受大脑启发的机器在数学方面的表现超出预期

在一项发表于《自然机器智能》的研究中，桑迪亚国家实验室的计算神经科学家 Brad Theilman 和 Brad Aimone 介绍了一种新算法，该算法使神经形态硬件能够求解偏微分方程（PDEs）。PDEs 是模拟流体动力学、电磁场和结构力学等现象的数学基础。

研究结果表明，神经形态系统可以高效地处理这些方程。这项进展可能有助于开启第一台神经形态超级计算机的大门，为国家安全和其他关键应用的节能计算提供一条新途径。

该研究获得了能源部科学办公室通过先进科学计算研究和基础能源科学项目，以及国家核安全管理局的先进模拟与计算项目的资助。

使用类似大脑的硬件求解偏微分方程

偏微分方程对于模拟现实世界系统至关重要。它们被用于天气预报、分析材料对压力的响应以及模拟复杂的物理过程。传统上，求解 PDEs 需要巨大的计算能力。而神经形态计算机则通过模仿大脑的运作方式来处理信息，采取了不同的方法。

Theilman 表示：“我们才刚刚开始拥有能够展现出智能般行为的计算系统。但它们与大脑毫不相似，而且它们所需的资源量坦率地说太不合理了。”

多年来，神经形态系统主要被视为模式识别的工具，或用于加速人工智能神经网络。很少有人期望它们能处理像 PDEs 这样在数学上要求严苛的问题，这些问题通常由大型超级计算机处理。

Aimone 和 Theilman 对这一结果并不感到意外。他们认为，人脑能够例行执行高度复杂的计算，即使人们对此毫不知情。

Aimone 说：“以任何一种运动控制任务为例——比如打网球或挥棒击打棒球。这些都是非常复杂的计算。它们是我们大脑能够以极低成本完成的‘Exascale’级别的难题。”

国家安全领域的节能计算

这些发现可能对负责维护国家核威慑力的国家核安全管理局产生重大影响。核武器综合体中使用的超级计算机消耗大量电力来模拟核系统和其他高风险场景的物理过程。

神经形态计算可能提供一种在提供强大计算性能的同时显著降低能耗的方法。通过以受大脑启发的类比方式求解 PDEs，这些系统表明，与传统超级计算机相比，运行大型模拟可能需要的功耗要小得多。

Aimone 说：“你可以用类脑计算来解决真实的物理问题。这是人们不会期望的事情，因为人们的直觉是相反的。事实上，那种直觉常常是错误的。”

该团队设想，神经形态超级计算机最终将成为桑迪亚国家实验室保护国家安全使命的核心。

神经形态计算揭示的大脑信息

除了工程方面的进步，这项研究还触及了关于智能以及大脑如何进行计算的更深层次问题。Theilman 和 Aimone 开发的算法与皮层网络的结构和行为密切相似。

Theilman 说：“我们将电路建立在一个在计算神经科学领域相对知名的模型之上。我们已经证明该模型与 PDEs 之间存在一种自然但并不明显的联系，而这种联系直到现在——模型推出 12 年后——才被建立起来。”

研究人员认为，这项工作有助于将神经科学与应用数学联系起来，从而更深入地理解大脑如何处理信息。

Aimone 说：“大脑的疾病可能就是计算的疾病。但我们尚未牢固掌握大脑是如何进行计算的。”

如果这一观点被证实，神经形态计算有一天可能会有助于更好地理解和治疗阿尔茨海默病和帕金森病等神经系统疾病。

构建下一代超级计算机

神经形态计算仍然是一个新兴领域，但这项工作代表了一个重要的进步。桑迪亚团队希望他们的研究成果能鼓励数学家、神经科学家和工程师之间的合作，以拓展这项技术的能力范围。

Theilman 问道：“如果我们已经证明能够将这种相对基础但重要的应用数学算法引入神经形态计算——那么对于更高级的应用数学技术，是否存在相应的神经形态实现方式？”

随着开发的不断推进，研究人员对此持乐观态度。Theilman 表示：“我们在理解科学问题方面已经有了初步的进展，同时我们也得到了一个能解决实际问题的方案。”