Các nhà khoa học Bỉ đã phát triển một bộ công cụ phần mềm mới cho phép huấn luyện trực tiếp các mô hình giống não bộ dựa trên dữ liệu. Bộ khung mã nguồn mở này, được gọi là JAXLEY, kết hợp độ chính xác của các mô hình sinh lý học với tốc độ và tính linh hoạt của các kỹ thuật học máy hiện đại. Nghiên cứu đánh dấu một bước tiến quan trọng hướng tới việc mô phỏng nhanh và chính xác hơn hoạt động não.

Hiểu được cách các nơ-ron tạo ra tư duy, tri giác hay trí nhớ vẫn là một trong những thách thức lớn của khoa học thần kinh. Để giải mã những câu hỏi này, các nhà nghiên cứu đã sử dụng mô hình máy tính mô phỏng hoạt động của tế bào não thực. Các mô hình sinh lý học là những phiên bản số tái hiện lại mạng lưới nơ-ron, cho thấy cách các thông điệp truyền tải khi các tín hiệu điện lan truyền qua từng nơ-ron hoặc giữa các mạng lưới nơ-ron.

Tuy nhiên, để cho các mô hình này hoạt động giống nơ-ron thật là một thách thức kỹ thuật phức tạp: mỗi mô hình chứa hàng nghìn phương trình và việc điều chỉnh các tham số để khớp với dữ liệu thực nghiệm đòi hỏi năng lực tính toán, thường phải mất nhiều tuần điều chỉnh thủ công hoặc các mô phỏng “thử và sai” kém hiệu quả.

Để khắc phục những hạn chế đó, nhóm nghiên cứu tại Trung tâm Nghiên cứu điện tử thần kinh (NERF) ở Bỉ và một số đối tác khác đã phát triển JAXLEY, bộ công cụ mã nguồn mở đưa các kỹ thuật học máy hiện đại vào mô hình nơ-ron chi tiết, cung cấp cách mô phỏng hoạt động điện của mạng nơ-ron theo cách nhanh chóng và thực tế hơn.

Kết nối khoa học thần kinh và học máy

JAXLEY lấy cảm hứng từ học máy. Nhờ khả năng tự động tính toán cách những thay đổi nhỏ ở tham số ảnh hưởng đến kết quả, bộ công cụ cho phép các mô hình não chi tiết tự điều chỉnh dựa trên dữ liệu thay vì dựa vào phương pháp thử và sai. JAXLEY chạy trên GPU giống như các hệ thống AI, nên có thể xử lý song song khối lượng lớn dữ liệu, tăng đáng kể tốc độ và hiệu quả mô phỏng não thực tế.

Bằng cách kết hợp độ chính xác của các mô hình sinh lý học với khả năng mở rộng của phương pháp AI, JAXLEY khắc phục rào cản tính toán đến nay hạn chế quy mô mô phỏng. Bộ công cụ mã nguồn mở này cho phép cộng đồng nghiên cứu truy cập rộng rãi, từ đó mở ra các hướng mới để khám phá cách não học và ghi nhớ, thay thế quá trình điều chỉnh thủ công bằng cơ chế học thích nghi dựa trên dữ liệu - mô phỏng chính nguyên lý hoạt động của não.

Để chứng minh tính linh hoạt, nhóm nghiên cứu đã thử nghiệm cho JAXLEY thực hiện nhiều nhiệm vụ. Công cụ mô phỏng chính xác hoạt động của nơ-ron thật và huấn luyện các mạng nơ-ron lớn thực hiện nhiệm vụ của bộ nhớ và thị giác với 100.000 tham số. Các kết quả này cho thấy ngay cả các mạng nơ-ron thực tế phức tạp cũng có thể được huấn luyện trực tiếp trên dữ liệu thực nghiệm hoặc nhiệm vụ tính toán, điều trước đây rất khó đạt được.

Pedro Gonçalves, trưởng nhóm nghiên cứu nhận định: “JAXLEY làm thay đổi căn bản cách chúng ta mô hình hóa não. Công cụ này cho phép chúng ta xây dựng các mô hình thực tế có thể được tối ưu và mở rộng hiệu quả, hướng tới tìm hiểu cách tính toán thần kinh bắt nguồn từ các quá trình nền tảng của não”.