الأول في العالم! قام فريق فينج جيانفينج في جامعة فودان بتطوير منصة دماغ توأم رقمية تحتوي على 86 مليار خلية عصبية

يُعد الدماغ البشري أحد أكثر أنظمة معالجة المعلومات تعقيدًا وغموضًا في الطبيعة. يبلغ وزنه حوالي 1.4 كيلوغرام فقط، وهو ما يمثل 2% فقط من وزن الجسم، ولكنه يستهلك بشكل عجيب حوالي 20% من الأكسجين والدم في جسم الإنسان.في هذه الشبكة المعقدة، يتشابك حوالي 86 مليار خلية عصبية مع بعضها البعض، لتشكل أكثر من 100 تريليون اتصال مشبكي، وتشكل نظامًا معقدًا لنقل المعلومات ومعالجتها.وهذا النظام هو الذي يعطي الإنسان القدرة على التفكير، والشعور، والتذكر، والتعلم، والإبداع، والتصرف، ويخلق شخصيات وسمات وسلوكيات مختلفة.

من أجل كشف أسرار الدماغ البشري، تستخدم بلدان في مختلف أنحاء العالم تكنولوجيا علوم الأعصاب الحاسوبية لإجراء أبحاث علوم الدماغ. وخاصة مع ظهور الدماغ التوأم الرقمي، فإنه يوفر منظورًا وطريقة جديدة لحل هذه المشكلة. إنها تستخدم وتعتمد على تكنولوجيا التوأم الرقمي، وتبني نسخة رقمية من الدماغ البيولوجي من خلال تكنولوجيا الهندسة العكسية، و"تفكي" مبادئ معالجة المعلومات في الدماغ والترميز العصبي، والتي يمكن أن تحقق اختراقات كبيرة من محاكاة الدماغ البنيوية إلى محاكاة الدماغ الوظيفية.

أصدر فريق البروفيسور فنغ جيانفينغ في معهد علوم وتكنولوجيا الذكاء المستوحى من الدماغ بجامعة فودان مؤخرًا منصة Digital Twin Brain (DTB)، وهي أول منصة محاكاة دماغ بشرية كاملة الحجم في العالم تم تطويرها بناءً على طرق استيعاب البيانات، مع 86 مليار خلية عصبية وتريليون مشبك.وتوصلت الدراسة إلى أنه كلما كان دماغ التوأم الرقمي أقرب إلى الدماغ البشري من حيث الحجم والبنية، فإنه سيظهر تدريجياً ظواهر حرجة ووظائف معرفية مماثلة لتلك التي لوحظت في الدماغ البشري.

نُشرت الدراسة في المجلة العالمية المرموقة National Science Review (NSR) تحت عنوان "محاكاة واستكشاف حالات الراحة وأداء المهام في الدماغ البشري من خلال محاكاة الحوسبة الدماغية: التوسع والهندسة المعمارية".تم تضمين هذه المقالة أيضًا كمقالة غلاف في العدد الخاص من مجلة NSR بعنوان "حوسبة الدماغ البشري والذكاء الشبيه بالدماغ".

أبرز الأبحاث:

* تقدم هذه الدراسة إطارًا كميًا لدماغ التوأم الرقمي، والذي يمكن استخدامه لاكتشاف العلاقة بين بنية الدماغ ووظيفته ومحاكاة ودراسة مختلف المناهج المعرفية والطبية والإصابات رقميًا.

* أثبتت الدراسة وجود شبكة عصبية متصاعدة في جميع أنحاء الدماغ تحتوي على ما يصل إلى 20 مليار خلية عصبية وبنية مقيدة بالبيانات فريدة من نوعها من حيث الحجم والقيود البنيوية متعددة الوسائط.

* استخدمت الدراسة أساليب استيعاب البيانات لإثبات فعاليتها في تقدير النماذج "الكبيرة" من خلال تركيب إشارات BOLD في حالات الراحة والحركة.

عنوان الورقة:
https://doi.org/10.1093/nsr/nwae080

يجمع المشروع المفتوح المصدر "awesome-ai4s" أكثر من مائة تفسير ورقي لـ AI4S ويوفر مجموعات وأدوات ضخمة من البيانات:

https://github.com/hyperai/awesome-ai4s

اكتساب البيانات البيولوجية ومعالجتها المسبقة: دمج بيانات التصوير العصبي متعدد الوسائط في نموذج DTB

استخدمت الدراسة تقنية التصوير بالرنين المغناطيسي 3 تسلا لإجراء فحص شامل متعدد الوسائط بالرنين المغناطيسي على موضوع واحد.

