Unlike historical large loads, the varied and dynamic behavior of power electron-connected data centers are unfamiliar; therefore, the appropriate technical requirements for integrating data centers has yet to be fully developed. [...] A chicken-and-egg problem exists: system operators and transmission owners have no accurate models of emerging large loads and cannot fully evaluate their impacts on the grid, while load project developers have no clear performance targets to design their facilities to, facing uncertainty and risks of late-stage requirements and costly retrofits."

— Historical and Modern Large Loads: Characteristics, Context, and Industry Actions to Meet Grid and Customer Needs (ESIG / LBNL, March 2026)

Авторы утверждают, что, создавая большие стандартизированные «парные наборы данных», в которых один и тот же фрагмент ткани одновременно визуализируется на молекулярном уровне и регистрируется физиологически при контролируемых воздействиях, можно обучить модели машинного обучения предсказывать функциональные параметры непосредственно на основе структуры. После обучения такой компилятор можно будет применять к любой ткани головного мозга, которая была визуализирована на молекулярном уровне, — без необходимости новых электрофизиологических записей, — эффективно превращая статические анатомические карты в исполняемые симуляции.

Они проводят явную аналогию с AlphaFold: подобно тому как AlphaFold научился предсказывать структуру белка по аминокислотной последовательности, используя большие парные наборы данных последовательностей и расшифрованных структур, компилятор научится предсказывать нейронную динамику на основе молекулярно аннотированной анатомии, используя парные наборы данных структуры и физиологии.

Главные препятствия: необходимые парные калибровочные наборы данных пока отсутствуют; многие функциональные параметры могут зависеть от молекулярных состояний (фосфорилирование, нейромодуляторный тонус), которые невидимы для современных методов визуализации; ошибки в локальной оценке параметров могут непредсказуемо накапливаться на уровне нейронных цепей; существуют этические вопросы, связанные с моделированием целых мозгов разумных организмов. Но авторы утверждают, что это проблема инфраструктуры , а не проблема идей — узким местом является создание калибровочных наборов данных и эталонных показателей в масштабах сообщества, что требует скоординированных долгосрочных инвестиций, выходящих за рамки возможностей отдельных лабораторий.