O software otimiza simulações cerebrais, permitindo-lhes completar tarefas cognitivas complexas

Um novo software permite simulações cerebrais que imitam detalhadamente os processos cerebrais e podem resolver tarefas cognitivas desafiadoras. O programa foi desenvolvido por uma equipe de pesquisa do Cluster de Excelência “Aprendizado de Máquina: Novas Perspectivas para a Ciência” da Universidade de Tübingen. O software constitui assim a base para uma nova geração de simulações cerebrais que permitem insights mais profundos sobre o funcionamento e desempenho do cérebro. O artigo dos pesquisadores de Tübingen foi publicado na revista Métodos da Natureza.

Durante décadas, os pesquisadores vêm tentando criar modelos computacionais do cérebro para aumentar a compreensão do órgão e dos processos que nele ocorrem. Usando métodos matemáticos, eles simularam o comportamento e a interação das células nervosas e seus compostos.

No entanto, os modelos anteriores tinham fraquezas significativas: ou eram baseados em modelos de neurônios simplificados e, portanto, desviavam-se significativamente da realidade biológica, ou retratavam detalhadamente os processos biofísicos dentro das células, mas eram incapazes de realizar tarefas semelhantes para o cérebro.

“Ou o caminho é semelhante ao do cérebro, mas o resultado não é, ou o resultado está correto, mas o processo que leva até lá não se compara aos processos do cérebro”, explica Michael Deistler, primeiro autor do estudo e pesquisador do grupo de trabalho do professor Jakob Macke. Jaxley, como é chamado o novo programa, permite o treinamento de modelos cerebrais de modo que ambos se apliquem – um passo importante para poder tirar conclusões do modelo sobre os processos reais no cérebro.

Isto foi conseguido usando um método que também é usado para treinar redes neuronais artificiais: “retropropagação de erro”. Com o auxílio da retropropagação, uma rede neuronal artificial ajusta seus parâmetros durante o treinamento para que uma determinada entrada resulte em uma saída desejada. A rede continua se adaptando até atingir de forma confiável a tarefa desejada.

Dessa forma, a rede aprende quais recursos e conexões nos dados são importantes para um processo específico, para também entregar os resultados corretos com exemplos novos e semelhantes. Os pesquisadores de Tübingen transferiram este princípio de treinamento para simulações cerebrais.

Modelos cerebrais detalhados realizam tarefas desafiadoras

Quando o cérebro realiza uma tarefa, existem centenas de parâmetros importantes nos neurônios envolvidos. Isto pode ser, por exemplo, o tamanho dos neurônios, a força das conexões ou o número de canais iônicos. “Muitos desses parâmetros não podem ser medidos. Até agora, isso tornou impossível o desenvolvimento de simulações exatas que produzissem bons resultados”, diz Deistler.

“Jaxley pode treinar esses parâmetros não mensuráveis ​​em modelos cerebrais. O software altera repetidamente seus valores, reajusta repetidamente, até que a simulação atinja o resultado desejado.” Após o treinamento, os modelos cerebrais resultantes foram capazes de classificar imagens ou armazenar e acessar memórias.

“Graças a Jaxley, podemos agora estudar como os mecanismos neuronais contribuem para a resolução de tarefas”, diz Macke, professor de Aprendizado de Máquina em Ciências na Universidade de Tübingen e último autor do estudo. “O software permitirá que os neurocientistas investiguem a complexidade do cérebro e a representem em simulações de computador”. Essas simulações de longo prazo também poderiam ser aplicadas na medicina, por exemplo, para compreender melhor as doenças neurológicas ou estudar virtualmente antecipadamente o efeito dos medicamentos.