أولاً، التقطت الدراسة صورًا عالية الدقة مرجحة بـ T1 (T1w) باستخدام تسلسل صدى التدرج السريع. وبعد ذلك، جمعت الدراسة بيانات التصوير الموزون بالانتشار متعدد القشور (DWI) والتصوير بالرنين المغناطيسي الوظيفي (fMRI) باستخدام تسلسلات التصوير بالصدى المستوي المتدرج (EPI). تم استخدام هذه البيانات لتحليل مورفولوجيا الفوكسل (VBM)، والاتصال البنيوي، وإشارات مستوى الأكسجين في الدم (BOLD) للمادة الرمادية، على التوالي.

خلال مرحلة معالجة البيانات المسبقة، أجرت الدراسة عملية تنظيف مفصلة للبيانات تهدف إلى دمج بيانات التصوير العصبي المتعدد الوسائط بكفاءة في نموذج الأساس الطوبولوجي الديناميكي (DTB). وفي نهاية المطاف، قامت الدراسة ببناء نموذج قشري تحت قشري يتكون من 16043 فوكسل، مما يوفر منظورًا جديدًا لفهم أعمق لبنية الدماغ ووظيفته.

يقوم نموذج DTB بأخذ عينات من ما يصل إلى 20 مليار خلية عصبية، تغطي 16043 فوكسل و374 منطقة.

يمكن لنموذج الشبكة العصبية في ظل عملية DTB تعديل عدد الخلايا العصبية والاتصال المشبكي بشكل مرن.كما هو موضح في الشكل أ أدناه، فإن عدد الخلايا العصبية الفوكسلية يتناسب مع حجم المادة الرمادية في الدماغ، والكثافة المشبكية تتناسب مع بيانات PET SV2A، وعدد الاتصالات المشبكية المثيرة يتناسب مع كثافة أثر DWI بشكل عام. على وجه الخصوص، يحاكي كل فوكسل قشري بنية طبقية من L2/3 إلى L6، وترتبط الخلايا العصبية في كل طبقة من خلال المشابك العصبية. كما هو موضح في الشكل ب أدناه، يمكن للنموذج أخذ عينات من ما يصل إلى 20 مليار خلية عصبية، تغطي 16043 فوكسل و374 منطقة.

كما هو موضح في الشكل C أعلاه، يتم تمثيل الخلايا العصبية في هذا النموذج بواسطة نموذج LIF، ويتم تشغيل التيار الخلفي بواسطة عملية Ornstein-Uhlenbeck (OU)، ويتم الحصول على إشارة BOLD المحاكاة باستخدام نموذج Balloon-Windkessel. في بعض المناطق، تم حقن الخلايا العصبية بتيارات خارجية موزعة بأشعة جاما، وتم بعد ذلك الحصول على إشارات BOLD التجريبية من نفس الموضوع في حالة الراحة وأثناء أداء المهمة باستخدام طريقة Vw-dHMDA استنادًا إلى تسجيل الإشارات من المعلمات الفائقة المقدرة. أخيرًا، يمكن تقييم أداء هذا الاستدلال الإحصائي من خلال مقارنة الناتج المحاكى مع تشابه المسار الزمني لإشارة BOLD والاتصال الوظيفي بين المناطق.

للتحقق من مقياس حالة الراحة، قمنا أولاً باستيعاب نموذج القشرة تحت القشرية لحالة الراحة من خلال تركيب إشارة BOLD الثابتة لمنطقة المهاد وقياس مدى تشابه النموذج مع البيانات البيولوجية.

كما هو موضح في الشكل أ أدناه، فإن متوسط معامل ارتباط بيرسون (PCC) بين إشارات BOLD المحاكاة والتجريبية عبر جميع وحدات البكسل في المهاد هو 0.977 (يسار) و 0.981 (يمين). ثم قمنا بقياس التشابه بين النموذج المستوعب ونظيره البيولوجي عن طريق حساب PCC بين النموذج المستوعب وإشارات BOLD الثابتة في فوكسل الدماغ الحقيقي، وتشابه مصفوفة الاتصال الوظيفي الإقليمي (FC) المحسوبة عن طريق قياس معيار فروبينيوس (F-norm) لإشارات BOLD الثابتة المستوعبة والبيولوجية.

