研究人员概述了一个扩展神经形态计算的大胆策略，旨在以最小的能耗实现人脑功能。

这包括开发先进的神经形态芯片，并促进产业界与学术界的深度合作，通过提高效率和能力，有可能改变人工智能和医疗保健领域。

神经形态计算将神经科学原理应用于计算机系统的创建，使计算机系统能像人脑一样运作，必须扩大规模才能与传统计算方法相抗衡。1月22日，《自然》杂志发表的一篇最新综述文章概述了实现这一目标的路线图。本文由23名研究人员撰写（其中包括两名来自加利福尼亚大学圣地亚哥分校的研究人员），为开发兼具大脑认知能力和类似体积及能效的计算机系统提供了实用见解。

“我们并不期望能为大规模神经形态系统找到一个万全之策，相反，我们期望能够基于应用需求，开发出一系列具有不同特性的神经形态硬件解决方案，”作者们写道。

潜在应用与效益

神经形态计算的应用领域包括科学计算、人工智能、增强现实和虚拟现实、可穿戴设备、智慧农业、智慧城市等。神经形态芯片有望在能效、空间效率和性能上超越传统计算机。这可能会为人工智能、医疗保健和机器人技术等各个领域带来实质性优势。随着人工智能的耗电量预计将在2026年翻倍，神经形态计算有望成为一项颇有前景的解决方案。

“当我们目睹耗电量大、耗资源多的AI系统难以为继时，神经拟态计算就显得尤为重要，”加州大学圣地亚哥分校舒先洁-Gene Lay生物工程杰出教授、本文合著者之一格特·考文伯格斯说道。

构建新架构

德丽莎·库迪希普迪（Dhireesha Kudithipudi）是德克萨斯大学圣安东尼奥分校（University of Texas San Antonio）的罗伯特·F·麦克德莫特（Robert F·McDermott）冠名教授，也是这篇论文的通讯作者。她表示，神经形态计算正处于关键时刻。“我们现在正处于一个绝佳时机，可以构建全新的架构和开放框架，并将其部署到商业应用中，”她说。“我坚信，加强工业界和学术界之间的紧密合作是塑造该领域未来的关键。我们作者团队之间的合作就是这一点的体现。”

去年，考文伯格斯和库迪西普迪从美国国家科学基金会获得400万美元的资助，用于启动THOR：类脑计算共享平台，这是一个首创的研究网络，提供开放式类脑计算硬件和工具，以支持跨学科和合作研究。

NeuRRAM芯片开发

2022年，由考文伯格（Cauwenberghs）领导的一个团队设计的神经形态芯片表明，这些芯片可以具备极高的动态性和多功能性，同时又不牺牲准确性和效率。NeuRRAM芯片可直接在内存中执行计算，并能运行多种人工智能（AI）应用程序——所有这些功能所消耗的能量仅为通用AI计算平台所消耗能量的一小部分。“我们在《自然》杂志上发表的这篇综述文章，探讨了利用硅和新兴芯片技术进一步扩展神经形态AI系统，使其接近哺乳动物大脑自我学习能力的巨大规模和极致效率的前景，”考文伯格说。

为了实现神经形态计算的规模化，作者提出了几个必须优化的关键特征，包括稀疏性，这是人类大脑的一个决定性特征。大脑通过形成大量的神经连接（致密化）来发展，然后再选择性地修剪掉其中大部分连接。这种策略优化了空间效率，同时保留了高保真度的信息。如果成功模仿这一特征，神经形态系统可能会实现更高的能效和更紧凑的体积。

未来方向和合作潜力

考文伯格斯（Cauwenberghs）说：“可拓展的伸缩性和卓越的效率源自神经表征中的大量并行性和层次结构，在模仿大脑灰质的神经突触核心内，这种结构结合了密集的局部突触连接，以及在模仿大脑白质的跨核心神经通信中的稀疏全局连接，通过芯片上的高带宽可重新配置互连和跨芯片的层次结构互连，进一步实现了这种伸缩性和效率。”

“本出版物展示了神经形态计算在大规模实际应用中的巨大潜力。在圣地亚哥超级计算中心 (San Diego Supercomputer Center)，我们为国家用户群体带来了全新的计算架构，而本次合作则为国家用户群体引入神经形态资源铺平了道路，”加州大学圣地亚哥分校 (UC San Diego) 校区圣地亚哥超级计算中心数据驱动科学计算部门主任阿米塔瓦·马朱姆达 (Amitava Majumdar) 同时也是本文的合著者之一说道。

增强可访问性和协作性

作者还强调了学术界内部以及学术界与工业界之间加强合作的必要性。他们主张开发更多用户友好的编程语言，以使该领域更易于进入。他们认为，这些努力将促进更大范围的跨学科和全行业合作。

参考文献：《大规模神经形态计算》，作者：迪里莎·库迪希普迪、凯瑟琳·舒曼、克雷格·M·万尼亚德、特伊·潘迪特、科里·默克尔、拉吉库马尔·库本德兰、詹姆斯·B·艾莫内、加里克·奥查德、克里斯蒂安·梅尔、里亚德·贝诺斯曼、乔·海斯、克利夫·杨、基亚拉·巴托洛齐、阿米塔瓦·马朱姆达尔、苏玛·乔治·卡德威尔、梅利卡·佩万德、索尼娅·巴克利、舒鲁蒂·库尔卡尼、赫克托·A·冈萨雷斯、格特·考文伯格斯、切坦·辛格·塔库尔、阿南德·苏伯拉莫尼、史蒂夫·弗伯，发表于2025年1月22日，《自然》杂志。数字对象唯一标识符：10.1038/s41586-024-08253-8