論文の概要: Digital Twin Brain: a simulation and assimilation platform for whole
human brain
- arxiv url: http://arxiv.org/abs/2308.01241v1
- Date: Wed, 2 Aug 2023 15:56:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-03 12:23:06.922374
- Title: Digital Twin Brain: a simulation and assimilation platform for whole
human brain
- Title（参考訳）: デジタル双生児脳:ヒト脳全体のシミュレーションと同化プラットフォーム
- Authors: Wenlian Lu, Longbin Zeng, Xin Du, Wenyong Zhang, Shitong Xiang, Huarui
Wang, Jiexiang Wang, Mingda Ji, Yubo Hou, Minglong Wang, Yuhao Liu, Zhongyu
Chen, Qibao Zheng, Ningsheng Xu, Jianfeng Feng
- Abstract要約: 我々は、人間の脳全体のスパイク神経ネットワークをシミュレートできるDTB(Digital twin brain)という計算プラットフォームを提案する。
均質なグローバル構造を持つほとんどの脳シミュレーションと比較して、脳のsMRI、DTI、PETデータにおけるスパース性、結合性、異種性は、脳シミュレーションの効率に重要な影響を与える。
- 参考スコア（独自算出の注目度）: 14.320205840701226
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work, we present a computing platform named digital twin brain (DTB)
that can simulate spiking neuronal networks of the whole human brain scale and
more importantly, a personalized biological brain structure. In comparison to
most brain simulations with a homogeneous global structure, we highlight that
the sparseness, couplingness and heterogeneity in the sMRI, DTI and PET data of
the brain has an essential impact on the efficiency of brain simulation, which
is proved from the scaling experiments that the DTB of human brain simulation
is communication-intensive and memory-access intensive computing systems rather
than computation-intensive. We utilize a number of optimization techniques to
balance and integrate the computation loads and communication traffics from the
heterogeneous biological structure to the general GPU-based HPC and achieve
leading simulation performance for the whole human brain-scaled spiking
neuronal networks. On the other hand, the biological structure, equipped with a
mesoscopic data assimilation, enables the DTB to investigate brain cognitive
function by a reverse-engineering method, which is demonstrated by a digital
experiment of visual evaluation on the DTB. Furthermore, we believe that the
developing DTB will be a promising powerful platform for a large of research
orients including brain-inspiredintelligence, rain disease medicine and
brain-machine interface.
- Abstract（参考訳）: 本研究では、人間の脳全体のスパイク神経ネットワークをシミュレートし、さらに重要なことは、パーソナライズされた生物学的脳構造をシミュレートする、DTB(Digital twin brain)というコンピューティングプラットフォームを提案する。
多様大域構造を持つほとんどの脳シミュレーションと比較すると、脳のsmri、dti、petデータの疎結合性、結合性、不均一性は、脳シミュレーションの効率に本質的な影響を与えており、これは人間の脳シミュレーションのdtbが計算集約的ではなく、通信集約的かつメモリアクセス集約型計算システムであることを示すスケーリング実験から証明されている。
我々は,不均一な生体構造から一般のGPUベースのHPCへの計算負荷と通信トラフィックのバランスと統合に多くの最適化手法を応用し,ヒト脳スケールのスパイクニューロンネットワーク全体のシミュレーション性能を先導する。
一方、生体構造は、メソスコピックなデータ同化機能を備えており、逆エンジニアリング法により脳の認知機能を調べることが可能であり、DTBの視覚的評価のデジタル実験によって実証されている。
さらに、DTBの開発は、脳-インスピレーション・インテリジェンス、雨病医学、脳-機械インタフェースなど、多くの研究機関にとって有望な強力なプラットフォームになるだろうと考えています。
