Создан первый рабочий цифровой мозг: симуляция на Fugaku открывает эру виртуальной нейробиологии

Одной из главных проблем современной науки остается создание точной цифровой копии живого мозга. Несмотря на успехи в области искусственного интеллекта, современные нейросети имеют мало общего с биологическими прототипами.

Фото: Designed by Freepik by vecstock, https://creativecommons.org/public-domain/pdm/

Светящаяся печатная плата, сложная конструкция мозга киборга

Как ученым удалось смоделировать мозг мыши целиком

Искусственный нейрон — это, скорее, математическая абстракция, упрощенная формула, суммирующая входящие сигналы. Биологический нейрон — это сложная электрохимическая система, поведение которой зависит от ее физической формы, распределения рецепторов и движения заряженных частиц.

До последнего времени ученые стояли перед выбором: либо моделировать огромные сети из примитивных точечных нейронов, либо создавать детальные биофизические модели всего из нескольких сотен клеток. Объединить масштаб и детализацию не позволяла производительность компьютеров.

В ноябре 2025 года группа исследователей из Института RIKEN (Япония), Университета электрокоммуникаций (Токио) и Института Аллена (США) опубликовала результаты работы, меняющей правила игры. Используя практически полные мощности японского суперкомпьютера Fugaku, они запустили симуляцию всей коры головного мозга мыши. Не упрощенную схему, а биофизически достоверную модель, состоящую из 9 миллионов нейронов и 26 миллиардов синапсов.

Биология в коде: отказ от абстракций

Главная ценность этого эксперимента заключается в уровне проработки. В модели каждый нейрон обладает уникальной трехмерной структурой, соответствующей реальным анатомическим данным.

Живая нервная клетка состоит из тела (сомы), ветвящихся отростков для приема сигналов (дендритов) и передающего отростка (аксона). Все эти структуры функциональны. Дендриты разбиты на множество мелких сегментов — компартментов.

Для каждого такого сегмента компьютер в реальном времени рассчитывает физические параметры:

• электрический потенциал на мембране;
• концентрацию ионов кальция внутри клетки;
• работу ионных каналов — белковых шлюзов, пропускающих натрий, калий и другие ионы.

Такой подход называется мультикомпартментным моделированием. Он требует огромных вычислительных затрат, так как для одной клетки приходится решать системы сложных дифференциальных уравнений.

Учитывая, что в модели задействовано 9 миллионов таких клеток, объем вычислений становится запредельным для обычных кластеров.

Технический фундамент: архитектура Neulite

Для реализации задачи существующее программное обеспечение оказалось непригодным. Стандартные симуляторы (такие как NEURON или Arbor) при масштабировании на сотни тысяч вычислительных узлов теряли эффективность из-за накладных расходов на передачу данных.

Команда инженеров разработала с нуля специализированный программный движок — Neulite. Он создан специально под архитектуру процессоров A64FX, на которых построен суперкомпьютер Fugaku.

Оптимизация вычислений: процессоры Fugaku используют архитектуру ARM с поддержкой векторных инструкций (SVE). Это позволяет выполнять одну и ту же математическую операцию над большим массивом данных одновременно.

Разработчики Neulite переписали математические алгоритмы (в частности, метод Хайнса для решения матричных уравнений) так, чтобы расчет ветвистых структур нейронов происходил параллельно на векторных модулях процессора.

Проблема коммуникации: самым сложным аспектом при моделировании больших нейронных сетей является обмен сигналами. Когда миллионы нейронов генерируют импульсы (спайки), эти данные необходимо мгновенно передавать между тысячами процессорных узлов.

Если просто отправлять списки идентификаторов сработавших нейронов, сеть суперкомпьютера захлебнется в трафике. Инженеры применили метод сжатия данных: активность нейронов кодировалась в виде битовых массивов. Это позволило существенно сократить объем передаваемой информации и сохранить высокую скорость работы системы.

В итоге симуляция была запущена на 145 728 вычислительных узлах Fugaku (это более 90% всей системы). Производительность достигла 7,13 петафлопс, что делает этот проект одной из самых масштабных биофизических симуляций в истории.

