ابرکامپیوترها به نقشه‌برداری عمیق‌تر مغز انسان کمک می‌کنند

تلاش‌های بسیاری برای نقشه‌برداری مغز انسان انجام شده است؛ حال محققان با کمک ابرکامپیوترها در تلاش‌اند تا عمیق‌ترین تصویر موجود از تمام اتصالات مغزی را به دست آورند.

بشریت برای ترسیم نقشه‌ی اتصالات عصبی مغز انسان، تلاش‌های بسیاری انجام داده است؛ اما پیاده‌سازی این نقشه با وجود سادگی از دیدگاه تئوری، در عمل کار بسیار دشواری است. مغز ما در حدود ۱۰۰ میلیارد نورون دارد که در تماس با یکدیگر، ۱۰۰ تریلیون اتصال برقرار می‌کنند و برای نقشه‌برداری این حجم بسیار زیاد اطلاعات، پیش از اطلاع از نحوه‌ی اتصال هر نورون با نورون‌های دیگر، به مشخص کردن موقعیت دقیق تمام نورون‌های مغز نیازمندیم.

محققان دپارتمان انرژی آمریکا (DOE) در آزمایشگاه ملی آرگونا در حال کار روی پروژه‌ی نقشه‌برداری جدید مغز هستند. هدف این پروژه ترسیم نقشه‌ی کامل مغز انسان است؛ اما برای این کار، در قدم اول به نقشه‌برداری از مغز یک موش بالغ با ۷۵ میلیون نورون مغزی با استفاده از ترکیب دو روش داده‌کاوی و یادگیری ماشین، پرداختند.

برای این کار محققان از جدید‌ترین ابرکامپیوتر اینتل کرِی ۹.۶۵ پتافلپی آزمایشگاه آرگونا با نام Theta، استفاده می‌کنند؛ تِتا به نرم‌افزار پیشرفته و انعطاف‌پذیری مجهز شده که برای کار با داده‌های بزرگ طراحی شده است. گورسِی، دستیار دانشمند محاسباتی در مرکز پیشرفته فوتون آرگونا (APS)، می‌گوید:

هدف اصلی ما، نقشه‌برداری از تمام نورون‌های مغز است؛ اما مجموع داده‌های به‌دست آمده از اشعه‌ی ایکس و میکروسکوپ‌های الکترونی، حجم بسیار زیادی در مقیاس ترا و پتابایت دارند. بنابراین، ما تمایل داشتیم از تِتا برای ساخت نرم‌افزار و زیرساخت پایه‌ی کدنویسی برای تحلیل این داده‌ها استفاده کنیم.

برای دستیابی به عمیق‌ترین سطح نقشه‌برداری از تمام اتصالات نورونی و عملکرد آن‌ها در مغز کوچک موش، محققان باید ابتدا داده‌های لازم برای تجزیه و تحلیل را به‌ دست آورند؛ برای دستیابی به این داده‌ها، محققان از میکروسکوپ‌های الکترونی آرگونا و تصویربرداری سه‌بعدی با کیفیت بالا که آن را میکروتوموگرافی اشعه ایکس می‌نامند، استفاده می‌کنند. پس از آنکه تصاویر با کیفیت بالا گرفته شد، می‌توان آن‌ها را به ابرکامپیوتر تِتا منتقل کرد؛ و در آخر با کمک قدرت پردازشی بسیار زیاد ابرکامپیوتر تِتا، می‌توان به عمیق‌ترین تصویر موجود از مغز یک موش دست یافت.

وِنکات ویش‌واناس، سرپرست گروه داده‌های علمی ALCF، می‌گوید:

یادگیری ماشین با مدل‌های پیش‌بینی‌شده‌ی خود به کمک تجزیه و تحلیل داده‌های به‌دست‌آمده، می‌آید؛ در این پروژه از یادگیری ماشین می‌توان برای دسته‌بندی و بازسازی مغز یا طبقه‌بندی و شناسایی ویژگی‌های مورد نظر محققان استفاده کرد.

تصویری بزرگ

بعد از تکمیل شدن آنالیز داده‌های مغز موش، محققان در گام بعدی به بررسی مغزی بزرگ‌تر از مغز یک موش خواهند پرداخت؛ با این حال، روش مورد استفاده‌ی آن‌ها برای نقشه‌برداری از مغز، آمادگی لازم برای تصویربرداری از مغزی به پیچیدگی مغز انسان را تا مدتی نخواهد داشت.

نقشه‌برداری از تمام اتصالات مغزی به ما برای شناسایی تغییرات کوچک که می‌تواند نشانه‌ی رشد اختلالات عصبی نظیر آلزایمر یا اوتیسم باشد، کمک می‌کند؛ همچنین داشتن چنین اطلاعاتی از اتصالات مغز به ما برای توسعه‌ی درمان‌های بهتر برای چنین اختلالات عصبی کمک خواهد کرد.

علاوه بر این، نقشه‌برداری مغزی در چنین سطحی به ما برای اقدامات آینده‌نگرانه، نظیر مهندسی نورون‌ها در زیست‌شناسی مصنوعی یا تولید رابط‌های پیشرفته‌ی مغز و کامپیوتر کمک کند؛ همچنین با استفاده از این تصاویر می‌توان شبکه‌ عصبی مصنوعی بهتری توسعه داد.