[論文レビュー] Simulation and assimilation of the digital human brain

Wenlian Lu, Du, Xin+8 more|arXiv (Cornell University)|Nov 29, 2022

Molecular Communication and Nanonetworks被引用数 13

ひとこと要約

本論文では、個人に合わせたMRIデータと生物学的制約を用いて、860億ニューロンで構成される人間の脳を模倣する大規模なスパikingニューラルネットワークシミュレータ「デジタルブレイン（DB）」を提示する。静止状態ではfMRI BOLD信号と高い相関（r > 0.9）を示し、視覚タスクにおける知覚反応を効果的にシミュレートした。これは、デジタル人間脳の実現可能性を示している。

ABSTRACT

Here, we present the Digital Brain (DB), a platform for simulating spiking neuronal networks at the large neuron scale of the human brain based on personalized magnetic-resonance-imaging data and biological constraints. The DB aims to reproduce both the resting state and certain aspects of the action of the human brain. An architecture with up to 86 billion neurons and 14,012 GPUs, including a two-level routing scheme between GPUs to accelerate spike transmission up to 47.8 trillion neuronal synapses, was implemented as part of the simulations. We show that the DB can reproduce blood-oxygen-level-dependent signals of the resting-state of the human brain with a high correlation coefficient, as well as interact with its perceptual input, as demonstrated in a visual task. These results indicate the feasibility of implementing a digital representation of the human brain, which can open the door to a broad range of potential applications.

研究の動機と目的

• 患者固有のMRIデータを用いて、大規模かつ生物学的に制約された人間脳のデジタルモデルを開発すること。
• スパikingニューロンネットワークを用いて、人間脳の静止状態活動およびタスク誘発反応をシミュレートすること。
• 分散GPUアーキテクチャを用いて、数兆のシナプス接続を効率的にシミュレートするための高い計算効率を達成すること。
• 実際のfMRI BOLD信号を再現し、知覚入力との相互作用を示すことで、デジタルブレインモデルの妥当性を検証すること。

提案手法

• デジタルブレイン（DB）プラットフォームは、個人に合わせたT1強調画像および拡散MRIデータを用いて、人間脳の詳細な解剖学的および結合的フレームワークを構築する。
• 積分・放電型ニューロンおよび短期間の可塑性を含む生物学的に妥当なニューロンおよびシナプスダイナミクスを持つスパキングニューラルネットワークモデルを実装する。
• 14,012GPUに跨るスパイク伝達を高速化するための二段階GPUルーティング方式を設計し、最大47.8兆のシナプスをリアルタイムでシミュレート可能とする。
• 拡散テンソル画像（DTI）からの構造的結合性と、静止状態fMRIからの機能的結合性を統合し、ネットワークダイナミクスを制約する。
• 視覚入力などの知覚刺激とリアルタイムで相互作用できるシミュレーションフレームワークを提供し、機能的反応をテストする。
• 空間的分割とメッセージパッシングを組み合わせたハイブリッド並列化戦略を用いて、大規模GPUクラスタにスケーリングする。

実験結果

リサーチクエスチョン

• RQ1 個人に合わせたデジタル人間脳モデルは、実際のfMRI BOLD信号と高い類似性を示す静止状態機能的活動をシミュレートできるか？
• RQ2 デジタルブレインは、視覚タスクなどの外部知覚刺激に対する神経反応を再現できるか？
• RQ3 人間規模のスパキングネットワークを現実的な結合性でシミュレートするには、どの程度の計算スケーラビリティが必要か？
• RQ4 生物学的に制約されたモデルは、人間神経画像診断で観察された機能的結合パターンをどの程度正確に再現できるか？
• RQ5 デジタルブレインは、感覚入力をどの程度効果的に統合し、行動的に関連する反応を生成できるか？

主な発見

• DBは静止状態条件下で、シミュレートされたfMRI BOLD信号と実際の信号との間に相関係数r > 0.9を達成し、人間脳活動との強い類似性を示した。
• プラットフォームは視覚刺激に対する神経反応を効果的にシミュレートし、知覚入力の機能的統合を示した。
• 二段階GPUルーティング方式により、14,012GPUに跨る効率的なスパイク伝達が実現され、リアルタイムで最大47.8兆のシナプス接続をシミュレート可能となった。
• モデルは高いスケーラビリティを達成し、生物学的に現実的なシナプスダイナミクスを有する最大860億ニューロンをシミュレートした。
• 個人に合わせたMRIデータと機能的制約の統合により、人間脳機能の主要な特徴を再現するデジタルブレインモデルが実現された。
• シミュレーションフレームワークは、大規模かつ生物学的に根拠のあるデジタル人間脳の実現可能性を示した。臨床的および認知的応用への可能性を有する。