IBM realiza la mayor simulación neuronal equivalente al neocortex del cerebro de un gato

El departamento de Cognitive Comnputing del Laboratorio de Investigación de IBM en Almaden dirigido por Dharmendra S. Modha ha realizado la mayor simulación neuronal a gran escala hasta la fecha.

Utilizando un sistema Blue Gene/P con 147.456 procesadores y 144 TB de memoria principal, han logrado una simulación con mil millones de neuronas (1.000.000.000) y 10 billones de sinapsis que aprenden (10.000.000.000.000). Esto supera la escala de la corteza cerebral del gato (aunque NO simula un gato ni lo pretende). La simulación se ejecuta de 100 a 1.000 veces más lento que en tiempo real.

Las características neurocientíficas de este simulador llamado C2 son:

• Usa neuronas fenomenológicas de un solo compartimento. Es decir, no tienen 3 dimensiones, pero responden a las características básicas de integración, propagación y sinapsis de las neuronas reales.
• Utiliza el retraso en la transmisión por el axón.
• Incluye sinapsis excitatorias e inhibitorias en un ratio 4:1
• Usa los 4 neurotransmisores sinápticos más comunes en el córtex: AMPA, NMDA, GABAa y GABAb.
• Las sinapsis usan una forma de plasticidad dependiente del tiempo de disparo (STDP). En concreto potencia la sinapsis si la neurona postsináptica dispara a continuación de la presináptica y la deprime si la secuencia es la inversa.
• Se simulan los 6 niveles de la corteza cerebral
• Se simulan módulos compuestos por una columna neocortical de 10.000 neuronas con sus correspondientes 334 neuronas talámicas y 130 núcleos reticulares 

Características computacionales

• El tiempo de ejecución puede variar entre 0,1 ms y un segundo.
• En cada paso del tiempo (ej: 1 ms) deben recalcularse la totalidad del estado de todas las neuronas y sinapsis
• Las sinapsis se disparan a 1Hz como media.
• Se realizan 2**13 actualizaciones de los estados de las sinapsis por segundo. El estado de la sinapsis se actualiza tanto si dispara la célula postsináptica como la presináptica (para soportar la plasticidad)
• El tamaño de la memoria está determinado por el número de sinapsis más que por el de neuronas. Cada sinapsis ocupa 16 bytes.
• Cuando una neurona dispara, un mensaje se envía a cada neurona con la que tiene una sinapsis. Esto hace que el flujo de mensajes en el sistema sea enorme. Mantener el trabajo de las comunicaciones en niveles aceptables requiere los mejores algoritmos computacionales disponibles.
• Una neuronas disparan más y otras menos. Distribuir la carga entre los distintos procesadores es esencial para que el sistema esté bien balanceado. En la simulación realizada la diferencia de carga entre los procesadores no supera el 0,3%

Herramientas de usuario

• Checkpoints. Son puntos de control en los que podemos interrumpir el proceso y guardar datos. Se usan por ejemplo para ver el estado antes y después del aprendizaje
• BrainCam. Permite visualizar la evolución del estado de la corteza como fichero de vídeo MPEG. También simular Electro Encefalogramas.
• SpikeStream. Simula la entrada de datos a través de los sentidos y permite la interacción con entornos virtuales o reales.
  

Resultados.
Se simulan dos áreas de la corteza visual. Cada una tiene 278x278 módulos.
El sistema utiliza 144TB de memoria.
Cada uno de los 147.456 procesadores alberga 10.969 neuronas y 60 millones de sinapsis.

La simulación genera un EEG compatible con los datos experimentales. Asímismo, la propagación entre los distintos niveles corticales y entre áreas distintas es acorde a los datos existentes (ver anexo).

El sistema escala linealmente. Añadiendo nuevos procesadores y memoria se simula un número proporcionalmente mayor de neuronas y sinapsis.

Conclusión.

El sistema soportará en un futuro la complejidad computacional del córtex humano. Nuevos datos neurocientíficos son necesarios para alimentar el modelo.

La figura muestra el progreso que se ha hecho en la supercomputación desde los años 90. En cada punto del tiempo, la línea verde muestra el superordenador número 500 de la lista, la línea azul oscuro, el más rápido, y la línea azul de la suma de potencia de los Top 500. Estas líneas muestran una clara tendencia, que se ha extrapolado a 10 años.

Anexo. ¿Qué demuestran las simulaciones? 

"Hemos podido observar la actividad de nuestro modelo a muchas escalas que varían desde niveles de actividad globales hasta niveles de actividad en poblaciones específicas, desde dinámicas de actividad topográfica a potenciales de membrana de neuronas individuales. En estas registros hemos observado que el modelo reproduce la actividad del cortex medido por las correspondientes técnicas neurocientíficas: electroencefalografía, registros de potencial de campo local, imagen óptica con tintes sensitivos al voltaje y registros intracelulares. Específicamente, suministramos estímulos al modelo y luego observamos su propagación dentro y entre diferentes poblaciones de neuronas. Comprobamos que la propagación muestra un patrón espacio-temporal muy similar al observado en cerebros reales. En oras simulaciones, observamos oscilaciones entre periodos activos y calmados, como se observa en el cerebro durante el sueño y la vigilia.
En todas nuestras simulaciones, podemos grabar simultáneamente miles de millones de componentes individuales del modelo, en comparación con las técnicas punteras de neurociencia que pueden permitir el registro simultáneo de unos pocos cientos de regiones del cerebro, lo que que nos proporciona una visión sin precedentes de las dinámicas del circuito."