Uma equipe de cientistas liderada pelo Caltech e pelo Cedars-Sinai desenvolveu uma nova estrutura de inteligência artificial capaz de criar modelos virtuais de neurônios cerebrais com precisão, rapidez e eficiência. A ferramenta, chamada NOBLE (Neural Operator with Biologically-informed Latent Embeddings), pode acelerar descobertas na pesquisa sobre o funcionamento cerebral e, em última análise, levar a melhores tratamentos para distúrbios cerebrais.

Os pesquisadores apresentaram o NOBLE na 39ª Conferência Anual sobre Sistemas de Processamento de Informação Neural (NeurIPS), em San Diego.

"Poucos sabem que o Caltech é o berço do NeurIPS , cujo objetivo era reunir neurociência e IA sob um mesmo guarda-chuva", diz Anima Anandkumar, professora Bren de Computação e Ciências Matemáticas no Caltech, membro afiliada do Instituto de Neurociência Tianqiao e Chrissy Chen no Caltech e uma das autoras do novo trabalho. "É exatamente isso que o NOBLE realiza. É a primeira estrutura de aprendizado profundo em larga escala que combina modelos matemáticos de neurônios bio-realistas com validação experimental."

O NOBLE é baseado em operadores neurais, especialidade de Anandkumar. Operadores neurais são um tipo especial de rede neural que trabalha com funções matemáticas contínuas em vez de pontos de dados discretos. Eles permitem que pesquisadores examinem fatores em um sistema em diferentes escalas e resoluções, proporcionando uma visão mais ampla do comportamento dos dados muito mais rapidamente do que os métodos padrão, oferecendo benefícios essenciais para a resolução de problemas científicos.

"A modelagem computacional de neurônios cerebrais tornou-se uma ferramenta importante para o estudo de sua atividade e interações", afirma Costas Anastassiou , professor associado de neurologia, neurocirurgia e ciências biomédicas do Cedars-Sinai e um dos autores do novo artigo. "Mas os modelos tradicionais são limitados por fatores como o custo dos recursos computacionais, a disponibilidade de dados e a complexidade de processamento. Nossa nova estrutura resolve esse problema operando a velocidades milhares de vezes maiores do que os métodos existentes, mantendo-se biologicamente precisa a ponto de capturar a variabilidade dos neurônios cerebrais reais. A estrutura pode gerar um número ilimitado de neurônios virtuais, refletindo melhor a diversidade e a variabilidade dos neurônios biológicos reais."

O artigo "NOBLE—Neural Operator with Biologically-informed Latent Embeddings to Capture Experimental Variability in Biological Neuron Models" foi publicado nos anais do NeurIPS. Os demais autores são Valentin Duruisseaux, pesquisador de pós-doutorado no Caltech; Luca Ghafourpour, da ETH Zurich; Bahareh Tolooshams, da Universidade de Alberta e do Instituto de Inteligência de Máquina de Alberta; e Philip H. Wong, do Cedars-Sinai Medical Center. Os pesquisadores são financiados pela Cátedra Bren do Caltech, pelo Escritório de Pesquisa Naval (Office of Naval Research), pelo programa AI2050 Senior Fellow da Schmidt Sciences e pelos Institutos Nacionais de Saúde (NIH).