Les cartes graphiques pour jeux vidéo disponibles dans le commerce pourraient nous aider à simuler le fonctionnement du cerveau humain, et ce à moindre coût. C’est en tout cas ce qu’espère une équipe de chercheurs de l’Université du Sussex (Royaume-Uni) qui a reproduit l’activité d’un cortex visuel de macaque à partir d’un modèle contenant 4 millions de neurones et plus de 24 milliards de synapses.
« Les scientifiques utilisent depuis longtemps des modélisations numériques pour mieux comprendre le fonctionnement de notre cerveau et mettre au point des traitements pour des pathologies comme la maladie d’Alzheimer ou de Parkinson », précise New Scientist. « Le problème est que, pour simuler le fonctionnement de la quantité de neurones et de synapses d’un être vivant, même le plus simple, ils ont besoin d’une énorme puissance de calcul. Résultat, même les superordinateurs peinent à le faire ».
En 2018, une équipe avait déjà simulé, à l’aide d’un superordinateur, ce type d’activité cérébrale sur la base du même modèle de cortex de macaque que celui utilisé dans la publication récente. Une seconde d’activité avait nécessité douze minutes de calcul. Cette fois, grâce à une carte graphique conçue pour rendre des scènes en 3D, l’équipe de James Knight a pu effectuer la même tâche en un peu moins de huit minutes.
« Un nouveau superordinateur, Jureca, a pu réaliser la même simulation en seulement trente et une secondes, mais l’opération peut coûter des dizaines de millions d’euros et nécessite le maintien d’une équipe. À l’inverse », explique James Knight à l’hebdomadaire, « la carte Nvidia Titan RTX utilisée pour le test ne coûte que quelques milliers d’euros ». Voilà qui ouvre de nouvelles perspectives en matière de simulation et, par extension, de compréhension du cerveau.
Seulement voilà, cet organe essentiel peut, en fonction des événements, renforcer ou affaiblir les connexions entre les synapses. Pour la modélisation numérique, cela signifie qu’il faut pouvoir stocker en mémoire ce type d’information, ce que ne permettent pas les processeurs graphiques (ou GPU). James Knight imagine qu’une approche hybride combinant sa méthode et les techniques de stockage de mémoire traditionnelles pourrait permettre de faire un pas de plus vers la plasticité synaptique.
Article rédigé par Georges Simmonds pour RT Flash
