最新研究表明，技术进步有助于大幅提升未来超级计算机的能源利用效率。

仿脑计算机以人类大脑的结构为蓝本，研究人员发现，这类计算机能够攻克许多科学与工程领域核心的数学难题。

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（Brad Theilman）和布拉德·艾蒙（Brad Aimone）提出了一种新算法，该算法可助力神经形态硬件求解偏微分方程（PDE）。这些方程构成了描述流体流动、电磁行为以及物理结构强度等系统的数学基础。

研究结果显示，神经形态系统不仅能够求解这些方程，而且效率惊人。据研究人员介绍，这一突破或将为全球首台神经形态超级计算机的问世铺平道路，对国家安全及其他高要求应用领域的节能计算产生重大影响。

一种受大脑启发的科学计算方法

偏微分方程在现实世界的建模中扮演着核心角色，无论是天气预报，还是预测材料在受力时的反应，都离不开它。传统上，求解这些方程需要强大的计算能力。而神经形态计算机则另辟蹊径，采用更贴近大脑处理信息方式的硬件设计。

“我们才刚刚开始拥有能够展现出类似智能行为的计算系统。但坦率地说，它们与大脑毫无相似之处，而且它们所需的资源量大得离谱，” 泰尔曼说道。

多年来，人们一直认为神经形态系统最适合用于模式识别或加速人工神经网络运行。鲜有研究者预期它们能在求解偏微分方程（PDE）这类对数学要求极高的问题上表现出色，而这类问题通常是由传统超级计算机来处理的。

然而，艾蒙和泰尔曼认为，这一结果是大脑工作方式的自然延伸。他们指出，即便人们鲜少察觉，大脑也会例行开展复杂的运算。

艾蒙表示：“任选一种运动控制任务，比如击打网球，或是挥动球棒击打棒球。”“这些都是极为复杂的运算。它们属于百亿亿次计算级别的问题，而我们的大脑却能以极低的能耗完成这些运算。”

能源效率关乎国家安全

该研究对国家核安全管理局具有重要意义，该机构负责维护国家核威慑力。在整个核武器体系中，超级计算机需消耗大量能源，以模拟核系统及其他关键技术所涉及的物理过程。

类脑计算为在保留计算能力的同时降低能耗指明了一条途径。这类系统以受大脑启发的高效方式处理偏微分方程，表明未来有一天，大型复杂模拟或许能够以远低于当今传统超级计算机的能耗来完成。

艾蒙（Aimone）表示：“借助类脑计算，你能解决真实的物理问题。这完全出乎意料，因为人们的直觉往往与之背道而驰。而事实上，这种直觉往往是错误的。”

研究人员表示，他们设想未来神经拟态超级计算机将在桑迪亚国家实验室维护世界安全稳定的使命中发挥核心作用。

窥探大脑奥秘之窗

他们的研究还引发了关于智能与计算本质的饶有趣味的问题。泰尔曼（Theilman）与艾蒙（Aimone）开发的算法，与大脑皮层网络的结构及动态特性保持着高度相似性。

“我们以计算神经科学领域一个相对知名的模型为基础构建了电路，”泰尔曼说道，“我们已经证明，该模型与偏微分方程之间存在一种自然而又不显而易见的联系，而这种联系在该模型问世12年后的今天才被发现。”

研究人员认为，神经形态计算有助于弥合神经科学与应用数学之间的鸿沟，为大脑处理信息的方式提供新的见解。

艾蒙表示：“大脑的疾病或许就是计算层面的疾病，但我们目前尚未完全掌握大脑是如何进行计算的。”

如果他们的直觉无误，神经形态计算或许能为更好地理解和治疗阿尔茨海默病、帕金森病等神经系统疾病提供线索。

构建计算的未来

尽管神经形态计算尚处于起步阶段，但桑迪亚国家实验室的研究正为变革性进展奠定基石。研究团队期望，他们的成果能激发与应用数学家、神经科学家及工程师的跨学科合作，共同挖掘这项技术的无限潜能。

泰尔曼说道：“既然我们已经证明，能够将这种相对基础但至关重要的应用数学算法引入类脑芯片领域，那么对于更高级的应用数学技术，是否也存在相应的类脑芯片实现方式呢？”

随着桑迪亚国家实验室持续推进神经形态计算技术的发展，研究人员对其解决全球一些最紧迫挑战的潜力充满信心。蒂尔曼表示：“我们不仅在探索科学问题的道路上迈出了关键一步，更开发出了能切实解决现实难题的技术方案。”

参考文献：布拉德利·H·泰尔曼（Bradley H. Theilman）与詹姆斯·B·艾蒙（James B. Aimone）所著《在神经形态硬件上求解稀疏有限元问题》，发表于2025年11月13日《自然·机器智能》期刊。DOI：10.1038/s42256-025-01143-2

该研究得到了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”项目的资助，同时亦获得了国家核安全管理局“先进模拟与计算”项目的支持。