen den Regionen.
Einschränkungen bisheriger Simulatoren
Bisherige Gehirnsimulatoren wie das Blue Brain Project oder das Human Brain Project können das menschliche Gehirn nicht in Echtzeit simulieren. Die Biologie des Gehirns stellt keine Herausforderung für die Rechenleistung dar, sondern für den Speicherzugriff und die Kommunikation zwischen Rechenknoten.
Die Verbindungen im Gehirn zeigen eine Verteiltheit von nur 7.2‰ im Vergleich zu vollständigen Verbindungen. Sie haben eine hohe Vernetzung mit einem Verhältnis von inter- zu Gesamtverbindungen von 2/7 in der Großhirnrinde und bis zu 16/125 im Kleinhirn. Zudem gibt es eine große Heterogenität mit einem Verhältnis von maximalen zu minimalen ausgehenden Verbindungen pro Voxel von bis zu 35.
Diese Charakteristika führen dazu, dass die Limitierungen für Simulationsumfang und -geschwindigkeit des menschlichen Gehirns nicht in der Rechenleistung, sondern in der Bandbreite für Speicherzugriff und Kommunikation sowie dem Speicher selbst liegen. Die Extrem-Unausgewogenheit der Verbindungen führt zu Unausgewogenheit in der Berechnung und Kommunikation, was den Netzwerkarchitekturen heutiger HPCs widerspricht.
Die Digital Twin Brain Plattform
Die DTB Plattform nutzt GPUs für die parallele Simulation von Neuronen und deren Differentialgleichungen. Durch Multithreading kann die Berechnung und Kommunikation parallelisiert werden. Eine Optimierungsmethode balanciert Last und Datenverkehr auf und zwischen Knoten.
Netzwerkmodell
Das Netzwerkmodell basiert auf einem hierarchischen Random Graphen mit Constraints und multiplen Kanten. Es bildet die Biologie des Gehirns voxel-basiert anhand von sMRI-, DTI- und PET-Daten ab.
Das Gehirn wird in 4 Regionen unterteilt: Großhirnrinde, Subcortex, Hirnstamm und Kleinhirn. Die Großhirnrinde hat eine Mikrosäulen-Struktur, die anderen eine Unterteilung in exzitatorische und inhibitorische Neuronen gemäß den PET-Daten.
In der Großhirnrinde und im Subcortex haben Neuronen im Mittel 1000 eingehende Synapsen, im Hirnstamm und Kleinhirn 100. Die Verbindungswahrscheinlichkeiten basieren auf den DTI-Daten. Langreichweitige Verbindungen sind nur exzitatorisch.
Leistung
Die DTB kann Netzwerke mit bis zu 86 Milliarden Neuronen und 47,8 Billionen Synapsen simulieren. Dabei kann sie 1 Sekunde biologischer Zeit in 65-118 Sekunden Rechenzeit simulieren, abhängig von der mittleren Feuerrate.
Anwendungen der DTB
Reverse Engineering von Hirnfunktionen
Mit der Fähigkeit zur Simulation in menschlichem Maßstab und der Assimilation von Billionen Parametern kann die DTB mit der realen Umwelt interagieren. Sie ermöglicht die Untersuchung kognitiver Funktionen und Gehirn-Maschine-Schnittstellen.
In einem Beispiel wurde die DTB erfolgreich an ein Experiment zur visuellen Bewertung emotionaler Bilder angepasst. Die Pearson-Korrelation der simulierten und tatsächlichen fMRI-Signale lag bei über 0,98 in den Eingaberegionen und 0,75 über die gesamte Großhirnrinde. Mit den simulierten Aktivierungen konnten die Bewertungen der realen Bilder mit einer Korrelation von 0,655 vorhergesagt werden.
Gehirn-inspirierte Intelligenz
Die DTB erlaubt “Digital Twin” Experimente zur Gehirnintelligenz und Reverse Engineering zur Erforschung gehirn-inspirierter Intelligenz. Sie zeigt auch Grenzen aktueller HPC-Architekturen für diese Aufgabe auf und legt die Entwicklung neuer Architekturen für gehirn-inspiriertes Computing nahe.
Fazit
Die Digital Twin Brain Plattform ermöglicht durch ihre Leistungsfähigkeit und biologische Detailtreue bahnbrechende Fortschritte bei der Simulation und dem Verständnis des menschlichen Gehirns. Ihre reverse engineering Fähigkeiten können zu Durchbrüchen bei gehirn-inspirierter Intelligenz führen.
Quelle: Studien Paper
#AI #KI #gehirn #simulation #digitaltwin #intelligenz