神经形态计算新应用：求解数学方程 助力脑疾病研究

美国桑迪亚国家实验室（SNL）的研究人员展示了一种利用神经形态硬件求解偏微分方程（PDEs）的新型算法，让世界首台神经形态超级计算机的研发更进一步。这项技术不仅能高效模拟流体动力学、结构力学等复杂现象，还具备惊人的能源效率。

当前AI技术虽展现出类智能行为，但运行需消耗巨量计算资源，且需求随系统智能化程度提升持续增长。科学家寄望于神经形态超级计算机——这类受人类大脑启发的设备，能以传统硅基计算机几分之一的能耗完成复杂计算。

突破认知：神经形态硬件解决数学难题

神经形态计算机外观类似传统电脑，但内部电路设计完全不同。此前科学界认为，它们擅长模式识别和加速神经网络训练，却不擅长解决数学问题。SNL神经科学家Brad Aimone解释：“人类大脑能以极低能耗完成击打网球这类堪比百亿亿次计算的复杂运动控制任务，这启发我们探索神经形态计算的更多可能。”

Aimone与同事Brad Theilman共同开发的算法，让神经形态硬件首次具备求解偏微分方程的能力。该算法基于大脑皮层网络的结构和动力学设计，“我们发现这个已提出12年的神经模型，与偏微分方程存在自然却未被发掘的关联”（Theilman）。测试显示，神经形态计算机可在能耗远低于传统超级计算机的前提下，完成大规模科学模拟。

多领域应用潜力：从数学到脑疾病治疗

这一突破不仅拓展了神经形态计算在数学领域的应用，还为脑疾病研究开辟新路径。Aimone指出：“脑部疾病可能源于大脑的‘计算故障’，但我们尚未完全理解大脑的计算机制。”通过神经形态系统模拟大脑计算过程，有望揭示阿尔茨海默病、帕金森病的发病机制，开发针对性治疗方案。

此外，美国国家核安全局（研究资助方之一）每年需消耗巨量能源模拟核武器物理特性，神经形态计算可在保持计算能力的同时，大幅降低能耗。

未来展望：解锁神经形态计算全潜力

目前神经形态计算仍处于起步阶段，但这项研究为世界首台神经形态超级计算机奠定了基础。Theilman表示：“既然我们能将基础应用数学算法引入神经形态系统，未来或许能开发出更高级的神经形态化数学技术。”团队将继续探索技术边界，挖掘其在科学计算、医疗、国防等领域的全场景潜力。