📢 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
类脑计算机在数学运算上表现超出预期
模仿人脑的计算机刚刚证明它们可以处理超级计算机级别的数学运算——而且能耗只是其一小部分。
模仿人脑结构的计算机正在展现出意想不到的强大能力。它们能够解决一些对主要科学和工程问题至关重要的、要求极高的数学方程。
在发表于《自然-机器智能》上的一项研究中，桑迪亚国家实验室的计算神经科学家 Brad Theilman 和 Brad Aimone 介绍了一种新的算法，该算法允许神经形态硬件解决偏微分方程（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础。
研究结果证明，神经形态系统可以高效地处理这些方程。这一进步可能有助于开启首批神经形态超级计算机的大门，为国家安全和其他关键应用提供一条通往能源效率计算的新途径。
这项研究由美国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资助，同时也获得了国家核安全管理局的先进模拟与计算项目的支持。
使用类脑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以类似于大脑运作的方式处理信息来解决这个问题。
Theilman 表示：“我们才刚刚开始拥有能够表现出类智能行为的计算系统。但它们与大脑毫无相似之处，而且它们所需的资源，坦率地说，是荒谬的。”
多年来，神经形态系统主要被视为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在数学上要求严格的问题——这类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惊讶。他们认为，人脑会常规性地执行高度复杂的计算，即使人们没有意识到这一点。
Aimone 说：“随便拿一个运动控制任务——比如打网球或挥棒打棒球。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超算级问题。”
为国家安全提供能源高效的计算
这些发现可能对负责维护国家核威慑力量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的电力来模拟核系统和其他高风险场景的物理特性。
神经形态计算可能提供一种在保持强大计算性能的同时，显著削减能源消耗的方法。通过以类脑的方式求解偏微分方程，这些系统表明，与传统超级计算机所需相比，可以用少得多的电力运行大型模拟。
Aimone 说：“你可以用类脑计算来解决真正的物理问题。这是人们不会预料到的，因为人们的直觉恰恰相反。事实上，这种直觉往往是错误的。”
该团队设想，神经形态超级计算机最终将成为桑迪亚保护国家安全使命的核心。
神经形态计算揭示了关于大脑的什么信息
除了工程进步之外，这项研究还涉及关于智能和大脑如何执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紧密相似。
Theilman 说：“我们的电路是基于计算神经科学领域一个相对知名的模型。我们已经证明，该模型与偏微分方程存在一种自然但并不明显的联系，而这种联系直到现在才建立起来——这个模型介绍至今已有12年了。”
研究人员认为，这项工作可能有助于将神经科学与应用数学联系起来，从而为我们理解大脑如何处理信息提供新的见解。
Aimone 说：“大脑的疾病可能就是计算的疾病。但我们还没有完全掌握大脑是如何执行计算的。”
如果这个观点成立，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，但这项工作代表着向前迈出的重要一步。桑迪亚团队希望他们的成果能鼓励数学家、神经科学家和工程师之间的合作，以扩展这项技术所能实现的成就。
Theilman 问道：“如果我们已经证明可以将这个相对基础但根本的应用数学算法导入神经形态系统——那么对于更先进的应用数学技术，是否存在相应的神经形态公式呢？”
随着开发的不断深入，研究人员持乐观态度。Theilman 说：“我们在理解科学问题方面已经有了一扇门，同时我们也有了一个能解决实际问题的方案。”
🚀 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