类脑计算机攻克复杂数学方程

发布日期： 2026年2月14日

来源： 某机构/某国家实验室

摘要： 模仿人脑的神经形态计算机现在能够求解物理模拟背后的复杂方程——这曾被认为只有耗能巨大的超级计算机才能完成。这项突破可能催生强大且低能耗的超级计算机，同时揭示我们大脑处理信息的新秘密。

全文

旨在模仿人脑结构的计算机正展现出意想不到的能力。它们能够求解那些构成重大科学与工程问题核心的部分高难度数学方程。

在一项发表于《自然·机器智能》的研究中，某国家实验室的计算神经科学家Brad Theilman和Brad Aimone提出了一种新算法，使神经形态硬件能够求解偏微分方程（PDE）——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，神经形态系统能够高效处理这些方程。这一进展可能为构建首台神经形态超级计算机打开大门，为国家安全及其他关键应用提供一条高能效计算的新路径。

该研究由某机构科学办公室通过先进科学计算研究和基础能源科学项目，以及某机构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、分析材料对应力的响应，以及建模复杂的物理过程。传统上，求解偏微分方程需要巨大的算力。神经形态计算机则以一种模仿大脑运行方式的信息处理途径来处理问题。

“我们才刚刚开始拥有能够展现类智能行为的计算系统。但坦率地说，它们看起来与大脑毫无相似之处，而且消耗的资源多得离谱。” Theilman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处理像偏微分方程这种通常由大规模超级计算机处理的、数学上非常严谨的问题。

Aimone和Theilman对这一结果并不感到意外。他们认为，人类大脑经常执行高度复杂的计算，即使人们自己并未意识到。

“随便挑一种运动控制任务——比如打网球或挥棒击球，” Aimone说，“这些都是非常复杂的计算。它们是百亿亿次级的问题，而我们的大脑能够以极低的成本完成。”

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某机构产生重大影响。用于核武器综合体的超级计算机消耗大量电力，以模拟核系统物理和其他高风险场景。

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。通过以类脑方式求解偏微分方程，这些系统表明，大型模拟运行所消耗的电力可能远低于传统超级计算机的需求。

“你可以用类脑计算解决真实的物理问题，” Aimone说，“这出乎意料，因为人们的直觉恰恰相反。事实上，那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该实验室保护国家安全使命的核心。

神经形态计算揭示了大脑的什么秘密

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。Theilman和Aimone开发的算法非常接近皮层网络的结构和行为。

“我们的电路基于计算神经科学领域中一个相对知名的模型，” Theilman说，“我们已经证明该模型与偏微分方程存在一种自然但不明显的联系，而这种联系直到现在——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，提供对大脑如何处理信息的新理解。

“大脑疾病可能是计算能力的疾病，” Aimone说，“但我们尚未牢固掌握大脑是如何执行计算的。”

如果这个想法被证明是正确的，神经形态计算有朝一日可能有助于更好地理解和治疗如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次重要的进步。该实验室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达到的边界。

“如果我们已经证明可以将这种相对基础但根本的应用数学算法移植到神经形态系统中——那么是否存在针对更先进应用数学技术的相应神经形态公式？” Theilman说。

随着开发的继续，研究人员持乐观态度。“我们已经在理解科学问题方面迈出了一步，同时我们也找到了解决实际问题的方法。” Theilman说。FINISHED