Researchers observing a detailed mouse cortex simulation on Japan's Fugaku supercomputer, with a colorful 3D brain model on screen.
Researchers observing a detailed mouse cortex simulation on Japan's Fugaku supercomputer, with a colorful 3D brain model on screen.
Bild genererad av AI

Forskare kör detaljerad muskortexsimulering på Japans Fugaku-superdator

Bild genererad av AI
Faktagranskad

Forskare från Allen Institute och Japans University of Electro-Communications har byggt en av de mest detaljerade virtuella modellerna av musens kortex hittills, som simulerar ungefär 9 miljoner neuroner och 26 miljarder synapser över 86 regioner på Fugaku-superdatorn.

Vad de byggde

Forskare skapade en biofysiskt detaljerad helkortexsimulering av musens hjärna som reproducerar både struktur och aktivitet. Modellen omfattar cirka 9 miljoner neuroner, 26 miljarder synapser och 86 sammankopplade regioner, och erbjuder en digital testbädd för att undersöka fenomen som Alzheimers sjukdom, epilepsi, uppmärksamhet och andra aspekter av hjärnfunktion. (alleninstitute.org)

Hur det fungerar

Teamet integrerade stora biologiska dataset från Allen Cell Types Database och Allen Mouse Brain Connectivity Atlas, och använde sedan Allen Institutes Brain Modeling ToolKit (BMTK) tillsammans med en lättviktsneuron-simulator kallad Neulite för att översätta ekvationer till spikande, kommunicerande virtuella neuroner. (celltypes.brain-map.org)

Superdatorn bakom

Fugaku—utvecklad av RIKEN och Fujitsu—kan utföra mer än 400 kvadriljoner operationer per sekund och består av 158 976 beräkningsnoder. Den kraften möjliggjorde den storskaliga, biofysiskt detaljerade simuleringen att köras i helkortex-skala. (fujitsu.com)

Vad forskarna säger

“Detta visar att dörren är öppen. Vi kan köra den här typen av hjärnsimuleringar effektivt med tillräcklig datorkraft,” sa Anton Arkhipov, Ph.D., en forskare vid Allen Institute. Tadashi Yamazaki, Ph.D., vid University of Electro-Communications tillade: “Fugaku används för forskning inom ett brett spektrum av beräkningsvetenskapliga fält, som astronomi, meteorologi och läkemedelsupptäckt… Vid det här tillfället använde vi Fugaku för en neural kretsimulerning.” (sciencedaily.com)

Var arbetet presenteras

Enligt institutionerna är den fullständiga artikeln planerad att släppas vid SC25, den internationella konferensen för högpresterande databehandling, nätverk, lagring och analys, som hålls 16–21 november 2025 i St. Louis, Missouri. (uec.ac.jp)

Vem som är involverad

Samarbetet leds av Allen Institute och University of Electro-Communications, med bidrag från RIST, Yamaguchi University och RIKEN:s Center for Computational Science. Bidragsgivare som nämns i projektmaterial inkluderar Laura Green, Ph.D.; Beatriz Herrera, Ph.D.; Kael Dai, B.Sc.; Rin Kuriyama, M.Sc.; och Kaaya Akira-Tamura, Ph.D. (uec.ac.jp)

Varför det spelar roll

Genom att förena rika, offentligt tillgängliga hjärndata med högpresterande databehandling ger projektet ett skalbart sätt att undersöka hur skador sprids genom kretsar och utforska hypoteser om kognition och sjukdom in silico—potentiellt informera framtida terapeutiska strategier. Forskare säger att denna milstolpe avancerar deras långsiktiga mål att bygga helhjärnmodeller, så småningom till och med humana modeller, grundade i biologiska detaljer. (sciencedaily.com)

Vad folk säger

Diskussioner på X om den detaljerade muskortexsimuleringen på Japans Fugaku-superdator är överväldigande positiva, med användare och institutioner som uttrycker entusiasm över genombrottet inom neurovetenskap och dess potential att främja forskning om hjärnsjukdomar som Alzheimers och epilepsi. Officiella inlägg från Allen Institute och RIKEN betonar den tekniska prestationen och det samarbetsinriktade arbetet, medan vetenskapsnyhetskonton och entusiaster delar sammanfattningar som betonar modellens realism och implikationer för virtuella experiment. Inga negativa eller skeptiska känslor var framträdande i resultaten.

Relaterade artiklar

Scientific illustration showing AI tool SIGNET mapping disrupted gene networks in Alzheimer's brain neurons.
Bild genererad av AI

AI tool maps causal gene-control networks in Alzheimer’s brain cells

Rapporterad av AI Bild genererad av AI Faktagranskad

Researchers at the University of California, Irvine report that a machine-learning system called SIGNET can infer cause-and-effect links between genes in human brain tissue, revealing extensive rewiring of gene regulation—especially in excitatory neurons—in Alzheimer’s disease.

Northwestern University researchers report they have printed flexible “artificial neurons” that generate realistic electrical spike patterns and can trigger responses in living mouse brain tissue. The team says the work, published April 15 in Nature Nanotechnology, could help advance brain-machine interfaces and more energy-efficient, brain-inspired computing.

Rapporterad av AI

Australia-based start-up Cortical Labs has announced plans to construct two data centres using neuron-filled chips. The facilities in Melbourne and Singapore will house its CL1 biological computers, which have demonstrated the ability to play video games like Doom. The initiative aims to scale up cloud-based brain-computing services while reducing energy consumption.

Researchers at UCLA Health and UC San Francisco have identified a natural defense mechanism in brain cells that helps remove toxic tau protein, potentially explaining why some neurons resist Alzheimer's damage better than others. The study, published in Cell, used CRISPR screening on lab-grown human neurons to uncover this system. Findings suggest new therapeutic avenues for neurodegenerative diseases.

Rapporterad av AI

Researchers at The Rockefeller University have created a detailed cellular atlas of aging by analyzing nearly 7 million cells from 21 organs in mice. The study reveals that aging begins earlier than previously thought and occurs in a coordinated manner throughout the body. Findings highlight differences between males and females, along with potential targets for anti-aging therapies.

Denna webbplats använder cookies

Vi använder cookies för analys för att förbättra vår webbplats. Läs vår integritetspolicy för mer information.
Avböj