大脑启发型计算机现可求解复杂物理方程

Neuromorphic计算与物理的结合

一项新研究表明，neuromorphic计算机（设计用来模仿人脑架构的机器）能够比以前认为的更有效地求解复杂数学方程。这些大脑启发型系统现已展示了处理支撑物理模拟的微分方程的能力，从流体动力学到电磁场建模。

这一发现为计算科学开辟了一条有前景的新道路，能效高的neuromorphic芯片可以在某些问题类别中补充甚至替代传统超级计算机。

Neuromorphic计算机如何工作

与按顺序执行指令的常规处理器不同，neuromorphic芯片使用人工神经元和突触网络，以并行方式处理信息，就像生物大脑一样。这种架构擅长模式识别和自适应学习，但研究人员之前还没有充分探索其在科学计算核心的结构化数学问题求解中的潜力。

突破出现在研究人员发现spiking neural networks（通过离散电脉冲进行通信，类似于生物神经元）可以被训练来近似求解偏微分方程时。这些方程描述了温度、压力和速度等物理量如何在空间和时间上变化，求解它们对于从天气预报到飞机设计的一切都至关重要。

性能和能效收益

Neuromorphic方法在基准测试中展示了显著的结果。大脑启发型系统实现了与传统数值求解器相当的精度，同时消耗显著更少的能源。这种能效优势源于neuromorphic计算的固有并行特性，它避免了传统架构中困扰的存储器和处理器之间数据往返的瓶颈。

对于目前需要大规模计算集群运行数天或数周的大规模模拟，neuromorphic替代方案可以显著降低科学计算的时间和能源成本。

对计算未来的影响

该研究表明，AI硬件和科学计算硬件之间的界线开始以重要方式模糊。随着neuromorphic技术的成熟和扩展，它可能会改变依赖于密集数值模拟的领域，包括气候建模、药物发现、材料科学和天体物理模拟。仅能源节约潜力就可能具有变革性，鉴于大规模科学计算目前在全球研究机构占据大量电力消耗。

几家主要芯片制造商和研究实验室已经在neuromorphic硬件开发中进行大量投资，原型系统每年展示越来越令人印象深刻的能力。人脑仅消耗约20瓦的功率就执行非凡的计算壮举，可能是科学计算的更优蓝图，而不是研究人员之前意识到的。AI硬件和传统科学计算的这种融合可能会加速多个学科的发现步伐。

本文基于ScienceDaily的报道。阅读原文。