📢 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
受大脑启发的机器在数学方面的表现超乎预期
受大脑启发的计算机刚刚证明它们可以处理超级计算机级别的数学问题——而且能耗极低。
旨在模仿人脑结构设计的计算机展现出一种意想不到的优势。它们可以解决一些处于重大科学和工程问题核心的、要求苛刻的数学方程。
在发表于《自然机器智能》（Nature Machine Intelligence）杂志上的一项研究中，桑迪亚国家实验室的计算神经科学家 Brad Theilman 和 Brad Aimone 引入了一种新算法，使神经形态硬件能够求解偏微分方程（PDEs）——这是对流体动力学、电磁场和结构力学等现象进行建模的数学基础。
结果表明，神经形态系统可以高效处理这些方程。这一进展有望为首台神经形态超级计算机打开大门，为国家安全和其他关键应用提供一条通往高能效计算的新途径。
该研究由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，以及国家核安全管理局的先进模拟与计算项目资助。
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PDEs需要巨大的计算能力。而神经形态计算机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展现出类智能行为的计算系统。但它们看起来与我们的大脑毫无相似之处，而且它们所需的资源量坦率地说，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PDEs这样具有严格数学要求的难题，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，人脑会常规地进行高度复杂的计算，即使人们没有意识到这一点。
Aimone 说："选取任何一种运动控制任务——比如打网球或挥棒击球。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亿亿次级别的难题。"
为国家安全提供高能效计算
这些发现可能对负责维护国家核威慑的国家核安全管理局（NNSA）具有重大意义。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过程。
神经形态计算可能提供一种显著降低能耗同时仍能提供强大计算性能的方法。通过以受大脑启发的方式求解PDEs，这些系统表明，运行大型模拟所需的功耗可以远低于传统超级计算机。
Aimone 说："你可以用类脑计算来解决真实的物理问题。这一点出乎意料，因为人们的直觉是相反的。事实上，这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保护国家安全使命的中心。
神经形态计算揭示了什么关于大脑的知识
除了工程进步，这项研究也触及了关于智能和大脑如何执行计算的更深层次问题。Theilman 和 Aimone 开发的算法紧密地模仿了皮层网络的结构和行为。
Theilman 说："我们的电路是基于计算神经科学界一个相对知名的模型。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，这种联系直到现在才被建立起来——在该模型引入12年后。"
研究人员相信，这项工作可能有助于将神经科学与应用数学联系起来，为理解大脑如何处理信息提供新的认识。
Aimone 说："大脑疾病可能是计算疾病。但我们还没有完全掌握大脑如何执行计算。"
如果这一观点被证实是正确的，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研究结果能够鼓励数学家、神经科学家和工程师之间的合作，以扩展这项技术所能取得的成就。
Theilman 问道："如果我们已经证明我们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——那么是否存在一个相应更先进的应用数学技术的神经形态配方呢？"
随着开发工作的继续，研究人员对此持乐观态度。Theilman 说："我们在理解科学问题的方面已经有了一席之地，而且我们也找到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