[논문 리뷰] Digital twin brain: a bridge between biological intelligence and artificial intelligence

Hui Xiong, Congying Chu외 8명|arXiv (Cornell University)|2023. 08. 03.

Molecular Communication and NanonetworksEngineering인용 수 3

한 줄 요약

이 논문은 뇌 아틀라스, 다중 척도 신경 모델, 다중 모odal 시뮬레이션을 통합하는 통합 플랫폼인 디지털 트윈 뇌(DTB)를 제안한다. 생물학적 지능과 인공지능을 연결하는 데 기여한다. 뇌 네트워크 구조와 고도의 계산 모델링을 활용하여 DTB는 뇌 기능과 질병에 대한 예측적이고 개인 맞춤형 시뮬레이션을 가능하게 하며, 인공통합지능(AGI)과 정밀 정신건강의료의 발전에 기여한다.

ABSTRACT

In recent years, advances in neuroscience and artificial intelligence have paved the way for unprecedented opportunities for understanding the complexity of the brain and its emulation by computational systems. Cutting-edge advancements in neuroscience research have revealed the intricate relationship between brain structure and function, while the success of artificial neural networks highlights the importance of network architecture. Now is the time to bring them together to better unravel how intelligence emerges from the brain's multiscale repositories. In this review, we propose the Digital Twin Brain (DTB) as a transformative platform that bridges the gap between biological and artificial intelligence. It consists of three core elements: the brain structure that is fundamental to the twinning process, bottom-layer models to generate brain functions, and its wide spectrum of applications. Crucially, brain atlases provide a vital constraint, preserving the brain's network organization within the DTB. Furthermore, we highlight open questions that invite joint efforts from interdisciplinary fields and emphasize the far-reaching implications of the DTB. The DTB can offer unprecedented insights into the emergence of intelligence and neurological disorders, which holds tremendous promise for advancing our understanding of both biological and artificial intelligence, and ultimately propelling the development of artificial general intelligence and facilitating precision mental healthcare.

연구 동기 및 목표

• 생물학적 지능과 인공지능 간의 격차를 해소하기 위해 통합된 계산 프레임워크를 구축함으로써 문제를 해결하고자 한다.
• 다양한 척도와 모odal에서 뇌의 구조, 기능, 역학을 통합하는 디지털 트윈 플랫폼을 개발하고자 한다.
• 뇌 아틀라스를 구조적 제약 조건으로 사용하여 뇌 기능과 신경계 질환의 예측 모델링을 가능하게 하고자 한다.
• 환자별 특화 데이터를 통해 개인 맞춤형 DTB를 구축함으로써 개인화된 가상 치료를 지원하고자 한다.
• 공개적이고 확장 가능한 공통 시뮬레이션 플랫폼을 통해 인공통합지능(AGI)과 정밀 정신건강의료를 향한 다학제적 협력을 촉진하고자 한다.

제안 방법

• 뇌 아틀라스에서 유래한 뇌 구조, 기능 생성을 위한 하위층 신경 모델, 그리고 광범위한 애플리케이션을 포함하는 세 핵심 구성요소를 활용해 DTB를 구축한다.
• 뇌 아틀라스를 기반으로 한 제약 조건을 활용하여 디지털 시뮬레이션에서 뇌의 네트워크 구조와 조직을 유지한다.
• 다중 척도 및 다중 모달 데이터(예: 뇌 영상, 전기생리학, 게놈학)를 통합된 모델링 프레임워크에 통합한다.
• GPU 가속 및 수치 최적화된 시뮬레이션 플랫폼을 활용하여 효율적이고 대규모 뇌 역학 시뮬레이션을 가능하게 한다.
• 건강한 대조군 데이터를 기반으로 사전 훈련하고, 환자별 특화 데이터를 활용해 세부 조정을 적용하여 개인 맞춤형 DTB 모델을 구축한다.
• 연구자들이 모델링, 시뮬레이션, 시각화, 분석 기능을 통합한 사용자 친화적이고 오픈소스 플랫폼을 제공한다.

실험 결과

연구 질문

• RQ1 뇌 아틀라스는 인간 뇌의 디지털 트윈 모델을 제약하고 구조화하는 데 어떻게 활용될 수 있는가?
• RQ2 생물학적으로 타당성을 유지하면서 효율적이고 다중 척도, 다중 모달의 뇌 역학 시뮬레이션을 가능하게 하는 계산 프레임워크는 무엇인가?
• RQ3 신경계 및 정신질환의 개인 맞춤형 가상 치료를 지원하기 위해 개인화된 디지털 트윈은 어떻게 구축될 수 있는가?
• RQ4 네트워크 아키텍처는 생물학적 지능과 인공지능 간 격차를 메우는 데 어떤 역할을 하는가?
• RQ5 디지털 트윈 뇌 모델은 현상적 모델에서 뇌 질병의 예측 모델로 어떻게 진화할 수 있는가?

주요 결과

• 디지털 트윈 뇌(DTB)는 다양한 척도와 모달에서 뇌의 구조, 기능, 역학을 통합하는 전환적 플랫폼을 제공한다.
• 뇌 아틀라스는 뇌의 네트워크 구조를 유지함으로써 생물학적으로 타당한 모델링을 가능하게 하는 핵심적인 구조적 제약 조건으로 기능한다.
• 현재 존재하는 신경정보학 플랫폼은 아틀라스 제약, 다중 척도, 다중 모달 시뮬레이션을 완전히 지원하지 못하여 새로운 통합 플랫폼의 필요성을 드러낸다.
• DTB는 뇌 질병의 현상적 모델에서 예측 모델로의 전환을 가능하게 하여 개인 맞춤형 치료 전략 개발을 지원한다.
• 건강한 대조군 데이터를 기반으로 사전 훈련한 후 환자별 특화 데이터를 활용해 세부 조정을 적용함으로써 개인화된 DTB를 구축할 수 있으며, 이는 가상 치료 시뮬레이션을 가능하게 한다.
• DTB는 지능과 신경계 기능 장애의 발생을 시뮬레이션할 수 있기 때문에 인공통합지능(AGI)과 정밀 정신건강의료의 발전에 큰 잠재력을 지닌다.