بهذه الطريقة، يحتوي النموذج القشري تحت القشري الذي تم إنشاؤه في هذه الدراسة على 20 مليار خلية عصبية بمتوسط اتصال مشبكي يبلغ 100، وهو ما يشبه إلى حد كبير بيانات التصوير بالرنين المغناطيسي الوظيفي في حالة الراحة. كما هو موضح في الشكل B أدناه، فإن متوسط PCC لإشارة BOLD لجميع وحدات البكسل هو 0.624. كما هو موضح في الشكل C أدناه، فإن PCC لمصفوفات FC المحاكاة والفعلية هي 0.551، ومسافة F-norm هي 0.271.

كلما كان دماغ التوأم الرقمي أكثر تشابهًا مع الدماغ الحقيقي من حيث الحجم والاتصال

تناولت هذه الدراسة تحليل تأثير عدد الخلايا العصبية ومتوسط الاتصال المشبكي على التشابه بين النموذج والبيانات البيولوجية.وتظهر النتائج في الشكل د أدناه. عندما يكون متوسط الاتصال المشبكي 100، ومع زيادة عدد الخلايا العصبية، يزداد التشابه بين إشارة BOLD الثابتة المتكاملة والبيانات البيولوجية، ويزداد الاتساق بين مصفوفات FC، وتنخفض مسافة F-norm.

كما هو موضح في الشكل F أدناه، عندما يكون عدد الخلايا العصبية 10 مليار، فإن PCCs لإشارات BOLD الثابتة المحاكاة والبيولوجية تزداد أولاً ثم تستقر مع زيادة الاتصال المشبكى المتوسط، وتزداد PCCs لمصفوفة FC، وتنخفض مسافة F-norm.

كما هو موضح في الشكل E أدناه، يوضح تحليل حرجة الانهيار أنه عندما يزداد عدد الخلايا العصبية إلى 5 مليارات، تكون إشارة BOLD الثابتة المحاكاة أقرب إلى النقطة الحرجة، ويتبع مدة الانهيار وحجمه توزيع قانون القوة.

بالإضافة إلى المقاييس، هناك ميزة مهمة أخرى للنموذج الحسابي وهي اعتماده على علم التشريح العصبي القائم على القيادة تحت تأثير الكحول.ولإثبات تأثير هذا الاعتماد، أجرت الدراسة عملية إعادة توصيل على شبكة عصبية، وضبطت عدد الخلايا العصبية إلى مليار، ومتوسط الاتصال المشبكي إلى 100، وتم اختيار الاتصالات بشكل عشوائي مع الأحياء المحلية باحتمالية P.

من خلال تغيير قيمة P من 0 إلى 1، كما هو موضح في الشكل A أدناه، يتغير هيكل مستوى الفوكسل الاصطناعي تدريجيًا من الهيكل القائم على بيانات DWI الأصلية إلى خوارزمية أقرب جار k. كما هو موضح في الشكل ب، فإن ارتباط مسار الوقت BOLD على مستوى الفوكسل وارتباط مصفوفة FC بين النموذج والبيانات البيولوجية يتناقص مع زيادة P، بينما تزداد مسافة F-norm لمصفوفة FC بين النموذج والبيانات البيولوجية مع زيادة P. لذلك، في حالة الراحة، يؤدي هذا إعادة التوصيل إلى تدمير التشابه بين النموذج والدماغ الحقيقي.

وللتحقق بشكل أعمق من تأثير الدائرة البينية على حالة الراحة، كما هو موضح في الشكل ج أدناه، استخدمت هذه الدراسة الحُصين، والجزيرة، والقشرة الحزامية الأمامية، والقشرة الحزامية الأمامية البطنية/القشرة الحزامية الأمامية السداسية، والمهاد كمناطق "إدخال" بينية لتناسب إشارات BOLD على مستوى الفوكسل. وتظهر النتائج في الشكل د أدناه. وباستخدام اختبار t لعينتين، وجدت الدراسة أن التشابه بين إشارة BOLD الثابتة المستوعبة والبيانات البيولوجية تحسن بشكل كبير عندما تم استخدام المنطقة الحسية الداخلية كمدخل.

