به گزارش خبرگزاری مهر به نقل از فیز، این برنامه توسط گروهی از محققان در دانشگاه توبینگن آلمان انجام شده است.

نرم افزار مذکور مبنایی برای نسل جدیدی از شبیه سازی های مغز فراهم می‌کند که چشم انداز دقیق‌تری به فعالیت و عملکرد مغز ارائه می‌دهند. محققان از چند دهه قبل سعی دارند مدل‌های رایانشی از مغز بسازند که ادراک از اعضای بدن و فرایندهایی که در آنجا رخ می‌دهد را بهبود بخشند. آنها با کمک روش‌های ریاضی رفتار و تعامل سلول‌های عصبی و ترکیبات شأن را شبیه سازی کردند.

با این وجود مدل‌های پیشین نقاط ضعف مهمی دارند. آنها یا براساس مدل‌های عصبی بسیار ساده شده بودند و به همین دلیل از واقعیت‌های زیست شناختی فاصله زیادی داشتند یا آنکه فرایندهای زیست فیزیکی در سلول‌ها را به دقت نشان می‌دهد اما نمی‌توانستند وظایف مشابه را در مغز انجام دهند.

مایکل دیستلر مؤلف نخستن پژوهشگر در این باره می‌گوید: هر دو مسیر برای مغز مشابه است اما نتایج یکسان نیست یا نتیجه صحیح است اما فرایندی که به آن منتهی می‌شود با دیگر فرایندهای مغز قابل مقایسه نیست.

برنامه جدید که Jaxley نام دارد، امکان آموزش مدل‌های مغزی را به‌گونه‌ای فراهم می‌کند که هر دو ویژگی برقرار باشند. این گامی مهم به‌سوی توانایی نتیجه‌گیری از مدل دربارهٔ فرایندهای واقعی در مغز به حساب می‌آید.

این پیشرفت به کمک روشی به دست آمده برای آموزش شبکه‌های عصبی مصنوعی نیز به کار می‌رود و «پس انتشار خطا»(backpropagation of error) نام دارد. این روش یک شبکهٔ عصبی مصنوعی در هنگام آموزش پارامترهای خود را طوری تنظیم می‌کند که یک ورودی مشخص به ارائه خروجی مورد نظر منجر شود. شبکه به‌طور پیوسته خود را تطبیق می‌دهد تا زمانی که بتواند وظیفهٔ مورد انتظار را به‌طور قابل‌اعتماد انجام دهد.

به این ترتیب شبکه می‌آموزد چه ویژگی‌ها و چه ارتباطاتی در داده‌ها برای فرایندهای خاص اهمیت دارند و همچنین نتایج صحیح را با توجه به نمونه‌های جدید و مشابه ارائه می‌کند.