尽管工程师使用截然不同的方法来构建计算机和传感器的分布式网络，但是计算机科学家的研究团队发现，他们新发现的见解可用于提高分布式计算网络的鲁棒性和效率。该发现发表在《 PLOS计算生物学》上，是卡耐基梅隆大学系统生物学小组进行的一系列研究中的最新成果，目的是开发用于理解复杂生物系统的计算工具，同时运用这些见识来改进计算机算法。

网络结构对于生物学家和计算机科学家都是重要的话题。在生物学中，了解大脑中神经元网络如何组织以形成其成年结构是了解大脑如何学习和起作用的关键。在计算机科学中，了解如何优化网络组织对于生产高效的互连系统至关重要。

但是大脑和网络工程师用来学习最佳网络结构的过程却大不相同。

神经元通过称为修剪的过程创建网络。在出生时以及整个儿童早期，大脑的神经元之间建立了广泛的联系，这超出了大脑的需求。随着大脑的成熟和学习，它开始迅速修剪掉未被使用的连接。当大脑达到成年期时，其突触连接比儿童时期的高峰期少约50%到60%。

与之形成鲜明对比的是，计算机科学和工程网络通常使用相反的方法进行优化。这些网络最初包含少量连接，然后根据需要添加更多连接。

“工程网络是通过添加连接而不是删除连接来构建的。卡内基·梅隆大学机器学习 和计算生物学系副教授Ziv Bar-Joseph表示：“您可能会认为使用修剪过程开发网络会很浪费。“但是正如我们所展示的，在某些情况下，这样的过程也可以证明对工程有益。”

“您会认为使用修剪过程开发网络将是浪费的。但是……在某些情况下，这样的过程也可以证明对工程学也有利。” — Ziv Bar-Joseph

研究人员首先通过计算随时间推移小鼠模型的体感皮层中存在的突触的数量来确定修剪过程的关键方面。在对10,000多个电子显微镜图像中的突触进行计数后，他们发现突触在发育早期被快速修剪，然后随着时间的流逝，修剪速度变慢。

这些实验的结果使研究小组能够开发一种基于脑部修剪方法设计计算网络的算法。通过仿真和理论分析，他们发现基于神经科学的算法产生的网络比当前的工程方法更加有效和健壮。

在通过修剪创建的网络中，信息流更为直接，并为信息到达同一端点提供了多条路径，从而最大程度地降低了网络故障的风险。

卡内基·梅隆大学生物科学系教授，该大学的BrainHub SM计划成员艾莉森·巴特(Alison Barth)说：“我们采用了这种高级算法，解释了在开发过程中如何构建神经结构，并以此启发了工程网络的算法。” 。“事实证明，这种基于神经科学的方法可以为计算机科学家和工程师在构建网络时考虑提供新的东西。”

为了测试该算法如何在神经科学之外使用，萨克研究所整合生物学中心助理教授，卡内基梅隆大学机器学习系前博士后研究员萨凯特·纳夫拉卡(Saket Navlakha)将算法应用于来自科学部的飞行数据。运输。他发现，基于突触修剪的算法创建了最有效，最可靠的路线，以允许乘客到达目的地。

Navlakha说：“我们意识到，将其应用于需要大量基础设施的网络(如铁路或管道)将不会具有成本效益，” “但是对于那些没有像无线网络和传感器网络这样的网络，这可能是指导网络形成的有价值的自适应方法。”

此外，研究人员说这项工作对神经科学有影响。Barth认为，从青春期到成年期的修剪率变化可能表明修剪的基础是不同的生化机制。

巴特说：“算法神经科学是一种识别和使用构成大脑功能的规则的方法。” “大脑可以教会我们很多有关计算的知识，计算机科学可以帮助我们了解神经网络的功能。”