وكما هو موضح في الشكل (هـ) أدناه، قامت الدراسة بحساب الأنشطة الخمسة المتوسطة عن طريق إدخال السلسلة الزمنية لمعلمات الاستيعاب الحالية، مع أعلى ذروة طيفية عند 0.02-0.025 هرتز والعديد من القمم المنخفضة عند حوالي 0.02-0.08 هرتز. كما هو موضح في الشكل F أدناه، أجرت هذه الدراسة تحليل سببية مشروطة لجرانجر على تسلسل متوسط المعلمات الحالية ووجدت أن هناك علاقات سببية قوية نسبيًا من المهاد إلى القشرة الحزامية الأمامية، ومن المهاد إلى الجزيرة، ومن القشرة الحزامية الأمامية البطنية/القشرة الحزامية الأمامية السداسية إلى القشرة الحزامية الأمامية، ومن المهاد إلى الحُصين.

لتحليل تأثير المقاييس العصبية والتشابكية على التشابه بين نموذج الاستيعاب ونظيره البيولوجي، قمنا أولاً بتركيب إشارات BOLD الخاصة بالفوكسلات في القشرة السمعية الأولية (A1)، وهي منطقة "الإدخال" الحسية، ثميتم إنشاء نموذج الاستيعاب من خلال تقدير المعلمات الفائقة لتوزيع جاما للتيار المدخل الذي تتلقاه الخلايا العصبية في هذه المنطقة.

كما هو موضح في الشكل AC أدناه، يحتوي النموذج على 20 مليار خلية عصبية بمتوسط درجة وصول 100. وكان متوسط PCC عبر جميع وحدات البكسل بين إشارات BOLD المستوعبة والبيولوجية 0.570، وكان الارتباط بين الأرقام المتوقعة والقيم التجريبية مهمًا.

عند دراسة نماذج الشبكات العصبية مع أعداد مختلفة من الخلايا العصبية ومتوسط الاتصال المشبكي، كما هو موضح في الشكل DE أدناه، وجدت الدراسة أن التشابه بين الإشارات المحاكاة والبيانات البيولوجية زاد مع زيادة عدد الخلايا العصبية ومتوسط الاتصال المشبكي. عند إجراء تعطيل إعادة الاتصال على نحو مماثل لذلك الخاص بالنموذج الثابت، وجدنا أن الارتباط بين تنبؤات النموذج ونظيراتها البيولوجية، بالإضافة إلى مسار الوقت BOLD على مستوى الفوكسل، زاد مع زيادة P.

ويفتح نموذج القشرة تحت القشرية أيضًا إمكانيات جديدة لبعض عمليات "الضعف الرقمي".كما هو موضح في الشكل أ أدناه، قامت الدراسة بإزالة الاتصالات المشبكية من منطقة الرؤية الأولية (V1) إلى المسار البصري الأساسي في المسارات البصرية الظهرية والبطنية. وأظهرت الدراسة أن هذا التلاعب لم يؤثر على تشابه النموذج مع البيانات البيولوجية في منطقة القشرة تحت القشرية، كما هو موضح في الشكل (ب) أدناه، مما يؤكد أهمية المسار البصري لوظائف الذاكرة والتعلم في الحُصين. كما هو موضح في الشكل C أدناه، عندما تم إزالة الاتصال من V1 إلى المسارات الظهرية أو البطنية، أدى هذا التلاعب إلى تقليل ارتباط إشارة BOLD الحُصينية بالبيانات البيولوجية بشكل كبير. وعلى النقيض من ذلك، كان لإزالة الاتصالات من V1 إلى المناطق الحركية تأثير أقل على الحُصين.

يدرس فينج جيانفينج علم الدماغ باستخدام الأساليب الرياضية منذ 40 عامًا

بصفته أول عميد لمعهد علوم وتكنولوجيا الذكاء المستوحى من الدماغ في جامعة فودان، فإن فينج جيانفينج هو أيضًا الأستاذ الرئيسي في مركز شنغهاي للرياضيات وعميد كلية البيانات الضخمة في جامعة فودان.على الرغم من الإنجازات الكبيرة التي حققها في مجال علم الدماغ، فمن المثير للدهشة أن فينج جيانفينج تخرج في الأصل من قسم الرياضيات، الذي وضع الأساس لمسار أبحاثه اللاحق.

في عام 1981، تم قبول فينج جيانفينج في قسم الرياضيات بجامعة بكين. على الرغم من أنه كان لديه في البداية مبادئ عليا للبحث الرياضي، إلا أن فينج جيانفينج سرعان ما انجذب إلى مجال الرياضيات التطبيقية. ابتداءً من السنة الثانية من دراسته الجامعية، بدأ فينج جيانفينج في حضور دورات في قسم الأحياء. ومنذ ذلك الحين، أصر فينج جيانفينج دائمًا على استخدام الأساليب الرياضية لدراسة علم الدماغ. بحلول الوقت الذي كان يكتب فيه أطروحته للدكتوراه، كان قد بدأ بالفعل في تطبيق نظرية العملية العشوائية على أبحاث الشبكات العصبية.

