Un collectif international a utilisé le supercalculateur japonais Fugaku pour bâtir un modèle numérique du cortex de la souris d’une ampleur et d’un réalisme rarement atteints. Ce cerveau virtuel, piloté par des lois biophysiques, reproduit l’activité électrique des neurones et la circulation ionique jusque dans leurs compartiments subcellulaires. Les chercheurs peuvent ainsi observer, en toute sécurité, l’émergence de phénomènes complexes et tester des hypothèses sur la progression de maladies neurologiques.
Un cortex virtuel qui se comporte comme un vrai
Dans ce modèle, près de dix millions de neurones sont reliés par environ 26 milliards de synapses, organisés à travers 86 régions corticales. Chaque cellule nerveuse n’est pas seulement un point abstrait : sa morphologie arborisée est découpée en multiples segments, dont chacun suit la dynamique du potentiel de membrane et des flux ioniques. Ce niveau de détail permet de représenter des phénomènes tels que la sommation synaptique locale ou la propagation de signaux le long des dendrites, points clés du traitement de l’information.
Le cortex simulé produit une activité spontanée proche de l’état de repos observé chez l’animal. Pour faciliter la visualisation, seule une petite fraction des neurones est affichée, chaque cellule s’illuminant brièvement lorsqu’elle décharge un potentiel d’action. Cette fenêtre virtuelle offre un aperçu des schémas de communication qui orchestrent l’attention, l’intégration sensorielle ou la préparation motrice.
Pourquoi c’est important
- Les neurosciences ne se limitent plus à des expériences une par une sur du tissu biologique : on peut désormais rejouer de nombreux scénarios en parallèle dans un environnement contrôlé.
- Le modèle capture simultanément structure et dynamique, deux ingrédients indispensables pour comprendre comment des altérations locales se propagent à l’échelle du réseau.
Explorer maladies, rythmes cérébraux et crises de manière sûre
Grâce à cette plateforme, les équipes peuvent imiter des contextes proches de pathologies telles que la maladie d’Alzheimer ou l’épilepsie. En faisant varier des paramètres précis (connectivité, excitabilité, efficacité synaptique), il devient possible de suivre comment un dysfonctionnement naît, se diffuse et se stabilise ou non dans les réseaux.
Ces simulations aident aussi à démêler le rôle des ondes cérébrales dans l’attention et la perception. Les interactions entre régions, impossibles à sonder exhaustivement in vivo, sont ici observables à volonté. À terme, cette approche pourrait repérer des signaux annonciateurs de troubles neurologiques, bien avant l’apparition des symptômes cliniques, et permettre d’évaluer virtuellement des pistes thérapeutiques sans risque pour des patients.
Fugaku, une puissance de calcul au service du vivant
Le supercalculateur Fugaku (développé par RIKEN et Fujitsu) se distingue par une capacité de plus de 400 quadrillions d’opérations par seconde. À titre d’image, compter jusqu’à un tel nombre, au rythme d’un nombre par seconde, prendrait plus de 12,7 milliards d’années. Cette puissance est répartie sur 158 976 nœuds, organisés en unités, étagères et baies, pour traiter d’énormes volumes de calculs en parallèle.
Choisir un tel monstre de calcul n’est pas un luxe : un modèle biophysique détaillé exige de résoudre, à chaque pas de temps, des équations différentielles pour des millions de compartiments neuronaux et des milliards de synapses. Sans une architecture massivement parallèle comme Fugaku, ce type de simulation resterait inaccessible.
Des données biologiques transformées en « cerveau numérique »
L’ossature scientifique du modèle provient des ressources de l’Allen Institute, notamment l’Allen Cell Types Database (propriétés électrophysiologiques et morphologies neuronales) et l’Allen Connectivity Atlas (cartographie des connexions entre régions). Ces connaissances sont intégrées à l’aide du Brain Modeling ToolKit (BMTK), qui assemble les paramètres biologiques, la connectivité et les règles d’activation.
Pour convertir les équations en activité nerveuse réaliste, l’équipe s’appuie sur le simulateur Neulite, capable de faire « parler » les neurones : décharges, signaux synaptiques, fluctuations membranaires et intégration dendritique. Le résultat est un cortex virtuel qui respecte la physique du neurone et qui permet de tester, avec finesse, les effets d’une modification locale sur l’ensemble du réseau.
Une étape qui ouvre la voie à des modèles bien plus vastes
Ce projet franchit un cap technique : il prouve qu’avec suffisamment de puissance de calcul et des données biologiques de qualité, des modèles cérébraux à grande échelle et fidèles à la biologie sont désormais à portée. La trajectoire est claire : passer de l’étude d’aires isolées à la simulation de tout le cerveau de la souris, puis, à plus long terme, à des versions plus complètes et plus riches en détails.
L’ambition ne consiste pas seulement à simuler « plus grand », mais à simuler mieux : intégrer davantage de types cellulaires, de neuromodulateurs, de plasticités, de contraintes métaboliques et d’entrées sensorielles réalistes. Chaque ajout rapproche les modèles d’une boîte à outils où l’on peut interroger les mécanismes de la cognition et de la pathologie de manière reproductible.
Une collaboration internationale et un rendez-vous scientifique
Le projet réunit des expertises en neurosciences, modélisation et calcul haute performance provenant de plusieurs institutions, dont l’Allen Institute et des universités japonaises. Les résultats détaillés doivent être présentés à SC25, grand rendez-vous mondial du supercalcul.
Comment voit-on l’activité dans le modèle ?
Pour l’exploration visuelle, une sous-partie des neurones est affichée et change de couleur lors des décharges, ce qui permet de distinguer rapidement les motifs d’activation par région corticale. Cette représentation condensée aide à repérer les dynamiques d’ensemble sans noyer l’observateur dans la masse des données.
FAQ
En quoi un tel modèle diffère-t-il d’un réseau de neurones artificiels utilisé en IA ?
Les réseaux d’IA classiques sont des abstractions mathématiques optimisées pour une tâche. Ici, le modèle est biophysique : chaque neurone suit des lois électrophysiologiques, possède une morphologie et des synapses avec des dynamiques réalistes. L’objectif n’est pas la performance sur un benchmark, mais la compréhension mécanistique du cerveau.
Peut-on « brancher » des entrées sensorielles réalistes dans ce cortex virtuel ?
Oui, en principe. On peut injecter des flux d’activité imitant des signaux visuels, auditifs ou somatosensoriels. Cela permet d’étudier comment des schémas d’entrée se propagent dans le cortex, comment ils sont filtrés, amplifiés ou synchronisés selon les régions.
Quelles sont les limites actuelles de ces simulations ?
Malgré la puissance de calcul, il faut encore simplifier certains aspects : variabilité cellulaire incomplète, neuromodulation partielle, plasticité synaptique limitée selon les scénarios, et coûts énergétiques non explicitement modélisés. De plus, relier l’activité simulée à des comportements exige des boucles avec le corps et l’environnement, encore peu intégrées.
Quels bénéfices pour la formation et la recherche préclinique ?
Ces modèles offrent un laboratoire virtuel pour enseigner la neurophysiologie, tester des hypothèses à grande échelle, et explorer de façon contrôlée des interventions potentielles avant d’envisager des études in vivo plus coûteuses et plus longues.
Quand pourra-t-on simuler un cerveau humain complet avec ce niveau de détail ?
La direction est tracée, mais un cerveau humain compterait des ordres de grandeur supplémentaires et des données encore plus riches. Il faudra des ressources de calcul accrues, des mesures expérimentales plus fines et des avancées logicielles. On progresse étape par étape, en commençant par des modèles souris toujours plus complets.
