神經網路體

腦科學研究中心擁有現今全球最大量的腦神經3D影像資料，過去10年積累約10 terabyte的資料量。由於超解析顯微影像及自動化多尺度顯微取像等技術的突破創，預期未來將以每個月約10 terabyte的資料量速度取像。理解大腦要分析exabyte量的精細三維影像、追蹤錯綜複雜的神經連結、雲端運算之後的資料分享、三維影像的呈現以及分析結果的功能模擬。腦科學研究中心已發展數種關鍵影像處理技術，具有技術轉移至產業界的潛力，結合臺灣厚實的IT產業，將可持續保持腦神經網路體研究在國際的競爭力。腦神經的研究和AI的開發是互補的，以模式動物果蠅為例，目前的研究成果已知全腦由約50個局部神經叢處理單元(LPU)組成，平行處理來自各感官的信號，以產生合適的相對應行為(2011 Current Bioilogy 21:1)。初步模擬果蠅腦嗅覺神經網路的訊號處理已有令人驚奇的成果(2017 Science 358:793)。預期模擬果蠅腦平行深層學習，會使目前的AI計算能力更強大。

腦科學研究中心以教育部的支持與國家高速網路與計算中心合作，發展腦神經影像大資料處理、儲存、分析、3D瀏覽技術，並建構果蠅腦神經影像資料庫，與國際合作對全球開放服務及技術交流。科技部的加碼將用於發展AI技術在腦科學的應用，利用中心的果蠅腦神經影像資料庫訓練AI，成功辨識>90%神經元。腦科學研究中心訓練AI認識樹突與軸突預測神經訊號傳遞的方向性、追蹤錯綜複雜的神經連結、分辨不同種類的神經細胞、分析腦資料處理模式。

建置，並利用FlyCircuit 2.0資料建立神經元功能群組、解析腦神經網路訊號傳遞路徑、以人工智慧方式進行神經影像形態分類，也利用深度學習技術提高果蠅頭部圖像的分析性能，進而繪製成三維腦神經網路體連結圖譜及預測功能來協助了解果蠅腦的功能。

• 腦科學資料計算儲存系統。
• 建置果蠅全腦腦神經網路體資料庫服務平台(約8萬顆腦神經影像) 。
• 以圖學(Graph)方法分析果蠅腦神經元連結關係，以找出可能之神經元功能群組。
• 解析腦神經網路訊號傳遞路徑，並輔助建立腦結構圖譜。
• 人工智慧方式進行神經影像形態分類。
• 利用深度學習技術提高果蠅頭部圖像的分析性能，完成果蠅頭部影像系統的研發工作，並期望利用深度學習技術加速相關的比對工作，能將既有的實驗結果納入以提升比對的正確性。