Они использовали эти данные для создания симуляции - симуляции, включающей более 30 000 высокодетализированных моделей нейронов, образующих 36 миллионов связей. Для создания полной модели потребовался специально построенный суперкомпьютер, чтобы прогнать миллиарды уравнений, которые ее определяли. Однако вся этасложность все равно основывалась на тех же базовых принципах Лапика, Ходжкина, Хаксли и Ралла. Ведущий исследователь проекта, Идан Сегев, резюмировал подход: "Используйте Ходжкина-Хаксли в расширенном виде и постройте симуляцию того, как эти клетки активны, чтобы получить музыку - электрическую активность - этой сети нейронов, которая должна имитировать реальную биологическую сеть, которую вы пытаетесь понять".

Как показала команда в своей публикации, документирующей работу, модель смогла воспроизвести несколько особенностей реальной биологической сети. Симуляция показала схожие последовательности импульсов с течением времени, разнообразие ответов разных типов клеток и осцилляции. Эта реальная модель не только воспроизводит результаты прошлых экспериментов, но и позволяет быстро и легко проводить новые эксперименты. Воссоздание биологии в компьютере делает виртуальные исследования этой области мозга такими же простыми, как написание нескольких строк кода - подход, известный как нейронаука "in silico".

Проведение таких симуляций может дать хорошие прогнозы только в том случае, если модель, лежащая в их основе, является разумным подобием биологии. Благодаря Лапику мы знаем, что использование уравнений электрической цепи в качестве аналога нейрона - это надежный фундамент для построения моделей мозга. Именно его аналогия положила начало изучению нерва как электрического устройства. А развитие его аналогии бесчисленным количеством других ученых - многие из которых обучались как физике, так и физиологии - еще больше расширило ее объяснительную силу. Нервная система - вопреки интуиции Мюллера - оживает благодаря потоку электричества, и ее изучение, несомненно, оживилось благодаря изучению электричества.