محققان در دانشگاه Sussex روشی را برای استفاده از رایانه‌های شخصی رومیزی توربوشارژ ایجاد کرده‌اند که به آن‌ها کارآیی مشابه با رایانه‌های بزرگ با ارزش ده‌ها میلیون پوندی را می‌دهد. دکتر جیمز نایت و پروفسور توماس نووتنی از دانشکده مهندسی و انفورماتیک دانشگاه ساسکس از آخرین ابزارهای پردازش گرافیکی (GPU) استفاده کردند تا توسط یک رایانه رومیزی شبیه‌سازی مدل‌های مغزی با اندازه‌ی تقریباً نامحدود را انجام دهند.
محققان بر این باورند که این نوآوری می‌تواند امکان انجام تحقیقات در زمینه شبیه‌سازی مغز در مقیاس بزرگ را برای بسیاری از محققان در سراسر جهان فراهم کند. در حال حاضر هزینه‌ی خرید ابر رایانه‌ها آنقدر سنگین است که خرید آن‌ها فقط برای موسسات و سازمان‌های دولتی بسیار بزرگ مقرون به صرفه است و این رایانه‌ها عملا برای تعداد زیادی از محققان در دسترس نیستند.
علاوه بر هزینه‌های ده‌ها میلیون پوندی برای خرید، ابر رایانه‌ها انرژی بسیار زیادی را مصرف می‌کنند. شبیه سازی‌های انجام شده روی رایانه رومیزی تقریباً 10 برابر انرژی کمتری می‌طلبد و از پایداری قابل توجهی نیز برخوردار است.
دکتر نایت گفت: “من فکر می‌کنم مزیت اصلی تحقیق ما دسترسی به اطلاعات است. محققانی که خارج از سازمان‌های بزرگ فعالیت می‌کنند معمولا باید برای استفاده‌ای بسیار محدود از این ابر رایانه‌ها در جهت تحقیقات خود درخواست ثبت کنند و سپس منتظر بمانند تا درخواستشان بررسی شود که در صورت تایید بتوانند از این ابر رایانه‌ها استفاده کنند. این یک مشکل بسیار اساسی در جهت پیشبرد تحقیقات است که به طور فزاینده‌ای مانع بسیاری از تحقیقات می‌شود.
روش ما در این تحقیقات استفاده از تکنیک یادگیری ماشین الهام گرفته از مغز است تا بتوانیم به حل مشکلاتی که مغز بیولوژیک در آن‌ها برتری دارد کمک کنیم. علاوه بر پیشرفت‌هایی که در ارتباط با نرم‌افزار مربوط به GPU داشته‌ایم، معتقدیم که امکان ساخت انواع جدیدی از سخت افزار نورومورفیک پیشرفته وجود دارد. سخت‌افزاری که می‌تواند منجر به بهبود قابل ملاحظه‌ای در زمان محاسبات شود.
این تحقیقات بر اساس نتایج اقدامات محقق آمریکایی، یوجین ایژیکویچ است که روش مشابهی را برای شبیه‌سازی مغز در مقیاس بزرگ در سال 2006 ارائه کرده بود. در آن زمان رایانه‌ها بسیار کند بودند و این روش به طور گسترده قابل استفاده نبود، به این معنی که شبیه‌سازی مدل‌های مغز در مقیاس بزرگ تاکنون فقط برای اقلیت محققانی که به سیستم‌های ابر رایانه دسترسی داشتند امکان پذیر بود.
محققان با استفاده از تکنیک Izhikevich در یک پردازنده گرافیکی مدرن که تقریباً 2000 برابر توان محاسباتی موجود در رایانه‌های 15 سال پیش را داشت، یک مدل پیشرفته مشابه مغز ایجاد کردند که قبلاً فقط می‌توانست در یک ابر رایانه شبیه‌سازی شود.
شروع به کار مدل محققان شش دقیقه و شبیه‌سازی هر ثانیه بیولوژیکی 7.7 دقیقه در حالت پایه و 8.4 دقیقه در حالت استراحت به طول انجامید. بدین ترتیب 35٪ زمانی کمتر از شبیه سازی ابر رایانه قبلی بدست آمد. در سال 2018 ،شروع به کار یک ابر رایانه به نام IBM Blue Gene / Q در حدود 5 دقیقه و شبیه‌سازی یک ثانیه از زمان بیولوژیکی تقریباً 12 دقیقه به طول انجامید.
پروفسور نووتنی استاد انفورماتیک دانشگاه ساسکس گفت: “شبیه‌سازی در مقیاس بزرگ از مدل‌های شبکه عصبی ابزاری مهم برای بهبود درک ما از پویایی وعملکرد مغز است. حتی پستانداران کوچک مانند موش‌ها چیزی در حدود 1 × 1012 عدد اتصالات سیناپسی دارند، به این معنی که شبیه‌سازی آن به چندین ترابایت داده احتیاج دارد.”
این تحقیقات موجب یک تغییر بزرگ برای محققان علوم اعصاب محاسباتی و هوش مصنوعی است که اکنون می‌توانند مدارهای مغزی را بسیار سریعتر شبیه سازی کنند، اما هم‌چنین این تحقیقات به افراد خارج از دانشگاه اجازه می‌دهد تا کامپیوتری که با آن بازی می‌کنند را به یک ابر رایانه تبدیل کرده و شبکه‌های عصبی بزرگ را شبیه‌سازی کنند.
