📢 转载信息
原文链接：https://www.sciencedaily.com/releases/2026/02/260213223923.htm
原文作者：DOE/Sandia National Laboratories
旨在模仿人脑结构的计算机正展现出令人意想不到的强大能力：它们能够解决重大科学和工程问题核心中那些极具挑战性的数学方程。
在发表于《Nature Machine Intelligence》的一项研究中，桑迪亚国家实验室（Sandia National Laboratories）的计算神经科学家 Brad Theilman 和 Brad Aimone 推出了一种新算法。该算法使神经形态硬件能够求解偏微分方程（PDEs）——这是模拟流体动力学、电磁场和结构力学等现象的数学基石。
解决“类脑”硬件上的偏微分方程
偏微分方程对于模拟真实世界系统至关重要。它们被用于天气预报、分析材料如何响应压力，以及模拟复杂的物理过程。传统上，求解偏微分方程需要巨大的计算能力。而神经形态计算机则通过模拟大脑运作的方式来处理信息，从而开辟了解决问题的新路径。
“我们才刚刚开始拥有能够表现出类智能行为的计算系统。但坦率地说，它们看起来一点也不像大脑，而且它们所需要的资源量简直荒谬，” Theilman 说道。
多年来，神经形态系统主要被视为用于模式识别或加速人工神经网络的工具。很少有人预料到它们能处理像偏微分方程这样数学严谨的问题，而这些问题通常由大规模超级计算机来完成。
但 Aimone 和 Theilman 对此结果并不感到惊讶。他们认为，人脑会常规性地进行极其复杂的计算，即使人们对此毫无察觉。“挑选任何一种运动控制任务——比如击打网球或挥棒击球，” Aimone 说，“这些都是非常复杂的计算。它们是我们的大脑能够以极低成本完成的百亿亿次（exascale）级别的难题。”
国家安全的节能计算
这一发现对负责维护国家核威慑力量的美国国家核安全管理局（NNSA）具有重要意义。核武器综合体中使用的超级计算机在模拟核系统物理过程和其他高风险场景时，会消耗大量的电力。神经形态计算可能提供一种在保持强大计算性能的同时，显著减少能耗的方法。
神经形态计算揭示的大脑奥秘
除了工程上的进步，这项研究还触及了关于智能以及大脑如何进行计算的深层问题。Theilman 和 Aimone 开发的算法紧密模拟了皮层网络的结构和行为。“我们的电路基于计算神经科学界一个相对众所周知的模型，” Theilman 说，“我们已经证明该模型与偏微分方程之间存在一种自然的、但此前未被察觉的联系，而这种联系在该模型问世 12 年后才被首次建立。”
研究人员认为，这项工作有助于连接神经科学与应用数学，从而提供关于大脑如何处理信息的新见解。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区