Exploración de imágenes por resonancia magnética (MRI) 3D mejorada digitalmente de un cerebro humano
KH FUNG/BIBLIOTECA DE FOTOS DE CIENCIA
¿Qué significaría simular un cerebro humano? Los sistemas informáticos más potentes de la actualidad contienen suficiente potencia computacional para ejecutar simulaciones de miles de millones de neuronas, comparable a la sofisticación de los cerebros reales. También comprendemos cada vez más cómo estas neuronas están conectadas entre sí, lo que lleva a simulaciones cerebrales que los investigadores esperan que revelen secretos de la función cerebral que antes estaban ocultos.
Los investigadores han intentado durante mucho tiempo aislar partes específicas del cerebro, modelando regiones más pequeñas con una computadora para explicar funciones cerebrales particulares. Pero “nunca hemos podido reunirlos todos en un solo lugar, en un modelo cerebral más grande donde podamos comprobar si estas ideas son consistentes”, dice Markus Diesmann del Centro de Investigación Jülich en Alemania. “Esto ahora está cambiando”.
Esto se debe en gran parte a la potencia de las supercomputadoras más avanzadas de la actualidad, que ahora se están acercando a la exaescala, lo que significa que pueden realizar mil billones de operaciones por segundo. Según la lista Top500, sólo existen cuatro máquinas de este tipo. Diesmann y su equipo están estudiando la posibilidad de ejecutar simulaciones cerebrales a gran escala en uno de estos sistemas llamado JUPITER, abreviatura de Joint Undertake Pioneer for Innovative and Transformative Exascale Research, con sede en Alemania.
El mes pasado, Diesmann y sus colegas demostraron que un modelo simple de las neuronas del cerebro y sus sinapsis, llamado red neuronal de picos, podría configurarse y ampliarse para ejecutarse en las miles de unidades de procesamiento gráfico (GPU) de JUPITER, lo que le daría un tamaño de 20 mil millones de neuronas y 100 billones de conexiones, equivalente a la corteza cerebral humana, donde tienen lugar casi todas las funciones cerebrales superiores.
Realizar una simulación de este tipo promete producir resultados más valiosos que las simulaciones de cerebros más pequeños, como el de una mosca de la fruta, que se han hecho antes, dice Diesmann. Los modelos de lenguajes grandes, como el que está detrás de ChatGPT, han demostrado en los últimos años que los sistemas más grandes contendrán características que simplemente no están presentes en los más pequeños. “Ahora sabemos que las redes grandes pueden hacer cosas cualitativamente diferentes a las pequeñas”, afirma Diesmann. “Está claro que las grandes redes son diferentes”.
“Reducir la escala no es sólo simplificarlo un poco, o hacerlo un poco más tosco, sino que en realidad significa renunciar por completo a ciertas propiedades”, dice Thomas Nowotny de la Universidad de Sussex, Reino Unido. “Es realmente importante que eventualmente podamos hacer proyectos a gran escala. [simulations]porque de lo contrario nunca conseguiremos lo real”.
El modelo que se está probando en JUPITER se basará en datos reales de experimentos más pequeños con neuronas y sinapsis del cerebro humano, como cuántas sinapsis debería tener una neurona o sus niveles de actividad, dice Johanna Senk de la Universidad de Sussex, que colabora con Diesmann. “Ahora tenemos como limitaciones estos datos anatómicos, pero también la potencia del ordenador”, afirma Diesmann.
Las simulaciones cerebrales a gran escala podrían permitir a los investigadores probar teorías básicas de la funcionalidad del cerebro que son imposibles en modelos más pequeños o con cerebros reales, dice Nowotny, como por ejemplo cómo se forman los recuerdos. Esto podría comprobarse proporcionando imágenes a una red cerebral, observando cómo reacciona y registrando cómo la formación de esta memoria cambia con el tamaño del cerebro. También podría crear una forma de probar medicamentos, dice Nowotny, observando cómo los modelos de epilepsia, que se caracteriza por convulsiones y estallidos de actividad cerebral anormal, se ven afectados por ciertos medicamentos.
La potencia computacional adicional también significa que las simulaciones cerebrales se pueden ejecutar más rápido, lo que dará a los investigadores una idea de lo que son procesos relativamente lentos, como el aprendizaje, dice Senk. Los investigadores también podrán desarrollar detalles biológicos mucho mayores, como modelos más complejos de cómo cambian y se activan las neuronas.
Pero incluso con el poder de ejecutar simulaciones del tamaño de un cerebro, todavía hay grandes cantidades que no conocemos, dice Nowotny. E incluso las simulaciones de cerebros completos más pequeños, como el de la mosca de la fruta, no pueden reproducir el comportamiento completo de los animales reales.
Las simulaciones que se ejecutan en estas supercomputadoras también son todavía muy limitadas y carecen de una funcionalidad básica que es esencial para los cerebros reales, como recibir información de entornos del mundo real. “En realidad, no podemos construir cerebros”, dice Nowotny. “Incluso si podemos hacer simulaciones del tamaño de un cerebro, no podemos hacer simulaciones del cerebro”.
Temas: