突破智能极限：软件助力大脑模拟完成复杂认知挑战

一款新软件能够进行大脑的模拟，既能详细模仿大脑中的过程，又能解决一些具有挑战性的认知任务。该程序由图宾根大学“机器学习：科学的新视角”卓越集群的研究团队开发。因此，该软件打下了基础，为新一代大脑模拟提供了可能，让我们能更深入地了解大脑的功能和表现。图宾根的研究人员在期刊Nature Methods上发表了他们的论文。

几十年来，研究人员一直试图创建大脑的计算机模型，以加深对这个器官及其内部过程的理解。他们通过数学方法模拟了神经细胞及其化合物的行为和相互作用。

然而，以前的模型存在显著的缺陷：它们要么基于过于简化的神经元模型，因此与生物实际情况相差甚远，要么详细描绘了细胞内的生物物理过程，但无法执行与大脑类似的任务。

“要么路径与大脑相似，但结果却不同，要么结果是正确的，但导致该结果的过程与大脑的过程无法相提并论，”研究的第一作者、雅各布·马克教授工作组的研究员迈克尔·德斯特勒解释道。这个新程序叫做Jaxley，能够训练大脑模型，使得两者都能适用——这是从模型中得出关于大脑实际过程结论的重要一步。

这一目标是通过一种同样用于训练人工神经网络的方法实现的：“误差反向传播”。在反向传播的帮助下，人工神经网络在训练时会调整其参数，以使得给定的输入能够产生期望的输出。网络会不断自我调整，直到能够可靠地完成所需的任务。

通过这种方式，网络学习到数据中哪些特征和连接对特定过程是重要的，以便在遇到新的、相似的例子时也能提供正确的结果。图宾根的研究人员把这个训练原理应用到了大脑模拟中。

详细的脑模型能够完成具有挑战性的任务

当大脑在执行任务时，神经元中涉及到数百个重要参数。这些参数可能包括神经元的大小、连接的强度以及离子通道的数量。“许多这些参数无法被测量。直到现在，这使得开发出能够产生良好结果的精确模拟变得非常困难，”德斯特勒说。

“贾克斯利能够在脑模型中训练这些无法测量的参数。该软件会反复调整这些参数的值，直到模拟达到预期的结果。”经过训练后，生成的脑模型能够对图像进行分类，并且能够存储和提取记忆。

“多亏了 Jaxley，我们现在能够研究神经机制如何帮助解决任务，”图宾根大学机器学习科学教授、该研究的最后作者 Macke 说。“该软件将允许神经科学家研究大脑的复杂性，并进行描绘。”从长远来看，这种模拟也可以应用于医学，比如，可以更好地理解神经疾病，或者提前虚拟研究药物的效果。

更多信息：Michael Deistler等人，Jaxley：可微分模拟使详细的生物物理模型的大规模训练成为可能，《自然方法》（2025）。 DOI: 10.1038/s41592-025-02895-w