TehnoȘtiri

UTILIZAREA PLĂCILOR GRAFICE PENTRU A SIMULA FUNCȚIONAREA CREIERULUI

(c) Vertigo3d/Getty Images

Simulările care rulează mai rapid cu ajutorul unor placi grafice comerciale decât unele supercalculatoare ar putea reduce drastic costul studierii modului în care funcționează creierul uman.

Cercetătorii au utilizat, pentru mult timp, modele digitale pentru a înțelege mai bine modul în care funcționează creierul, în speranța de a dezvolta remedii pentru boli incurabile, precum Alzheimer sau Parkinson. Totuși, simularea numărului de neuroni și sinapse, chiar și a celei mai simple creaturi, este extrem de solicitantă din punct de vedere al puterii de procesare, chiar și unele supercomputerele având dificultăți în acest sens.

Înainte de a rula o simulare a neuronilor creierului și a unui număr mare de conexiuni sinaptice, modelul trebuie transferat în memoria de lucru a computerului, împreună cu starea inițială a fiecărei sinapse. Pe măsură ce simularea progresează, computerul trebuie să se întoarcă mereu la acest set de date pentru a prelua sau actualiza starea fiecărei conexiuni sinaptice. Accesul la memorie are loc la viteze mult mai mici decât viteza de procesare a calculelor reale, implicate în simulare, iar asta produce apariția unui blocaj.

Plăcile grafice comerciale, cunoscute sub numele de GPU-uri, sunt concepute pentru a reda scene 3D, efectuând, rapid, multe calcule aritmetice în paralel, o abilitate care le face deosebit de rapide și în cazul altor sarcini, inclusiv simularea conexiunilor sinaptice.

James Knight și colegii acestuia din cadrul Universității din Sussex, Marea Britanie, au creat o simulare care utilizează un generator de numere aleatorii ca parte a procesului de creare a unei stări sinaptice. Deși acest element aleatoriu înseamnă că simularea nu se poate raporta la starea exactă de pornire a modelului de fiecare dată când trebuie să creeze o nouă conexiune, echipa a constatat că această abordare a produs rezultate comparabile cu simulările tradiționale.

De asemenea, aceste plăci grafice fac mai rapide procesele, deoarece computerul trebuie doar să gestioneze datele cu privire la starea sinapselor pe care le modelează în prezent, la fel cum un joc video redă doar zona la care se uită jucătorul.

Echipa a folosit ca model de referință un model existent de cortex vizual al unei maimuțe macac, format din mai mult de 4 milioane de neuroni. În anul 2018, a fost simulată o secundă de activitate cerebrală a modelului cu ajutorul unui supercomputer IBM Blue Gene/Q, cu o durată de 12 minute. Folosind o placă grafică disponibilă în comerț, echipa lui Knight a reușit să îndeplinească aceeași sarcină în doar 8 minute.

Supercomputerul IBM avea deja o vechime de câțiva ani atunci când a fost efectuat acel experiment. Un supercomputer JURECA, mai nou, a reușit să ruleze aceeași simulare în doar 31 de secunde, dar acestea pot costa zeci de milioane de euro și necesită întreținere permanentă din partea unui personal autorizat. În schimb, Knight a declarat că hardware-ul utilizat în teste, o placă video Nvidia Titan RTX, costă doar câteva mii de euro.

„Asta înseamnă că cercetătorii, al căror domeniu principal de activitate nu este legat de supercalculatoare, ar putea explora acest domeniu cu ajutorul modelului creat de noi”, a declarat Knight.

Totuși, există un defect. Atunci când învățăm, creierul nostru slăbește sau întărește în mod constant conexiunile dintre sinapse, o abilitate cunoscută sub numele de plasticitate sinaptică. Simularea GPU nu poate face acest lucru, deoarece acesta trebuie să recalculeze constant conexiunile de la zero, revenind mereu la starea inițială a modelului.

Knight este de părere că o abordare hibridă, care folosește atât noua sa tehnică, cât și un model tradițional, în care starea sinapselor este stocată în memorie și poate fi actualizată, ar permite crearea plasticității sinaptice, acolo unde este necesar. Cu toate acestea, echipa de cercetători nu a încercat încă această abordare.

„Având în vedere disponibilitatea plăcilor video la scară largă, există un beneficiu masiv al acestor trucuri care ne permit să extindem simulările neuronale. Totuși, obținerea unei plasticități sinaptice care funcționează eficient este o problemă pe care, din păcate, acest algoritm nu o rezolvă”, a declarat Simon Schultz din cadrul Colegiului Imperial din Londra.