一块GPU模拟猴子大脑，普通台式机变超算，英国大学研究登上Nature子刊：一块GPU模拟猴子大脑

原标题：一块GPU模拟猴子大脑，普通台式机变超算，英国大学研究登上Nature子刊
你买来打游戏、「炼丹」的TitanRTX ，还能用来模拟猴子大脑。
>>>>
用计算机模拟动物大脑通常需要一台强大、昂贵的超级计算机，但最近的一项尝试表明，安装了高性能GPU的台式机也能完成这项工作，而且模拟速度比超级计算机还快。
这项研究来自英国萨塞克斯大学（UniversityofSussex），研究者利用一台搭载了NVIDIATitanRTXGPU的台式PC模拟了猴子大脑视觉皮层的一个大型模型。这个模型包含4.13×10^6个神经元和24.2×10^9个突触。实验所用的GPU内存是24GB ，价值2452英镑（约合21780元）。借助研究者提出的新方法，他们用单个GPU进行的模拟比超级计算机速度还快，而且价格要便宜得多。

文章图片
长期以来，人们一直利用GPU来加速AI模型的计算，但在一个普通显卡上运行如此之大的模型还是第一次。
通常来说，这种级别的大脑模拟需要超级计算机来提供强大的内存，但萨塞克斯大学的研究者提出了一种更加高效的技术，可以大幅降低模拟过程中所需存储的数据量。他们的方法被称为「程序性连接（proceduralconnectivity）」，相关研究发表在Nature新子刊——《NatureComputationalScience》上。这份子刊于2021年1月启动，主要发表与计算技术和数学模型开发及使用相关的研究，以及它们在一系列科学学科（包括但不限于生物信息学、化学信息学、地理信息学、计算物理学和宇宙学、材料科学和城市科学）领域的应用。

文章图片
什么是「程序性连接」？
模拟大脑通常需要一个脉冲神经网络，这是一种特殊的AI系统，可以模拟大脑的行为，神经元通过一系列脉冲信号进行通信。
【一块GPU模拟猴子大脑，普通台式机变超算，英国大学研究登上Nature子刊】为了准确地预测脉冲如何影响神经元，描述「哪些神经元通过突触连接在一起、如何连接」的信息通常在运行模拟之前生成和存储。然而，由于神经元只是周期性地产生脉冲，将如此大量的数据持续保存在内存中是非常低效的。
为了解决这一问题，研究者提出了「程序性连接」的概念。「程序性连接」可以让研究者根据需要实时生成与神经元连接相关的数据，而不是在内存中存储数据并从中检索信息。这完全消除了在内存中存储连接数据的必要性。
「这些实验通常需要你提前生成所有连接数据，并用这些数据来填满内存，而我们的方法就是要避免这一过程。」论文作者JamesKnight表示。
他还补充说，「使用我们的方法，每次神经元发出脉冲时，连接的细节就会重新生成。」「我们利用GPU的能力，在每次脉冲发出时重新实时计算连接。」
也就是说，借助GPU的强大计算能力，当神经元脉冲被激发时，脉冲神经网络可以「程序性」地生成连接数据。
这一方法建立美国学者EugeneIzhikevich在2006年提出的研究基础上，但彼时的计算机速度太慢，还不足以让方法推广应用。现在， GPU的算力是15年前的2000倍，对于「脉冲神经网络」来说，研究时机已经成熟。
一台电脑+一块GPU ，或许就能复现大脑模拟论文
事实上，这项研究的结果不仅能够与当前最快的超级计算机相媲美，甚至还更快。在静息态下，新方法模拟生物体的一秒只需要8.4分钟，比之前的超级计算机模拟节省了多达35%的时间（一个例子就是2018年在IBMBlueGene/Q上运行的模拟）。
如同Knight介绍的那样，这是因为IBM的设备是由1000个连接在一个房间里的计算节点组成的。「无论系统多么复杂，节点之间仍然存在一些延迟。模型隔得越远，它就会越慢，而我们的模型速度可以快很多个量级。」

文章图片
JamesKnight和ThomasNowotny 。
除了提高实验速度之外，研究者还希望通过这种方法降低此类大型生物模拟研究的硬件门槛。在大脑模拟的研究领域，模型大小很可能以万亿字节计，但超级计算机只是少数研究团队的特权。
还有一点意义是：Knight及其团队的研究可以让神经科学和人工智能研究者在他们的本地工作站上模拟大脑回路，同时也可以让学术界以外的人把他们的游戏本变为一台可以运行大型神经网络的计算机。