借鉴人脑结构与功能是构建低能耗、高智能的新一代通用人工智能的重要途径，而神经元和神经突触作为人脑的基本单元是实现脑功能的基石。利用和借鉴数字孪生技术，搭建一个类生物脑的可实现干实验的数字孪生脑，最终“破译” 大脑在信息处理与神经编码的原理，实现从结构仿脑到功能仿脑是一个有效路径。
近年来，科学家们致力于在依托高性能通用或专用计算设备来模拟（超）大规模计算神经元网络模型。人脑生物结构包含千亿神经元/百万亿神经突触，人脑的瞬时信息量相当于全中国手机用户瞬时传递信息的30倍以上，可以视为一个通讯密集的计算系统，人脑生物结构的异构性与稀疏性对传统超算的理论与实践提出了巨大的挑战。
近期，复旦大学卢文联/郑奇宝/冯建峰团队发布人类全脑规模脉冲神经元网络的神经形态模拟的计算构架，在包含14,012 个 GPU 的高性能计算系统中实现860亿神经元规模、47.8亿神经突触的全人脑尺度大脑的高效模拟，同时数字孪生脑可以以高相关系数重现人类大脑静息状态，并与其感知输入进行交互。这些结果表明实现人类大脑数字化表示的可行性，这可以为广泛的潜在应用打开大门。12月19日，该研究成果以“Simulation and assimilation of the digital human brain”（数字孪生脑的模拟与同化）为题，在线发表在Nature Computational Science（《自然-计算科学》）。
▲图 1：数字脑示：通过计算系统模拟生物大脑的结构与功能
研究团队通过对神经元、突触、神经环路进行详细建模, 将皮质柱环路结构、灰白质体积、纤维束追踪数据和血氧反应信号等多种模式的实验数据整合，形成一个通用的神经元与神经突触水平的脑结构生成框架。针对大脑异构性与稀疏性的结构特性，构建神经元到计算单元的优化映射与计算图形处理器之间的两级路由方案，从而有效降低GPU/节点间的通讯量，并且平衡不同计算单元之间通讯流量。实验显示，此方法可降低达50%的GPU间的通讯流量，由此建立了规模、高密度、可重构、低延时的互连通信计算架构。通过与华东先进计算中心合作，使用国产高性能图形处理器计算系统，在包含14,012 个 GPU 的高性能计算系统中构建实现860亿神经元规模、47.8万亿神经突触的全人脑尺度的数字大脑，在平均发放率在7赫兹、15赫兹和30赫兹情况下，模拟的实时率分别达到了65, 78.8和118.8, 规模和速度均达到国际领先水平。
▲图 2：数字脑中通讯优化过程示意图
冯建峰教授指出：“在神经元和神经突触水平构建数字脑网络模型至关重要，因为神经元是大脑功能的基本单位，神经元之间的相互作用是理解大脑功能的基础。” 利用逆向工程技术，该数字孪生脑以高相关系数重现了人类大脑静息状态下的血氧水平依赖性信号，并实现与视觉感知输入的交互。
对于数字脑的应用前景，冯建峰认为“数字脑可作为“干”的实验平台，帮助脑科学家进行数字实验，探索和验证神经科学理论与大脑智能机理。同时，数字脑可以作为数字孪生模型，探索与验证脑疾病的病理，评估和发展诊疗手段。更重要的是，数字化模拟真实大脑是实现理解大脑工作原理，启发类脑通用智能的有效途径之一。而数字孪生脑平台构建工作迈开的第一步，为探究大脑结构与相应高级认知功能的复杂关系提供了一个研究实例”。
复旦大学类脑智能科学与技术研究院卢文联教授为本文第一作者。复旦大学计算机科学与技术学院博士生杜鑫，复旦大学类脑智能科学与技术研究院博士生王捷翔，曾龙斌，叶蕾君，项诗童，复旦大学类脑智能科学与技术研究院郑奇宝教授为论文共同第一作者。复旦大学类脑智能科学与技术研究院冯建峰教授为论文通讯作者。
该研究得到了科技创新2030“脑科学与类脑研究”重大项目、国家自然科学基金、国家重点研发计划、上海市市级科技重大专项等经费支持。
科研团队简介
冯建峰，特聘教授、复旦大学类脑智能科学与技术研究院院长、大数据学院院长，上海数学中心首席教授。长期致力于数学、脑科学和计算机科学的交叉融合研究，推动计算脑科学及其应用领域的发展。在Nature子刊，Science子刊，JAMA Psychiatry，IEEE TPAMI等期刊发表论文三百余篇。2011年获英国皇家学会沃夫森研究功勋奖（首位华人），2019年作为三十年来的首位华人受邀在剑桥大学做Paykel Lecture年度冠名讲座，2023年度的洪堡研究奖（Humboldt Research Award）。
郑奇宝，复旦大学特聘教授、博士生导师，国家级中青年有突出贡献专家，教授级高级工程师。博士学历，作为项目组长获得过国家科技进步二等奖一次、上海市科技进步一等奖二次，是我国第一批应用微型计算机进行产品开发的优秀科技工作者，研究方向是基于基础计算和控制系统的深刻认识,结合人工智能研究大脑的信息传递机制,如神经元脉冲编码与化学突触的结合实现数字模拟信号和良好电磁兼容方式,是解释为什么我们的大脑具有极低功耗、极高可靠性的重要原因，为设计颠覆冯偌伊曼结构的真正神经计算系统研究提供了最深层的理论框架。
卢文联，复旦大学类脑智能科学与技术研究院、数学科学学院数学系教授，博士生导师，在神经网络动力学行为分析以及机器学习和统计等方面均有出色的工作基础。特别地，建立神经高斯随机场的时空模型，并利用数据同化拟合计算神经元网络模型与实验观测数据；国际上最早研究具有不连续激发函数递归神经网络的行为的团队之一,完善了利用不连续激发函数神经网络进行优化计算的理论基础，设计了一类具有不连续右端的神经网络系统，能更精确的求解非光滑代价函数的组合优化问题。获选IEEE Senior Member；2013年入选教育部新世纪人才；获评全国百篇优秀博士学位论文。
