IISc Araştırmacıları Son Çalışmada İnsan Beyin Aktivitesini Keşfetmek için GPU’ları Kullanıyor

Hindistan Bilim Enstitüsü’ndeki (IISc) araştırmacılar tarafınca geliştirilen yeni bir Grafik İşleme Birimi (GPU) tabanlı makine öğrenimi algoritması, bilim adamlarının beynin değişik bölgeleri arasındaki bağlantıyı daha iyi anlamasına ve tahmin etmesine destek olabilir. Algoritma, Düzenlileştirilmiş, Hızlandırılmış, Doğrusal Fascicle olarak adlandırılıyor. Değerlendirme yada ReAl-LiFE, insan beyninin difüzyon Manyetik Rezonans Görüntüleme (dMRI) taramalarından üretilen çok büyük miktardaki verileri hızla çözümleme edebilir. Ekip, ReAL-LiFE’ı kullanarak dMRI verilerini mevcut durumdan 150 kat daha süratli değerlendirebildi. Pazartesi günü gösterilen bir IISc basın açıklamasına bakılırsa son teknoloji algoritmalar. Nörobilim Merkezi’nde (CNS) Doç. IISc ve Nature Computational Science dergisinde gösterilen çalışmanın ilgili yazarı. Milyonlarca nöron beyinde her saniye ateşlenir ve ac hareket eden elektrik darbeleri üretir. bağlantı kabloları yada “aksonlar” vesilesiyle beynin bir noktasından diğerine ross nöron ağları. Bu bağlantılar, beynin gerçekleştirdiği hesaplamalar için gereklidir. CNS’de doktora talebesi ve çalışmanın ilk yazarı olan Varsha Sreenivasan, “Beyin bağlantısını idrak etmek, beyin-davranış ilişkilerini geniş ölçekte ortaya çıkarmak için tehlikeli sonuç öneme haizdir” dedi. Bununla beraber, beyin bağlantısını incelemek için geleneksel yaklaşımlar tipik olarak hayvan modellerini kullanır ve istilacıdır. Öte taraftan dMRI taramaları, insanlarda beyin bağlantısını incelemek için invazif olmayan bir yöntem sağlar. Beynin değişik alanlarını birbirine bağlayan kablolar (aksonlar), data otoyollarıdır. Akson demetleri tüp şeklinde olduğundan, su molekülleri uzunlukları süresince yönlendirilmiş bir halde bunların içinde hareket eder. dMRI, bilim adamlarının, bir konektom isminde olan, beyin süresince uzanan lif ağının kapsamlı bir haritasını oluşturmak için bu hareketi izlemesine izin verir. Ne yazık ki, bu bağlaçları tam olarak belirlemek kolay değildir. Taramalardan elde edilmiş veriler, bir tek beynin her noktasındaki su moleküllerinin net akışını sağlıyor, açıklamayı yapmış oldu. “Su moleküllerinin otomobil bulunduğunu hayal edin. Elde edilmiş bilgiler, yollar hakkında hiçbir bilgisi olmayan araçların uzayda ve zamanda her noktadaki yönü ve hızıdır. Görevimiz, bu trafik modellerini gözlemleyerek yol ağlarını çıkarmaya benzer,” diye açıklıyor Sridharan. Bu ağları doğru bir halde tanımlamak için, geleneksel algoritmalar, çıkarsanan bağlantıdan tahmin edilen dMRI sinyalini gözlemlenen dMRI sinyaliyle yakından eşleştirir. Bilim adamları daha ilkin bir algoritma geliştirmişlerdi. Bu optimizasyonu gerçekleştirmek için LiFE (Linear Fascicle Assessment) olarak adlandırıldı, sadece zorluklarından biri, hesaplamayı vakit alıcı hale getiren geleneksel Merkezi İşlem Birimleri (CPU’lar) üstünde çalışmasıydı. Yeni çalışmada, Sridharan’ın ekibi algoritmalarını Gereksiz bağlantıların kaldırılması da dahil olmak suretiyle çeşitli yollarla ilgili hesaplama eforunu azaltarak, böylece LiFE’nin performansını mühim seviyede artırdı. Algoritmayı daha da hızlandırmak için ekip ek olarak, üst düzey oyun bilgisayarlarında bulunan türde hususi elektronik çipler üstünde çalışacak şekilde tekrardan tasarladı. – Fa’nın 100-150 katı hızlarda verileri çözümleme etmelerine destek olan Grafik İşlem Birimleri (GPU’lar) olarak adlandırılır Bu geliştirilmiş algoritma, ReAl-LiFE, bir insan kontrol deneğinin iyi mi davranacağını yada belirli bir görevi yerine getireceğini de tahmin edebildi. Başka bir deyişle, her bir fert için algoritma tarafınca tahmin edilen bağlantı güçlerini kullanarak ekip 200 katılımcıdan oluşan bir grupta davranışsal ve bilişsel kontrol puanlarındaki farklılıkları açıklayabildi. Bu tür analizlerin tıbbi uygulamaları da olabilir. Sreenivasan, “Büyük ölçekli veri işleme, bilhassa sıhhatli beyin işlevini ve beyin patolojisini idrak etmek için, büyük veri nörobilim uygulamaları için giderek daha lüzumlu hale geliyor” diyor. Alzheimer hastalarında davranışsal olarak ortaya çıkmadan ilkin beyin fonksiyonlarının yaşlanması yada bozulması. “Başka bir çalışmada, önceki bir ReAL-LiFE sürümünün Alzheimer hastalığı olan hastaları sıhhatli kontrollerden ayırt etmede öteki rakip algoritmalardan daha iyi netice verdiğini bulduk” diyor Sridharan. GPU tabanlı uygulamalarının fazlaca genel bulunduğunu ve öteki birçok alanda optimizasyon sorunlarının üstesinden gelmek için kullanılabileceğini de ekliyor.

Teknoloji Haberleri