模仿人脑构建的神经形态计算机如今能够解算物理学模拟背后的复杂方程——这曾被认为只有耗电量巨大的超级计算机才能做到。这项突破有望催生低能耗的强大超级计算机，同时揭示人脑处理信息的新奥秘。
在发表于《自然·机器智能》的一项研究中，桑迪亚国家实验室的计算神经科学家布拉德·泰尔曼和布拉德·艾蒙引入了一种新算法，该算法允许神经形态硬件求解偏微分方程——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。
研究结果表明，神经形态系统可以有效地处理这些方程。这项进展可能有助于为打造首台神经形态超级计算机铺平道路，为国家安全及其他关键应用领域的节能计算提供新路径。
该研究由能源部科学办公室通过高级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高级模拟与计算项目共同资助。
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。它们被用于预测天气、分析材料如何响应应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。神经形态计算机通过模仿大脑运作的方式来处理信息，从而以不同的方式解决这个问题。
"我们刚刚开始拥有能够表现出智能行为的计算系统。但它们看起来一点也不像大脑，而且坦率地说，它们所需的资源量是荒谬的，"泰尔曼说。
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。很少有人期望它们能够处理像偏微分方程这样通常由大规模超级计算机负责的数学严谨问题。
艾蒙和泰尔曼对结果并不感到惊讶。他们认为，即使人们没有意识到，人脑也 routinely 在执行高度复杂的计算。
"随便选一种运动控制任务——比如打网球或挥棒击打棒球，"艾蒙说。"这些都是非常复杂的计算。这是我们的大脑能够非常'廉价'地完成的百亿亿次级问题。"
面向国家安全的节能计算
这一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。整个核武器综合体使用的超级计算机消耗大量电力，用于模拟核系统的物理过程及其他高风险场景。
神经形态计算可能提供一种显著减少能源消耗，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偏微分方程，这些系统表明，与传统超级计算机相比，运行大规模模拟所需的电力可能少得多。
"你可以用类脑计算解决真实的物理问题，"艾蒙说。"这是你意想不到的，因为人们的直觉正好相反。而事实上，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可能成为桑迪亚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奥秘
除了工程学上的进步，这项研究还触及了关于智能以及大脑如何执行计算的更深层次问题。泰尔曼和艾蒙开发的算法紧密地反映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知名的模型，"泰尔曼说。"我们已经证明该模型与偏微分方程存在一种自然但不显而易见的联系，而这一联系直到现在——该模型提出12年后——才被建立起来。"
研究人员相信，这项工作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视角。
"大脑疾病可能是计算方面的疾病，"艾蒙说。"但我们还没有透彻理解大脑是如何执行计算的。"
如果这个想法被证明是正确的，那么神经形态计算有朝一日可能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
神经形态计算仍是一个新兴领域，但这项工作代表了向前迈出的重要一步。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，以拓展这项技术所能达到的成就。
"如果我们已经证明可以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，是否存在更先进应用数学技术的相应神经形态表述？"泰尔曼说。
随着开发的继续，研究人员持乐观态度。"我们在理解科学问题方面已经迈出了一只脚，同时我们也拥有能够解决实际问题的东西，"泰尔曼说。