منذ انضمامه رسميًا إلى جامعة فودان في عام 2008 وحتى تعيينه كأول عميد لمعهد علوم وتكنولوجيا الذكاء المستوحى من الدماغ في عام 2015، عمل فينج جيانفينج بلا كلل لكشف أسرار الدماغ في العقد الماضي. استخدم النظرية الرياضية للتطوير المنهجي للحوسبة العصبية لحل فئة من مشاكل التحكم العشوائي الأمثل وأصبح خبيرًا معروفًا في مجال المعلوماتية الحيوية الدولية.

في عام 2018، قام فريق فينج جيانفينج ببناء دماغ رقمي لأول مرة يتكون من 70 مليون خلية عصبية متصاعدة. ومن خلال خوارزميات رياضية، نجح الفريق في تحقيق محاكاة حسابية مفصلة لوظائف مئات المليارات من الخلايا العصبية في الدماغ البشري.ومن خلال المحاكاة الحاسوبية، يمكننا تحليل آليات عمل الإدراك والتعلم والذاكرة واتخاذ القرارات العاطفية ومعالجة المعلومات في الدماغ بشكل أعمق، مما يوفر أساسًا تجريبيًا ونظريًا لإنجازات أصلية في مجال الذكاء الاصطناعي. بحلول نهاية عام 2021، سيكون لدى الدماغ الرقمي نفس عدد الخلايا العصبية الموجودة في الدماغ البشري الحقيقي. ومن المثير للدهشة أن النموذج الأولي لهذا الدماغ الرقمي هو فينج جيانفينج نفسه.

ويستند هذا إلى روح الاستكشاف الجريء في البحث العلمي وإنجازاته البارزة في الطب النفسي الحسابي والدماغ التوأم الرقمي.حصل Jianfeng Feng على جائزة Humboldt Research لعام 2023.تُمنح هذه الجائزة خصيصًا للعلماء المتميزين الذين حققوا إنجازات بارزة في مجال البحث الأساسي والابتكار النظري والقيادة التخصصية، ومن المتوقع أن يستمروا في تحقيق إنجازات متطورة في المستقبل. عدد الفائزين كل عام لا يتجاوز 100 فائز.

تحت قيادة فينج جيانفينج، أصبح معهد علوم وتكنولوجيا الذكاء المستوحى من الدماغ في جامعة فودان يضم الآن هيئة تدريس مكونة من 120 شخصًا، بما في ذلك فرق بحثية متعددة في علم الأعصاب الإدراكي، وعلم الأحياء النظمي الحاسوبي، وخوارزميات الذكاء الاصطناعي، والحوسبة الدماغية الكاملة.وقد نشر ما يقرب من 100 ورقة بحثية كمؤلف أول أو مراسل في مجلات رفيعة المستوى مثل Nature Medicine وNature Human Behavior. تم اختيار إنجازاته ضمن "التقدم الطبي المهم في الصين لعام 2023". وقد فاز بالعديد من الجوائز المحلية والدولية بما في ذلك الجائزة الفضية في معرض جنيف الدولي للاختراعات وجائزة SAIL في مؤتمر الذكاء الاصطناعي العالمي. وكان له الفضل في تأسيس "تحالف العلماء الشباب في علوم الدماغ والذكاء" وما إلى ذلك.

في الوقت الحالي،يعتمد معهد علوم وتكنولوجيا الذكاء المستوحى من الدماغ التابع لجامعة فودان على منصتين تقنيتين تجريبيتين متطورتين، مركز تصوير الدماغ الدولي في تشانغجيانغ وبنك الدماغ الدولي في تشانغجيانغ، للتركيز على البحث العلمي متعدد التخصصات في مجالات رئيسية مثل الرياضيات وعلوم الدماغ والذكاء الاصطناعي.في المستقبل، سيواصل المعهد الوقوف في طليعة علوم الدماغ والأبحاث المشابهة للدماغ في العالم، ملتزمًا بتعزيز تطوير "الذكاء الشبيه بالدماغ الأول"، والمساهمة بشكل مستمر بالحكمة والقوة في تقدم هذا المجال.