スパコン「JUPITER」と新アルゴリズムによって人間の脳「全シミュレーション」が可能になるかもしれない

投稿日時：2026年1月18日13:12

2026年1月、神経科学とスーパーコンピューティングの歴史において、特筆すべき転換点が訪れた。ドイツのユーリッヒ研究センター（Forschungszentrum Jülich）を中心とする国際研究チームが、欧州初の「エクサスケール」スーパーコンピュータ「JUPITER」において、人間の脳の大脳皮質全体に匹敵する規模のシミュレーションを実現するための決定的な技術的ブレイクスルーを達成した。

これは単なる計算速度の向上だけで成されるものではない。従来のAI（人工知能）とは根本的に異なる「スパイキングニューラルネットワーク（SNN）」という、生物学的リアリズムを追求したモデルを用い、200億個のニューロンと100兆個のシナプス結合という、途方もない複雑さをデジタル空間に再現しようとする試みである。

「12分」を「55秒」に短縮した革新：GPUオンボード構築法

人間の脳をシミュレートする最大の障壁は、その圧倒的な「接続性」にある。脳は単なる計算機ではなく、数千億の神経細胞が複雑怪奇なネットワークを形成し、電気信号（スパイク）をやり取りする巨大な通信インフラだ。これをスーパーコンピュータ上で再現しようとする際、これまで研究者たちを悩ませてきたのは、シミュレーションを実行する時間そのものではなく、その前の「準備段階（セットアップ）」にかかる膨大な時間とエネルギーロスであった。

従来の手法（オフボード方式）では、ニューラルネットワークの構築、つまり「どのニューロンがどのニューロンとつながっているか」という巨大な地図の作成を、コンピュータの中央演算処理装置（CPU）が行っていた。CPUで作られたこの膨大なデータは、その後、実際に計算を行うグラフィックス処理装置（GPU）へと転送される。

しかし、人間の脳規模のモデルとなると、このデータ転送が深刻なボトルネックとなる。数テラバイト、あるいは数ペタバイト級のデータがCPUとGPUの間を行き来するため、本来の計算能力を発揮する前に長い待ち時間が発生していたのだ。これは、数千人のオーケストラ（GPU）が演奏準備を整えているのに、指揮者（CPU）が一人ひとりに楽譜を配り終わるのを待っている状態に等しい。

イタリアのカリアリ大学、国立核物理学研究所（INFN）、そしてドイツのユーリッヒ研究センターの研究チームが開発し、発表した「オンボード（Onboard）」手法は、このプロセスを根底から覆した。

新しい手法では、CPUがすべてを管理するのではなく、個々のGPUが自分自身のメモリ内で、自分が担当する脳の「部分ネットワーク」を直接構築する。研究チームはこの仕組みを、巨大な図書館の蔵書整理に例えている。

【図書館のアナロジー】

• 従来の手法： すべての本を一度中央のカウンター（CPU）に集め、そこで目録を作ってから、各部屋（GPU）の棚に配送する。これではカウンターが大混雑し、配送に時間がかかる。
• 今回の手法（オンボード）： 各部屋の司書（GPU）が、自分の部屋にある本を独自に整理し、目録を作成する。そして、「ルックアップテーブル（参照表）」という共有のアドレス帳を使うことで、他の部屋にある本が必要なときだけ、瞬時に場所を特定してアクセスする。

この分散型のアプローチにより、データの「往復」が解消された。研究チームが32基のNVIDIA製GPUを用いて、マカクザルの視覚野（約410万ニューロン、240億シナプス）のモデルでテストしたところ、ネットワーク構築にかかる時間は従来の約12分から、わずか55秒へと劇的に短縮された。これは10倍以上の高速化であり、規模が大きくなればなるほど、その効果は指数関数的に高まる。

舞台は欧州初のエクサスケール「JUPITER」へ

そして、この新しいソフトウェア技術を受け止めるハードウェアが、ドイツのユーリッヒ・スーパーコンピューティング・センター（Jülich Supercomputing Centre）で稼働を開始した欧州初のスパコン、「JUPITER（Joint Undertaking Pioneer for Innovative and Transformative Exascale Research）」である。

JUPITERは、1秒間に100京回（1エクサ＝$10^{18}$）以上の浮動小数点演算を行う能力を持つ「エクサスケール」のマシンだ。

• 心臓部： NVIDIA Grace Hopper Superchip (GH200)。これは、高性能なCPUとHPC（ハイパフォーマンス・コンピューティング）およびAI用に特化したGPUを、超高速の相互接続技術（NVLink）で統合したチップである。
• ネットワーク： NVIDIA Quantum-2 InfiniBand。数万個のチップ間を光の速度に近い低遅延で接続し、脳の神経伝達のような密な通信を可能にする。