Анатомическая точность

Модель опирается на огромный массив биологических данных, собранных Институтом Аллена. Виртуальная кора мыши воспроизводит реальную слоистую структуру ткани.

• Нейроны распределены по 6 вертикальным слоям.
• Вся кора разделена на 86 функциональных областей (зрительная, моторная, сенсорная зоны и т. д.).
• Использовано 48 различных типов нейронов с уникальными электрофизиологическими свойствами.

Связи между нейронами (коннектом) также не были случайными — они выстраивались на основе вероятностных карт, полученных при изучении реального мозга мыши. Это гарантировало, что сигналы в модели будут распространяться по тем же путям, что и в живом организме.

Результаты

Главный вопрос любого подобного эксперимента: "Оживет" ли система? Будет ли совокупность уравнений вести себя как единое целое?

При запуске симуляции на нейроны подавался лишь слабый фоновый ток, имитирующий естественный шум в живой ткани. В ответ на это система продемонстрировала спонтанную самоорганизацию активности.

Генерация ритмов: в виртуальной коре возникли устойчивые колебания электрической активности с частотой около 10 Герц. В нейрофизиологии это соответствует альфа-ритму, который наблюдается у млекопитающих в состоянии спокойного бодрствования. Важно подчеркнуть — этот ритм не был заложен в программу искусственно. Он возник как системное свойство в результате взаимодействия миллионов независимых элементов.

Синхронизация полушарий: анализ данных показал высокую корреляцию активности между симметричными зонами левого и правого полушарий. Это подтверждает, что модель корректно воспроизводит работу мозолистого тела и других комиссуральных волокон, связывающих две половины мозга.

Эти результаты доказывают, что при достаточной детализации биофизических параметров цифровая модель способна воспроизводить сложные функциональные состояния живого мозга.

Зачем это нужно: от теории к практике

Создание столь сложной модели важно для науки и медицины.

Виртуальная лаборатория

Традиционная фармакология и нейробиология вынуждены работать с живыми лабораторными животными, что дорого, долго и этически сложно. Кроме того, в живом мозге невозможно отслеживать состояние каждой отдельной клетки одновременно. Цифровая копия позволяет проводить эксперименты in silico. Ученые могут изменить параметры работы конкретного ионного канала (имитируя действие лекарства или генетическую мутацию) и мгновенно увидеть, как это повлияет на глобальную активность коры. Это открывает путь к исследованию механизмов эпилепсии, шизофрении и нейродегенеративных заболеваний в контролируемой среде.

Энергоэффективность искусственного интеллекта

Существует гигантский разрыв в энергопотреблении между биологическим мозгом и компьютерами. Мозг человека потребляет около 20 Ватт энергии. Суперкомпьютер Fugaku требует десятки мегаватт для симуляции мозга мыши, который в тысячи раз меньше человеческого. Детальная биофизическая модель позволяет инженерам понять, за счет чего биология достигает такой эффективности. Изучение принципов обработки информации в дендритах и синапсах может лечь в основу архитектуры нейроморфных чипов следующего поколения, которые будут работать на принципиально иной логике, чем современные процессоры.

Горизонт событий: 2044 год

Авторы работы трезво оценивают масштаб сделанного и предстоящего. Кора мыши — это 9 миллионов нейронов. Кора приматов (например, макаки) содержит уже 480 миллионов, а кора человека — около 21 миллиарда нейронов (при этом полный мозг человека содержит около 86 миллиардов клеток).

Исследователи провели экстраполяцию данных. Учитывая текущую скорость развития вычислительных мощностей и совершенствование алгоритмов (как представленный Neulite), симуляция полной коры головного мозга человека на клеточном уровне станет технически возможной ориентировочно к 2044 году.

Текущий эксперимент на Fugaku — это доказательство концепции. Он подтверждает, что методология сбора мозга снизу вверх, от молекулярных каналов до целых полушарий, работает корректно и масштабируется линейно. Технологический барьер преодолен, и теперь вопрос упирается лишь в наращивание вычислительных ресурсов.