Un equipo internacional ha reproducido el funcionamiento completo de la corteza cerebral de un ratón en la supercomputadora Fugaku, capturando cada neurona, cada sinapsis, cada dinámica celular con fidelidad biofísica. El resultado desafía un siglo de neurociencia fragmentaria: ciertos fenómenos cerebrales permanecen invisibles hasta que se observa el sistema funcionando como una unidad integrada.

Un equipo de investigadores ha logrado simular el funcionamiento completo de la corteza cerebral de un ratón a nivel microscópico, reproduciendo hasta el último detalle la dinámica de nueve millones de neuronas y veintiséis mil millones de sinapsis.

Este avance representa un cambio fundamental en cómo podemos estudiar y comprender el cerebro de los mamíferos, incluyendo potencialmente el nuestro. El equipo internacional presentó estos resultados la semana pasada en la conferencia SC25 sobre computación de alto rendimiento, donde compartieron los detalles técnicos de su investigación.

La simulación se ejecutó en Fugaku, la supercomputadora insignia de Japón, utilizando prácticamente toda su capacidad: 145.728 nodos de computación trabajando al unísono. Lo que hace especialmente relevante este trabajo es que no se trata de una aproximación simplificada. Cada neurona del modelo conserva sus propiedades biofísicas reales: su morfología característica, los canales iónicos que determinan su comportamiento eléctrico, las concentraciones de calcio intracelular y la capacidad de emitir pulsos eléctricos de manera no lineal. En otras palabras, las neuronas virtuales se comportan como sus contrapartes biológicas.

Datos clave de esta investigación

  • Hallazgo principal: Simulación completa de la corteza cerebral del ratón con nueve millones de neuronas y veintiséis mil millones de sinapsis a nivel microscópico, revelando patrones de sincronización interhemisférica emergentes imposibles de detectar en modelos parciales.
  • Metodología: Ejecución en la supercomputadora Fugaku utilizando 145.728 nodos de computación con el simulador Neulite, un software optimizado que reproduce fielmente las propiedades biofísicas reales de cada neurona, incluyendo canales iónicos, morfología y dinámica no lineal.
  • Resultado destacado: Detección de oscilaciones sincronizadas a diez hercios en neuronas inhibitorias de áreas frontales en ambos hemisferios cerebrales, demostrando que ciertos fenómenos neurales solo emergen cuando se modela la corteza completa sin simplificaciones.
  • Escalabilidad computacional: El simulador alcanzó 7.35 petaflops de rendimiento pico y requiere apenas treinta y dos segundos de tiempo real para calcular un segundo de actividad virtual de toda la corteza del ratón, abriendo caminos para experimentación computacional sistemática.
  • Proyección futura: Una corteza de mono podría simularse a este nivel de detalle con Fugaku a plena capacidad, mientras que la corteza humana podría alcanzarse tecnológicamente alrededor del año 2044, permitiendo estudios de trastornos neurológicos y desarrollo de inteligencia artificial inspirada en el cerebro con eficiencia energética comparable al biológico.

Referencia

Microscopic-Level Mouse Whole Cortex Simulation Composed of 9 Million Biophysical Neurons and 26 Billion Synapses on the Supercomputer Fugaku. Rin Kuriyama et al. SC ’25: Proceedings of the International Conference for High Performance Computing, Networking, Storage and Analysis, Pages 2158 – 2171. DOI:https://doi.org/10.1145/3712285.3759819

Representación con código de colores de la corteza cerebral de un ratón que simula la actividad de las células cerebrales. (Video vía Allen Institute).

Neulite, la clave

Para hacer posible esta hazaña computacional, los investigadores desarrollaron Neulite, un simulador ligero específicamente optimizado para Fugaku. La arquitectura del software aprovecha la estructura jerárquica de la supercomputadora mediante una estrategia de paralelización que opera simultáneamente a tres niveles: MPI para distribuir el trabajo entre nodos de computación, OpenMP para aprovechar los núcleos dentro de cada nodo, y las extensiones vectoriales escalables (SVE) para ejecutar operaciones SIMD de 512 bits. Esta organización permitió alcanzar un rendimiento pico de 7.35 petaflops cuando se usó el sistema a plena capacidad.