前述の「オンボード構築法」は、このJUPITERのようなGPU重視のアーキテクチャで最大の真価を発揮する。研究チームを率いるMarkus Diesmann教授（ユーリッヒ研究センター）は、この手法とJUPITERの能力を組み合わせることで、人間の大脳皮質の完全なスケールである「200億ニューロン、100兆シナプス」のシミュレーションが現実的なエンジニアリングの範疇に入ったと明言している。

なぜ「スパイキングニューラルネットワーク（SNN）」なのか？

ここで「ChatGPTなどのAIもニューラルネットワークを使っているが、それとは何が違うのか？」と疑問が湧くかもしれない。その答えは、「時間の概念」と「通信の質」にある。

• 人工ニューラルネットワーク（ANN / Deep Learning）：現在のAIの主流。数値（0.5, 0.9など）が層から層へと連続的に流れる。これは静的な情報の処理には強いが、生物学的な脳の動きとは異なる抽象化された数理モデルである。
• スパイキングニューラルネットワーク（SNN）：今回のプロジェクトで採用されているモデル。実際の脳のように、ニューロンは常に信号を出しているわけではない。ある閾値を超えた瞬間にのみ「スパイク（活動電位）」と呼ばれるパルス状の電気信号を発火する。情報は「信号の強さ」ではなく、「信号が発せられるタイミング（時間差）」や「頻度」によって符号化される。

SNNは、脳のアナログ的な振る舞いや、ミリ秒単位の精密なタイミングを再現できるため、「意識がどのように生まれるか」「記憶がどう形成されるか」といった、動的な脳の機能を解明する上で不可欠なアプローチだ。従来のコンピュータでは計算負荷が高すぎたこのSNNを、JUPITERと新アルゴリズムが実用レベルで回せるようになったことこそが、今回の最大のニュースである。

科学と医療へのインパクト：ブラックボックスを開く

では、人間の脳を丸ごとシミュレートすることで、具体的に何が可能になるのか？

てんかんの発作がどのようにネットワーク全体に波及するのか、あるいはアルツハイマー病によって特定のシナプス結合が失われたとき、脳全体の機能不全がどう進行するのか。これらを倫理的な制約なしに、デジタル空間上で何度も実験・観察することが可能になる。これは「In silico（コンピュータ内での）実験」と呼ばれ、創薬や治療法の開発スピードを劇的に加速させる可能性がある。

部分的な脳モデルの統合も重要なテーマだ。これまで、「視覚野のモデル」「記憶中枢のモデル」などは個別に研究されてきた。Markus Diesmann教授は、「これまでは、それらの断片的なアイデアが整合性を持つのかを検証する場がなかった」と語る。JUPITER上の全脳モデルは、これらを統合し、知覚から記憶、そして思考や行動が生まれる一連のプロセスを、統一されたシステムとして検証する場を提供する。

将来的には、特定の患者の脳の配線図（コネクトーム）を反映させた「個人の脳のデジタルツイン」を作成し、薬の副作用や手術の影響を事前に予測するオーダーメイド医療への応用も期待されている。

限界と展望：我々は「脳」を作れるのか？

しかし、過度な期待は禁物である。サセックス大学の数理物理学者Thomas Nowotny教授が「たとえ脳と同じサイズのシミュレーションができたとしても、それは脳そのものを作ったことにはならない」と指摘するように、現在のモデルはあくまで「構造と電気的挙動の模倣」である。

そこには、グリア細胞の働きや、ホルモンによる化学的な修飾、さらには量子レベルの現象など、まだモデルに含まれていない要素が山のように存在する。それでも、2024年にショウジョウバエの全脳マッピングが完成し、2026年に人間の大脳皮質シミュレーションへの道が開かれたという事実は、人類が「不可侵の聖域」であった脳の理解に向けて、確実かつ巨大な一歩を踏み出したことを意味する。

JUPITERという最高峰の「器」と、オンボード構築法という革新的な「魂」を得て、計算論的神経科学は今、未知の領域へと航海を始めようとしている。

Sources

• NewScientist: We’re about to simulate a human brain on a supercomputer

XenoSpectrum の記事を広めていただけると励みになります。

Follow Me !

\ この記事が気に入ったら是非フォローを！ /

Y Kobayashi

XenoSpectrum管理人。中学生の時にWindows95を使っていたくらいの年齢。大学では物理を専攻していたこともあり、物理・宇宙関係の話題が得意だが、テクノロジー関係の話題も大好き。最近は半導体関連に特に興味あり、色々と情報を集めている。2児の父であり、健康や教育の話題も最近は収集中。

関連コンテンツ