大脑仿真

大脑仿真具有极为重要的意义。过去对大脑的研究主要依靠实验手段，并且主要是研究动物大脑。而我们实际上更关心的是人脑。大脑的特殊地位和从微观到宏观的复杂神经网络系统使得研究大脑的实验手段非常有限或片面，科学家们在很长一段时间里的研究犹如瞎子摸象。对于人脑的研究更是局限于受损大脑。对于复杂系统，另一种行之有效的方法是计算仿真。大脑仿真就是通过计算机对大脑的微观单元（神经元、突触、离子通道等）进行建模，从而构建复杂的神经网络系统，模拟神经信号从产生到传递到运动行为的功能和过程。大脑仿真平台犹如一个大脑虚拟实验室，科学家们可以对微观单元和神经网络链接进行操控，来观察各层次的变化。这无疑为大脑的研究提供了另一种实验手段。

那么，大脑仿真能做得到吗？从人类智能行为的过程机理上看，我们的感知、认知、思考、情感、运动等主要都是由大量神经元的动作电位（Spike）来传递、处理和输出的。因此，如果能在任意刺激环境下非常真实地仿真出这些神经元的Spike，原则上就可以仿真出大脑的这些智能行为功能。大脑仿真的可能性来自于两个方面的科研成果：一是由英国科学家Hodgkin和Huxley于1952年建立的著名非线性动力学微分方程,即Hodgkin-Huxley(HH)方程，1963年Hodgkin和Huxley因此获得诺贝尔奖。HH方程很好地表述了单个神经元放电的电化学机制，能准确预测出电脉冲（Spike）的发生时刻与脉冲形状。二是有关在突触（Synapse）部位发生的电化学过程的数学模型，尤其是具有可塑性（Plasticity）的突触数学模型。虽然有了可能性，但在可行性上却面临巨大的挑战：人脑中大约含有1011个神经元和1015个突触，仿真计算量巨大。

理论上讲，HH方程是神经元最精确的模型。但是，HH方程是一套非线性动力学方程，没有数学上的解析解，只能采用数值计算方法，一步一步地以逼近的方式进行推演计算。为了确保逼近的精确度，每一步步长都非常短（例如0.01毫秒）。所以对于现在的计算机而言，一个十万或百万个神经元的神经网络的计算是个十分沉重的负担。因此，如何能快速计算HH方程或者修改HH方程达到快速计算的目的成为了一个重要的研究方向。LIF模型是一类对HH模型的简化模型。由于LIF模型起码保持了Spike的特征，受到许多研究团队的认可。目前，美国和欧盟的脑计划中的硬件类脑计算模型就是基于LIF模型，期望达到大规模、低能耗的类脑功能。可以证明的是，对LIF模型的进一步简化可以形成传统的人工神经元模型。因此，不管如何，基于Spike的神经网络（也称SNN）应该会比深度学习基于的传统人工神经网络（ANN）展示出更优良的性能。

我院院长曹立宏教授发明的神经元NiMi模型相比LIF模型更接近HH模型，而且可以采用比传统方法快100倍（1毫秒）的时间步长来计算。NiMiBrain®是基于NiMi模型的大脑仿真平台，支持GPU并行加速，可以实现大规模神经网络系统的近实时仿真。目前，团队成员已经采用NiMiBrain®实现了对视觉系统中从视网膜到LGN和V1的模拟，达到了仿真效果。NiMiBrain®也是北京市“大脑初级视觉系统解析仿真平台研究和应用验证” 项目中的核心平台，我们将充分发挥NiMiBrain®大脑仿真平台的优势，实现大脑多个重要系统的功能。

在北京市科委的继续支持下，通过《千万级脑仿真云平台研发及示范应用》课题的实施，我院研发大脑仿真云平台，课题评审专家一致认为：课题研究成果为脑认知科学和脑医学的研究提供了重要的科研平台。

NiMi模型由于其产生的信号和真实大脑的信号有很好的可比性，而且计算速度很快，因此应用领域也较为广泛。例如通过芯片技术，有望在芯片上实现部分具有学习能力的大脑功能，替代损坏的大脑组织。这样的神经芯片可以用于人工眼球、人工耳蜗等神经器官，甚至有望解决脊椎瘫痪的恢复治疗这一世界性难题。

我们将积极开展与国内外大学、研究机构和企业的紧密合作，共同推进大脑科学与智能媒体技术领域的基础性研究工作，促进科研成果面向实践应用的产业化发展。