Eine Gruppe von Neurowissenschaftlern und Softwareingenieuren der Computational Neuroscience Research Group (CNRG) an der University of Waterloo hat das weltweit größte Funktionsmodell des menschlichen Gehirns erstellt. Dieses simulierte Gehirn mit dem Namen Spaun ist mit einem digitalen Auge zur visuellen Erfassung und einem Roboterarm verbunden, mit dem es seine Antworten zu Papier bringt.

Der Roboterarm als Ausgabesystem ist das einzige motorisch gesteuerte System des Modells. Die Forscher haben MapleSim, die Simulations- und Modellierungsplattform von Maplesoft, dazu eingesetzt, diesen Arm zu erstellen. Laut Travis DeWolf, Forscher an der University of Waterloo, der den Arm gebaut hat, ist die erfolgreiche Entwicklung des komplexen Armmodells vor allem der symbolischen Rechenleistung von MapleSim und seinen Fähigkeiten zur Vereinfachung der Modelle zu verdanken.

Eines der Probleme, vor denen Travis am Anfang seiner Forschungsarbeit stand, war, dass umfassende Modelle des menschlichen Arms nicht ohne weiteres verfügbar waren. Bei empirischen Studien im Bereich der Hirnforschung kommt es jedoch häufig vor, dass der Forschungsgegenstand mit einem Arm verschiedene Aufgaben ausführt. Daher was es wichtig, über ein simuliertes Armmodell zu verfügen, um die Genauigkeit des Gehirnmodells zu testen.

Spaun (Semantic Pointer Architecture Unified Network) besteht aus 2,5 Millionen simulierten Neuronen, mit denen es acht verschiedene Aufgaben ausführen kann. Spaun hat ein digitales Auge mit 784 Pixel (28×28) und einen Roboterarm, der auf Papier schreiben kann. Die Forscher zeigen ihm eine Reihe von Zahlen und Buchstaben, die Spaun in sein Gedächtnis einliest, und anschließend einen weiteren Buchstaben oder ein Symbol als Befehl, welche Funktion Spaun ausführen soll. Die Ausgabe der Aufgabe wird anschließend vom simulierten Arm geschrieben. Mit dem Arm führt das Gehirn Aufgaben wie das Zeichnen von Kopien, Zählen, Erinnern und die Wiedergabe von Sequenzen sowie fluides Denken vor. 

Ein Artikel in Popular Science beschreibt es so: „Das Computerprogramm erkennt Gegenstände, lernt und erinnert sich und besteht sogar einige einfache Komponenten eines Intelligenztests.  Das ist ein großer Fortschritt in der Simulation des Gehirns, da dies das erste Modell ist, das Verhalten nicht nur emulieren sondern auch die zugrundeliegende Physiologie modellieren kann.“

Travis und sein Team haben mit MapleSim ein Arm-Modell mit 9 Muskeln und 3 Gelenken (Schulter, Ellbogen und Handgelenk) auf der Grundlage eines Modells aus einer Arbeit von Dr. Kenji Tahara konstruiert. Die Muskeln dieses Arms sind in MapleSim auf der Grundlage des Muskelmodells von Hill nachgebildet worden. Der Controller wurde in MATLAB modelliert, und die Konnektivität zwischen MapleSim und MATLAB über die Maple-Engine sorgt für die nahtlose Verbindung beider Systeme. „Wir konnten die Komplexität des Modells mit MapleSim allmählich und in kleinen Schritten erhöhen“, erklärte Travis hierzu. „Mit MapleSim konnten wir nach und nach weitere Muskeln bzw. Gelenke hinzufügen, ohne an Genauigkeit zu verlieren. Das hat dabei geholfen, den Aufwand niedrig zu halten und uns auf die Entwicklung des Steuersystems zu konzentrieren.“

Travis hatte andere ähnliche Werkzeuge zur Modellierung und Simulation in Erwägung gezogen; ausschlaggebend waren schließlich die Fähigkeiten von MapleSim bei symbolischen Berechnungen. „Bei der übrigen Software, die wir uns angesehen hatten, waren die zugrunde liegenden Gleichungen für die Analyse nicht zugänglich“, fuhr Travis fort. „Bei MapleSim hatten wir Zugang zu den symbolischen Gleichungen, die das System bestimmen. Das heißt, wir haben sehr genaue Beschreibungen erhalten und konnten das Modell ausgiebig analysieren. Außerdem wurden die Gleichungen in MapleSim automatisch vereinfacht, was die Simulation äußerst effizient gemacht hat.“

Ziel der Forschung für Spaun war es, zu bewerten, wie verschiedene Szenarien die Ausgabe des Gehirnsystems beeinflussen. In weiteren Forschungen mit demselben MapleSim Armmodell ist die Modellierung der Auswirkungen von Hirnschäden durch ein stumpfes Trauma, die Huntingtonsche Krankheit und zerebellare Anomalien untersucht worden. Die Ergebnisse wurden mit Daten realer Patienten verglichen, um die Genauigkeit des Modells zu bestimmen. Dabei ist ein realistischer Arm, der sich ähnlich wie ein richtiger Arm verhält, mit entsprechenden Reaktionen der Muskeln, Massen und Längen der Armsegmente wichtig, um genaue Ergebnisse zu erhalten.

Die Ergebnisse aus dieser Forschung können zur Modellierung neuer Behandlungsmethoden für die Patienten eingesetzt werden. So können z.B. die Auswirkungen der tiefen Hirnstimulation, bei der ein Draht in das Gehirn eingebracht wird, um elektrische Signale zur Behandlung der Parkinsonschen Krankheit zu übertragen, auf diese Weise modelliert werden. Ein Modell wie Spaun hilft bei der gründlicheren und genaueren Untersuchung, bevor die Behandlung beginnt. Ein weiterer Anwendungsbereich ist die Entwicklung von Neuroprothesen. Hier wird ein besseres Verständnis des Motorsteuersystems und der Ausgangssignale besser funktionierende Prothesen ermöglichen.

Seit dem Abschluss der Arbeiten am Spaun-Modell arbeitet Travis nun an einem lernbasierten Modell der Motorsteuerung des Gehirnsystems anstelle eines Ansatzes mit einem analytischen Controller. MapleSim spielt wegen seiner einfachen Schnittstellen und seiner hochoptimierten Simulationen bei dieser Forschung eine wichtige Rolle. Die Armsimulationen, die Travis für Spaun erstellt hat, werden nun für die Entwicklung anderer Controller verwendet. Dies spart Travis Zeit und Aufwand bei der Erstellung neuer Modelle, während er seine Forschung auf Weltniveau fortsetzt.