美国加州理工学院研究新AI框架解析神经元模型变异
数百种不同类型的神经元构成了我们大脑中的神经回路。多年来，科学家们已经深入揭示了这些细胞类型的诸多细节，包括它们的电...
数百种不同类型的神经元构成了我们大脑中的神经回路。多年来，科学家们已经深入揭示了这些细胞类型的诸多细节，包括它们的电生理特性以及在发育过程中决定其最终命运的关键早期基因标志物。然而，如何将所有这些多样化的信息整合成一个清晰的模型，以准确解释神经元如何通过其活动支持大脑的整体功能，仍然是神经科学领域的一项重大挑战。
近日，由加州理工学院和西达斯-西奈医疗中心领导的科研团队开发出一套新的人工智能框架，能够快速、精准且高效地构建大脑神经元的虚拟计算模型。这一名为NOBLE（Neural Operator with Bio-informed Latent Embeddings，即“具有生物信息潜隐嵌入的神经算子”）的工具，有望加速大脑功能研究的进程，并最终为脑部疾病的治疗带来更有效的策略。
研究团队在圣地亚哥举行的第39届神经信息处理系统大会（NeurIPS 2023）上展示了NOBLE的成果。
“许多人可能不知道，加州理工学院正是NeurIPS这一会议的诞生地，其初衷是将神经科学与人工智能纳入同一框架下进行研究，”加州理工学院计算与数学科学讲席教授、天桥与小陈脑科学研究所的附属教授阿尼玛·安南德库马尔表示，她也是本论文的作者之一。“NOBLE正是这一理念的实践。它是首个将生物真实神经元的数学模型与实验验证相结合的大规模深度学习框架。”
NOBLE的核心技术基础是神经算子，这是安南德库马尔教授的专业研究方向。神经算子是一种特殊的神经网络，它能够处理连续的数学函数而非离散的数据点，使得研究人员能够在不同尺度与分辨率下分析系统特征，从而更快速地获取系统行为的宏观视角，为科学问题的解决提供了重要优势。
“对大脑神经元进行计算建模，已成为研究其活动规律与相互作用的有效工具，”西达斯-西奈医疗中心神经病学、神经外科及生物医学科学副教授科斯塔斯·阿纳斯塔西乌解释道，他也是论文的共同作者。“但传统建模方法受限于计算资源成本高、数据获取困难以及处理过程复杂等问题。我们的新框架成功应对了这些挑战——其运行速度相比现有方法提升了数千倍，同时在生物学准确性上达到了新高度，甚至能够捕捉真实大脑神经元之间存在的自然变异性。该框架可以生成无限数量的虚拟神经元，从而更好地反映真实生物神经元的多样性和复杂性。”
这项研究以《NOBLE：具有生物信息嵌入的神经算子用于捕捉生物神经元模型中的实验变异性》为题，发表于NeurIPS会议论文集中。除上述作者外，研究团队还包括加州理工学院博士后研究员瓦伦丁·杜里塞奥、苏黎世联邦理工学院的卢卡·加富尔普尔、阿尔伯塔大学及阿尔伯塔机器智能研究所的巴哈雷·托洛舒姆斯，以及西达斯-西奈医疗中心的菲利普·H·黄。
该研究获得了加州理工学院布伦讲座教授基金、美国海军研究办公室、Schmidt Sciences的AI2050高级研究员项目以及美国国立卫生研究院的支持。
近日，由加州理工学院和西达斯-西奈医疗中心领导的科研团队开发出一套新的人工智能框架，能够快速、精准且高效地构建大脑神经元的虚拟计算模型。这一名为NOBLE（Neural Operator with Bio-informed Latent Embeddings，即“具有生物信息潜隐嵌入的神经算子”）的工具，有望加速大脑功能研究的进程，并最终为脑部疾病的治疗带来更有效的策略。
研究团队在圣地亚哥举行的第39届神经信息处理系统大会（NeurIPS 2023）上展示了NOBLE的成果。
“许多人可能不知道，加州理工学院正是NeurIPS这一会议的诞生地，其初衷是将神经科学与人工智能纳入同一框架下进行研究，”加州理工学院计算与数学科学讲席教授、天桥与小陈脑科学研究所的附属教授阿尼玛·安南德库马尔表示，她也是本论文的作者之一。“NOBLE正是这一理念的实践。它是首个将生物真实神经元的数学模型与实验验证相结合的大规模深度学习框架。”
NOBLE的核心技术基础是神经算子，这是安南德库马尔教授的专业研究方向。神经算子是一种特殊的神经网络，它能够处理连续的数学函数而非离散的数据点，使得研究人员能够在不同尺度与分辨率下分析系统特征，从而更快速地获取系统行为的宏观视角，为科学问题的解决提供了重要优势。
“对大脑神经元进行计算建模，已成为研究其活动规律与相互作用的有效工具，”西达斯-西奈医疗中心神经病学、神经外科及生物医学科学副教授科斯塔斯·阿纳斯塔西乌解释道，他也是论文的共同作者。“但传统建模方法受限于计算资源成本高、数据获取困难以及处理过程复杂等问题。我们的新框架成功应对了这些挑战——其运行速度相比现有方法提升了数千倍，同时在生物学准确性上达到了新高度，甚至能够捕捉真实大脑神经元之间存在的自然变异性。该框架可以生成无限数量的虚拟神经元，从而更好地反映真实生物神经元的多样性和复杂性。”
这项研究以《NOBLE：具有生物信息嵌入的神经算子用于捕捉生物神经元模型中的实验变异性》为题，发表于NeurIPS会议论文集中。除上述作者外，研究团队还包括加州理工学院博士后研究员瓦伦丁·杜里塞奥、苏黎世联邦理工学院的卢卡·加富尔普尔、阿尔伯塔大学及阿尔伯塔机器智能研究所的巴哈雷·托洛舒姆斯，以及西达斯-西奈医疗中心的菲利普·H·黄。
该研究获得了加州理工学院布伦讲座教授基金、美国海军研究办公室、Schmidt Sciences的AI2050高级研究员项目以及美国国立卫生研究院的支持。
