AI 요약
구글 리서치의 커넥토믹스(Connectomics) 팀은 복잡한 뇌의 배선도를 그리는 작업을 가속화하기 위해 합성 뉴런 기하학 생성 기술인 'MoGen(Neuronal Morphology Generation)' 모델을 개발했습니다. 초파리 뇌(약 166,000개의 뉴런) 지도는 이미 완성되었으나, 그보다 1,000배 큰 마우스 뇌나 더 거대한 인간의 뇌를 매핑하는 것은 기술적 한계가 있었습니다. MoGen은 포인트 클라우드 플로우 매칭(point cloud flow matching) 기술을 사용하여 사실적인 뉴런 형태를 생성하며, 이를 AI 모델의 학습 데이터로 활용합니다. 실험 결과 재구성 오류가 4.4% 감소했는데, 이는 마우스 뇌 규모에서 사람이 직접 교정해야 하는 시간을 157년이나 단축하는 효과를 냅니다. 이 기술은 향후 포유류의 전체 뇌 지도를 구축하는 데 있어 핵심적인 역할을 할 것으로 기대됩니다.
핵심 인사이트
- 신규 모델 MoGen 도입: 포인트 클라우드 플로우 매칭을 통해 정밀한 뉴런 형태를 생성하는 'MoGen' 모델을 ICLR 2026에서 공식 발표함.
- 노동 시간의 획기적 단축: 4.4%의 오류 감소는 전체 마우스 뇌 지도 제작 시 157인년(157 person-years)의 수동 검수 시간을 절약함.
- 데이터 규모의 차이 극복: 166,000개의 뉴런을 가진 초파리 뇌보다 1,000배 더 큰 마우스 뇌, 그리고 그보다 1,000배 더 큰 인간 뇌 매핑을 위한 확장성 확보.
- 연구 책임자: 구글 리서치의 미하우 야누셰프스키(Michał Januszewski) 연구원과 프란츠 리거(Franz Rieger) 학생 연구원이 주도함.
주요 디테일
- 기술적 방법론: 얇게 절단된 뇌 조직 이미지를 쌓고 정렬하여 2D 이미지를 3D 뉴런으로 분할(Segmentation)하는 과정에 합성 데이터를 적용함.
- 기존 성과: 구글은 이미 금화조(zebra finch) 조각, 제브라피시 유충 전체 뇌, 인간 뇌의 일부 구역에 대한 뇌 지도를 구축한 경험이 있음.
- MoGen의 작동 방식: 초기 포인트 클라우드 상태에서 점차 실제 뉴런 형태에 가깝게 변하는 방식으로 합성 뉴런을 생성함.
- 학습 데이터의 중요성: 고품질의 합성 뉴런 데이터를 학습에 포함함으로써 AI가 뉴런의 형태를 더 정확하게 분류하고 식별할 수 있게 함.
- 현재 진행 프로젝트: 최근 마우스 뇌의 작은 구역을 매핑하기 위한 새로운 프로젝트를 착수함.
향후 전망
- 고등 생물 뇌 연구 가속화: 마우스 및 인간과 같은 포유류의 전체 뇌 지도를 구축함으로써 자극 반응 및 신체 제어 메커니즘 연구에 기여할 전망.
- AI 기반 커넥토믹스의 표준화: 구글 리서치가 지난 10년 이상 개발해온 도구들과 결합하여 현대 신경과학 연구의 기초 자원으로 자리매김할 것임.
출처:google_research