Los científicos están a punto de simular un cerebro humano utilizando las supercomputadoras más potentes del mundo, con el objetivo de desentrañar los secretos del funcionamiento cerebral. Liderado por investigadores del Centro de Investigación de Jülich en Alemania, el proyecto aprovecha la supercomputadora JUPITER para modelar 20.000 millones de neuronas. Este avance podría permitir probar teorías sobre la memoria y los efectos de los fármacos que los modelos más pequeños no pueden lograr.
Los avances en la potencia de cómputo están permitiendo a los investigadores simular el cerebro humano a una escala sin precedentes. Las supercomputadoras actuales, que se acercan al rendimiento exaescala con un billón de billones de operaciones por segundo, pueden manejar simulaciones de miles de millones de neuronas, según la lista Top500, que identifica solo cuatro de tales máquinas en todo el mundo. Markus Diesmann, del Centro de Investigación de Jülich en Alemania, explicó el cambio: «Nunca habíamos podido reunirlos todos en un solo lugar, en un modelo de cerebro más grande donde pudiéramos verificar si estas ideas son consistentes en absoluto. Esto está cambiando ahora». Su equipo planea utilizar JUPITER, el Joint Undertaking Pioneer for Innovative and Transformative Exascale Research, con sede en Alemania. El mes pasado, demostraron que una red neuronal de picos —un modelo simple de neuronas y sinapsis— podía escalar para ejecutarse en los miles de unidades de procesamiento gráfico de JUPITER, alcanzando 20.000 millones de neuronas y 100 billones de conexiones. Esto coincide con el tamaño de la corteza cerebral humana, el centro de las funciones cerebrales superiores. Diesmann enfatizó el valor de la escala: «Ahora sabemos que las redes grandes pueden hacer cosas cualitativamente diferentes a las pequeñas. Está claro que las redes grandes son diferentes». Las simulaciones anteriores, como las del cerebro de una mosca de la fruta, carecen de características que emergen solo en sistemas más grandes, similar a cómo los grandes modelos de lenguaje superan a los pequeños. Thomas Nowotny, de la Universidad de Sussex en el Reino Unido, enfatizó la necesidad de esfuerzos a gran escala: «Reducir la escala no es solo simplificarlo un poco o hacerlo un poco más grueso, significa renunciar a ciertas propiedades por completo. Es realmente importante que eventualmente podamos hacer [simulaciones] a gran escala, porque de lo contrario nunca obtendremos la cosa real». El modelo se basa en datos reales de experimentos con cerebros humanos, incluyendo conteos de sinapsis y niveles de actividad, como señaló la colaboradora Johanna Senk, de la Universidad de Sussex. Diesmann añadió: «Ahora tenemos estos datos anatómicos como restricciones, pero también la potencia de cómputo». Tales simulaciones podrían probar teorías sobre la formación de la memoria introduciendo imágenes y observando reacciones, o evaluar fármacos para condiciones como la epilepsia, caracterizada por ráfagas de actividad cerebral anormal. La potencia mejorada permite ejecuciones más rápidas para estudiar procesos lentos como el aprendizaje e incorpora comportamientos detallados de las neuronas. Sin embargo, siguen existiendo desafíos. Nowotny advirtió que incluso las simulaciones del tamaño del cerebro carecen de entradas del mundo real y no pueden replicar completamente el comportamiento animal. «No podemos construir cerebros en realidad. Incluso si podemos hacer simulaciones del tamaño de un cerebro, no podemos hacer simulaciones del cerebro».
