新ソフトウェア「Jaxley」が脳シミュレーションを最適化し、複雑な認知タスクを可能に
テュービンゲン大学の卓越クラスター「機械学習：科学のための新たな視点」の研究チームが、「Jaxley」と名付けられた新しいソフトウェアを開発しました。このプログラムは、脳のプロセスを詳細に模倣すると同時に、困難な認知タスクを解決できる脳シミュレーションを可能にします。これは、脳の機能とパフォーマンスについてより深い洞察を可能にする新世代の脳シミュレーションの基盤となります。研究成果はNature Methods誌に掲載されました。
従来の脳モデルの限界を克服
これまで数十年にわたり、研究者たちは脳の理解を深めるためにコンピューターモデルを作成しようと試みてきました。しかし、従来のモデルには重大な弱点がありました。
過度に単純化されたニューロンモデルに基づいており、生物学的現実から大きくかけ離れている。
細胞内の生物物理学的プロセスを詳細に描写するものの、脳と同様のタスクを実行できない。
研究の筆頭著者であるMichael Deistler氏は、「経路は脳に似ていても結果が異なるか、結果は正しくてもそこに至るプロセスが脳のプロセスと似ていないかのどちらかだった」と説明しています。
誤差逆伝播による画期的な訓練
Jaxleyは、「誤差逆伝播（backpropagation of error）」と呼ばれる、人工ニューラルネットワークの訓練にも使用される手法を脳シミュレーションに応用することで、これらの課題を克服しました。この方法により、脳モデルは与えられた入力に対して望ましい出力を得るようにパラメータを調整し、タスクを確実に達成するまで適応し続けます。
測定不可能なパラメータの訓練と複雑なタスクの実行
脳がタスクを実行する際には、ニューロンに数百もの重要なパラメータ（ニューロンのサイズ、接続の強さ、イオンチャネルの数など）が関与しています。Deistler氏は、「これらのパラメータの多くは測定不可能であり、これまで正確なシミュレーション開発を不可能にしていた」と述べています。
Jaxleyは、これらの測定不可能なパラメータを脳モデル内で訓練できる点が特徴です。ソフトウェアはパラメータの値を繰り返し変更し、シミュレーションが望ましい結果に達するまで再調整します。訓練後、生成された脳モデルは画像分類や記憶の保存・アクセスといった複雑なタスクを実行できるようになりました。
神経科学と医学への広範な応用可能性
研究の最終著者であるJakob Macke教授は、「Jaxleyのおかげで、ニューロンメカニズムがタスク解決にどのように貢献するかを研究できるようになった」と述べています。このソフトウェアは、神経科学者が脳の複雑さを調査し、コンピューターシミュレーションで描写することを可能にします。長期的には、これらのシミュレーションは、神経疾患のより良い理解や、医薬品の効果を事前に仮想的に研究するなど、医学分野での応用も期待されています。
元記事：Software optimizes brain simulations, enabling them to complete complex cognitive tasks