El modelo anatómico reproduce fielmente la organización de la corteza del ratón. Las neuronas se distribuyen en 86 regiones correspondientes a 43 áreas isocorticales en ambos hemisferios, siguiendo el Marco de Coordenadas Común del Cerebro del Ratón del Allen Institute. Cada región mantiene la estructura columnar vertical característica de la corteza, con cinco capas en las áreas motoras y seis en las sensoriales. El modelo incluye cuarenta y ocho tipos diferentes de neuronas, cada uno con sus propias morfologías y parámetros fisiológicos específicos, mientras que las conexiones sinápticas se estimaron basándose en datos reales del conectoma mesoscópico del ratón.

Sincronización entre hemisferios: mucho más que dos

Los resultados revelaron un patrón inesperado. Aunque la mayoría de las neuronas emitían impulsos de manera relativamente uniforme o permanecían silenciosas al recibir una corriente tónica constante, ciertos grupos de neuronas inhibitorias en las capas 2/3 de las áreas 21 y 22 —correspondientes al polo frontal izquierdo y derecho— exhibieron actividad sincronizada a aproximadamente diez hercios. Este patrón de oscilación no ocurrió de manera aislada en cada hemisferio.

Al calcular la correlación cruzada entre las actividades poblacionales de ambos hemisferios, los investigadores observaron una clara oscilación a la misma frecuencia, lo que sugiere una sincronización interhemisférica. Este tipo de fenómeno emergente solo puede detectarse en modelos que abarcan toda la corteza.

Eso significa que ciertos fenómenos cerebrales no son simplemente la suma de sus partes: requieren que todas las partes estén presentes y coordinadas para manifestarse. Es un descubrimiento que desafía la estrategia tradicional de la neurociencia: la de aislar y estudiar sistemas pequeños. Algunos secretos del cerebro solo se revelan cuando se observa como la unidad integrada que realmente es.

Detalles técnicos

La escalabilidad del sistema quedó demostrada en pruebas de referencia con un modelo de red equilibrada aleatorio. El simulador mostró propiedades de escalado débil y fuerte hasta 152.064 nodos, alcanzando un rendimiento pico de 7.13 petaflops. El tiempo de cómputo para simular un segundo de tiempo virtual de la corteza completa del ratón fue de apenas 32 segundos de tiempo real en el mejor de los casos. Esta velocidad —apenas 32 segundos de tiempo real— abre posibilidades antes impensables para la experimentación computacional con cerebros virtuales, enfatizan los investigadores en su artículo.

Siguiendo la filosofía Unix de ‘hacer una cosa bien’, Neulite se concentra únicamente en el cálculo eficiente de las neuronas, delegando la interfaz y la gestión de datos a otras herramientas especializadas.

Aplicaciones múltiples

Las implicaciones de este trabajo van más allá del ratón. Si bien la corteza de un ratón contiene nueve millones de neuronas, la de un mono contiene aproximadamente 480 millones y la humana unos 21 mil millones. Los investigadores estiman que una corteza completa de mono podría simularse a nivel microscópico usando el sistema Fugaku a escala completa, mientras que una corteza humana completa sigue siendo un desafío a largo plazo, posiblemente alcanzable alrededor del año 2044 o después. No obstante, esta investigación ha trazado el camino.

Este tipo de réplicas digitales del cerebro tiene aplicaciones múltiples. Pueden servir como modelos fundamentales para teorías más abstractas, como herramientas clínicas para estudiar síntomas de trastornos neurológicos que emergen de propiedades microscópicas, y como implementaciones de referencia para desarrollar inteligencia artificial al estilo del cerebro con mayor eficiencia energética, considerando que un cerebro humano opera con aproximadamente veinte vatios.

La simulación microscópica nos acerca a comprender no solo qué hace el cerebro, sino cómo lo hace realmente, neurona por neurona, sinapsis por sinapsis.