関連論文リスト
- Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - A differentiable brain simulator bridging brain simulation and
brain-inspired computing [3.5874544981360987]
脳シミュレーションは、脳の構造と機能を模倣する動的モデルを構築する。
脳にインスパイアされたコンピューティングは、脳の構造と機能から学習することで知的なシステムを発達させる。
BrainPy は JAX と XLA を用いて開発された微分可能な脳シミュレータである。
論文 参考訳（メタデータ） (2023-11-09T02:47:38Z) - Digital twin brain: a bridge between biological intelligence and
artificial intelligence [12.55159053727258]
本稿では,生物と人工知能のギャップを埋めるトランスフォーメーションプラットフォームとして,Digital Twin Brain(DTB)を提案する。
DTBは、ツインニング過程の基本となる脳構造、脳機能を生成する底層モデル、幅広い応用の3つの中核要素から構成される。
論文 参考訳（メタデータ） (2023-08-03T03:36:22Z) - Transformer-Based Hierarchical Clustering for Brain Network Analysis [13.239896897835191]
本稿では,階層型クラスタ同定と脳ネットワーク分類のための新しい解釈可能なトランスフォーマーモデルを提案する。
階層的クラスタリング(hierarchical clustering)の助けを借りて、このモデルは精度の向上と実行時の複雑性の低減を実現し、脳領域の機能的構造に関する明確な洞察を提供する。
論文 参考訳（メタデータ） (2023-05-06T22:14:13Z) - Brain Diffuser: An End-to-End Brain Image to Brain Network Pipeline [54.93591298333767]
脳ディフューザー(Brain diffuser)は、拡散に基づくエンド・ツー・エンドの脳ネットワーク生成モデルである。
被験者間の構造的脳ネットワークの差異を分析することで、より構造的接続性や疾患関連情報を利用する。
アルツハイマー病の場合、提案モデルは、アルツハイマー病神経画像イニシアチブデータベース上の既存のツールキットの結果より優れている。
論文 参考訳（メタデータ） (2023-03-11T14:04:58Z) - Explainable fMRI-based Brain Decoding via Spatial Temporal-pyramid Graph
Convolutional Network [0.8399688944263843]
既存のfMRIベースの脳デコードのための機械学習手法は、分類性能が低いか、説明性が悪いかのいずれかに悩まされている。
本稿では,機能的脳活動の時空間グラフ表現を捉えるために,生物学的にインスパイアされたアーキテクチャである時空間ピラミドグラフ畳み込みネットワーク(STpGCN)を提案する。
我々は,Human Connectome Project (HCP) S1200から23の認知タスク下でのfMRIデータに関する広範な実験を行った。
論文 参考訳（メタデータ） (2022-10-08T12:14:33Z) - In the realm of hybrid Brain: Human Brain and AI [0.0]
現在の脳-コンピュータインターフェース(BCI)技術は主に治療結果に関するものである。
近年,脳信号のデコードには人工知能(AI)と機械学習(ML)技術が用いられている。
クローズドループ,インテリジェント,低消費電力,小型化されたニューラルインターフェースの開発を想定する。
論文 参考訳（メタデータ） (2022-10-04T08:35:34Z) - Multimodal foundation models are better simulators of the human brain [65.10501322822881]
1500万の画像テキストペアを事前訓練した,新たに設計されたマルチモーダル基礎モデルを提案する。
視覚的エンコーダも言語的エンコーダもマルチモーダルで訓練され,脳に近いことが判明した。
論文 参考訳（メタデータ） (2022-08-17T12:36:26Z) - Functional2Structural: Cross-Modality Brain Networks Representation
Learning [55.24969686433101]
脳ネットワーク上のグラフマイニングは、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を促進する可能性がある。
本稿では,Deep Signed Brain Networks (DSBN) と呼ばれる新しいグラフ学習フレームワークを提案する。
臨床表現型および神経変性疾患予測の枠組みを,2つの独立した公開データセットを用いて検証した。
論文 参考訳（メタデータ） (2022-05-06T03:45:36Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳（メタデータ） (2022-01-19T09:26:34Z) - Mapping and Validating a Point Neuron Model on Intel's Neuromorphic
Hardware Loihi [77.34726150561087]
インテルの第5世代ニューロモルフィックチップ「Loihi」の可能性について検討する。
Loihiは、脳内のニューロンをエミュレートするスパイキングニューラルネットワーク(SNN)という新しいアイデアに基づいている。
Loihiは従来のシミュレーションを非常に効率的に再現し、ネットワークが大きくなるにつれて、時間とエネルギーの両方のパフォーマンスにおいて顕著にスケールする。
論文 参考訳（メタデータ） (2021-09-22T16:52:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。