给虚拟大脑请位“AI调音师”：新算法让生物模拟不再靠猜
想要在电脑里造一个逼真的“虚拟大脑”，最难的不是画出结构，而是调参。真实的神经元极其复杂，拥有成千上万个控制离子流动和电化学反应的微小开关，过去科学家为了让模型符合生物学实验数据，只能像盲人摸象一样，依靠遗传算法进行低效率的随机试错 。这种方法一旦遇到拥有数百万突触的大型网络，计算量就会大到令人绝望，导致神经科学模型往往难以兼顾规模与精度 。
Nature Methods上最近发表了一个名为JAXLEY的新工具，它给生物模拟器装上了AI的“大脑” 。该工具创造性地将深度学习的核心技术自动微分和反向传播引入生物物理模拟 。计算机能通过计算梯度，精确知道如何微调每一个离子通道或突触参数来减少误差 。实验显示，JAXLEY能同时优化拥有10万个参数的精细神经元网络，甚至能训练这些完全遵循生物定律的数字神经元去执行识别手写数字等任务，效率比传统方法快了几个数量级 。
这项突破架让科学家首次能用AI的高效优化能力，去驾驭极其复杂的生物物理细节 。这意味着我们终于有能力构建大规模、数据驱动的精细大脑模型，从而深入研究微观结构如何涌现出宏观功能 。不过，虽然工具强大，科学家仍需警惕数学上的最优解可能并不唯一，因为在真实的生物系统中，往往存在多种不同的参数组合能产生相似的生理功能 。
血肉苦弱，机械飞升🫡
来源：
Nature Methods#计算神经科学 #可微模拟 #生物物理建模🧬 频道 ｜
🧑🔬 群组 ｜
📨 投稿
