不管你有沒有孿生兄弟，現在，你的大腦有了“孿生兄弟”。
這個大腦的“孿生兄弟”叫作“數字孿生腦”（DTB）。就像人類大腦的“備份”或克隆體，科學家不僅可以用它整合各類生物腦研究結果，還可以揭示腦機理、啟發類腦智能、解鎖所有和腦有關的疾病
近日，電子科技大學生命科學與技術學院神經工程與神經數據團隊（中國醫學科學院神經信息創新單元）成功建立了數字孿生腦模型，并基于該模型開展了穩態視覺誘發電位響應機制研究。相關成果已在《神經影像》上發表。
類腦智能研究成熱點
人類大腦是21世紀最偉大的科學研究領域之一。
“作為現代神經科學與類腦智能間的關鍵橋梁，以跨尺度腦模擬為代表的計算神經科學技術在幫助揭示腦工作機理、發展類腦智能與通用人工智能算法、開發類腦形態計算芯片等方面起著至關重要的作用。”該團隊負責人、電子科技大學生命科學與技術學院教授堯德中告訴《中國科學報》。
在利用計算神經科學技術開展腦科學研究方面，世界其他國家和組織都在緊鑼密鼓地布局。
2013年，歐盟發起為期十年的人類大腦研究計劃——人類腦計劃（HBP）。該計劃的核心目標是通過計算機模擬大腦，建立一套完整的生成、分析、整合、模擬腦數據的通用平臺。人類大腦包含約860億個神經元，將大腦模擬到神經元水平需要測量它們自身和相互間的所有微妙特性。面對如此龐大的科學問題，計算機的處理能力仍然有限，無法在實際可行時間內執行這些計算。在HBP的大腦模擬子項目中，研究者以體素/腦區為最小單元,建立全腦動力學模擬模型——虛擬腦（TVB），該平臺的主要應用是腦疾病機制研究，其典型應用場景是癲癇患者的個體化精準治療。
2019年，谷歌發布了果蠅大腦神經元的3D模型（神經元的三維結構重建）。該神經元模型表征了果蠅大腦神經元的幾何拓撲形狀。在此基礎上，谷歌進一步利用大數據和腦連接組，重構了果蠅神經元間的連接組。
“這些工作都是從腦切片的3D幾何重建入手，構建神經元間的幾何形狀以及神經元間的直接連接形態，因此只是結構模型，尚不具備功能意義。”堯德中說，“從功能的角度講，這些模型還不是孿生腦，但可以作為未來進一步研制DTB的結構基礎。”
國內首個孿生腦平臺
近年來，“數字孿生”的概念逐步進入人們視野。
這一概念由美國國防部提出，最初是利用數字技術，建立真實飛機模型，并通過傳感器實現與飛機真實狀態完全同步，這樣每次飛行后，根據結構現有情況和過往載荷，可以及時分析評估是否需要維修、能否承受下次的任務載荷等。
“通俗地說，數字孿生是創建在信息化平臺上虛擬的‘備份’或‘克隆體’。”堯德中解釋說，“數字孿生腦是基于計算神經科學理論、融合多模態神經影像數據建立的一種全腦尺度的動態腦功能的計算模擬平臺。數字孿生腦基于彌散磁共振成像獲取的大腦內部結構連接信息，作為確定模型內部連接的基礎，再利用磁共振功能成像和腦電磁成像獲得的功能信息，對模型參數進行優化。由此得到的模型，將同時在結構和功能上類腦，因此可稱之為數字孿生腦模型。”
基于計算神經科學理論，研究人員通過融合多模態神經成像數據，引入并優化國際先進的“結構—功能”迭代優化理論，建立了國內首個數字孿生腦計算平臺，并在功能圖譜層次實現了對大尺度腦動態的精準模擬。
“該平臺在建立時，引入了基于大腦功能數據的反演優化算法，因此仿真精準度更高。”電子科技大學生命科學與技術學院教授郭大慶對《中國科學報》說，“這一優勢使得DTB平臺的應用領域更加廣泛。除了在腦疾病上的應用以外，數字孿生腦平臺還將致力于結合實驗范式探究腦功能與腦認知，因此在認知神經科學、類腦智能、腦機接口等領域有更廣闊的應用前景。”
讓人工智能邁上新臺階
“與歐盟的虛擬腦相比，數字孿生腦模型更全面地利用了多模態神經成像數據，并采用‘功能—結構’互約束迭代優化的參數優化方法，在神經活動、血氧信號等多個模態上，實現了對高維‘時—空’腦動態信息交互與腦功能圖譜的更精準模擬。”郭大慶說。
目前，DTB作為國內第一家數字孿生腦模型平臺，已經歷了兩個版本的迭代。
“數字孿生腦模型平臺支持的腦區規模和模擬精度均已處于國際領先行列。”該論文第一作者張鬲博士說，“同時，在腦動態模型構建過程中，DTB可支持多種動力學模型選擇，具備整合皮層下重要核團的能力，并基于并行加速實現了對模型的高效仿真和數據的實時展示。”
研究認為，大腦是由不同功能子區域交互構成的復雜動力學系統，而腦功能是由分布于多腦區的神經網絡實現的。
堯德中介紹說，通過數字孿生腦可以幫助人們揭示大腦的基本工作原理，因此它是連接神經生物學實驗（微觀）與心理認知行為觀測（宏觀）的橋梁，在類腦智能、腦機接口等研究中將發揮越來越重要的作用。此外，由于DTB具備整合皮層下重要核團和結構的能力，因此“其在腦疾病的調控中比歐盟的虛擬腦更具優勢”。
“DTB是生物腦的‘數字兄弟’，可與腦機接口建立合作關系。”郭大慶解釋說，“腦機接口是生物腦和計算設備之間的信息通道，實現生物腦與設備之間的信息交換，其效果取決于對生物腦信號的解碼和反饋信息的編碼，其中生物腦是作為一個黑箱參與其中的，這極大地限制了腦機接口的發展。”
借助DTB，人們可以更深刻地去探討腦機接口的編解碼過程，闡明現行各種腦機接口的機制并探索發現新的范式。事實上，堯德中團隊正著力應用數字孿生腦技術開展虛擬腦機接口相關機制研究。近期，他們利用數字孿生腦模型，研究了穩態視覺誘發電位（SSVEP）響應機制，證實了α波段（8-12Hz）刺激能激發更強的SSVEP響應，并揭示了這種頻率敏感特性是由非線性夾帶和共振引起的，而且可以被大腦的內源性因素調節。這些工作加深了人們對SSVEP腦機接口中的大腦工作機制的認識，為進一步優化SSVEP腦機接口、開發其應用提供了重要的理論支撐。
“理論上，在腦系統層面建立高精度數字孿生腦模型，不僅可以整合各類生物腦研究結果，還可把解剖式生物學研究的斷面腦變成生動的動態腦和工作腦，因此可能是揭示腦機理、啟發類腦智能、解鎖腦疾病的絕佳途徑。”堯德中教授說，“該領域還有很大的發展空間，希望國內更多的優秀團隊加入數字孿生腦的建立及應用中，發展具有中國特色世界領先的全腦尺度計算模型。相信未來的數字孿生腦可以通過模仿人類神經系統的工作原理，成為一定意義上的通用智能系統，讓人工智能邁上新的臺階，在思考、決策上接近于人腦。”
來源：《中國科學報》
