德国艾伯哈特-卡尔斯-图宾根大学人工智能助力大脑模拟研究突破

德国图宾根大学艾伯哈特-卡尔斯大学的研究团队利用人工智能技术开发出新型认知计算模型

近期，德国图宾根大学“机器学习：科学新视角”卓越集群的研究团队成功研发出一款创新软件，能够实现对大脑活动的高精度模拟。该软件不仅能细致再现大脑内部的神经活动过程，还能执行复杂的认知任务。这项突破为新一代脑模拟技术奠定了基础，有望推动人类对大脑运作机制与功能的深入理解。相关研究成果已发表于国际权威学术期刊《自然·方法》（Nature Methods）。

数十年来，科学家们一直致力于构建大脑的计算机模型，以期更好地理解中枢神经系统及其复杂的信息处理机制。借助数学建模方法，研究者尝试模拟神经元及其连接网络的行为特征。然而，现有模型存在明显局限：一类模型过度简化神经元特性，导致与生物实际偏差较大；另一类虽能精细刻画细胞内部的生物物理过程，却难以模拟大脑执行高级认知功能的能力。“以往模型往往只能二者取其一——要么模拟路径类似大脑但输出结果不符，要么输出正确却无法反映真实的神经过程，”本研究第一作者、雅各布·马凯教授课题组成员迈克尔·戴斯特勒解释道。

为此，研究团队开发了名为“Jaxley”的新型建模平台。该平台创新性地将人工神经网络训练中的误差反向传播算法应用于脑科学建模。在传统人工智能训练中，该算法通过持续调整网络参数，使模型能够根据输入数据逐步逼近预期输出，从而学习数据中的关键特征与内在规律。图宾根团队将这一原理成功迁移到生物脑模型的构建中，首次实现了在保持神经活动生物真实性的同时，让模型具备解决复杂任务的能力。

高精度脑模型实现复杂认知功能
大脑在执行任务时，涉及数百个关键参数，包括神经元形态、突触连接强度、离子通道分布等生物物理特性。“许多参数难以通过实验直接测量，这曾经是构建高精度、高性能脑模拟的主要障碍，”戴斯特勒指出，“而Jaxley能够通过算法优化自动调整这些不可测参数，使模型在反复迭代中不断逼近生物大脑的实际表现。”经过训练的脑模型已能够完成图像分类、记忆存储与提取等典型认知任务。

“Jaxley让我们得以深入探究神经机制如何支持认知功能的实现，”图宾根大学科学机器学习教授、论文通讯作者雅各布·马凯强调，“该软件将为神经科学家提供探索大脑复杂性的全新工具，推动计算机脑模拟向更高水平发展。长远来看，这类模拟有望在医学领域发挥重要作用，例如增进对神经系统疾病机制的理解，或在虚拟环境中评估药物对神经回路的影响。”

图宾根大学校长卡特亚·波尔曼教授（Prof. Dr. Dr. h.c. Katja Leikert）对此评价道：“这项研究充分体现了机器学习作为基础技术对跨学科研究的推动作用。人工智能正在为包括基础科学在内的众多领域开辟前所未有的研究路径。”