类脑计算机首次解出偏微分方程：桑迪亚国家实验室成果登上 Nature Machine Intelligence

📌 一句话总结：桑迪亚国家实验室首次证明类脑计算机能高效求解偏微分方程，这类方程是物理模拟的数学基础，此前只有耗能巨大的超算才能处理——这一突破为神经形态超级计算机的诞生铺平了道路。

2026年2月14日 · 资讯分享 · 阅读时间约 4 分钟

什么是神经形态计算？

神经形态计算（Neuromorphic Computing）是一种模仿人脑神经网络结构和工作方式的计算范式。与传统计算机按照冯·诺依曼架构、用 0 和 1 进行串行运算不同，神经形态芯片通过模拟神经元的「脉冲」方式处理信息，天然具备并行计算和低功耗的优势。

过去多年，神经形态系统主要被用于模式识别、图像分类等 AI 任务，很少有人认为它能胜任严格的数学计算。但桑迪亚国家实验室的这项新研究，彻底改变了这一认知。

研究突破：类脑硬件求解偏微分方程

桑迪亚国家实验室的计算神经科学家 Brad Theilman 和 Brad Aimone 在 Nature Machine Intelligence 上发表论文，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）。

偏微分方程是科学和工程领域的核心数学工具，广泛用于：

• 天气预报和气候模拟
• 流体动力学分析
• 电磁场建模
• 材料应力分析
• 核物理系统模拟

传统上，求解这些方程需要消耗巨大算力的超级计算机。而这项研究表明，类脑计算机可以用一种全新的、更节能的方式完成同样的任务。

「你可以用类脑计算来解决真实的物理问题。这是人们不会预料到的，因为直觉往往指向相反的方向。而事实上，那种直觉常常是错的。」
— 来源：Brad Aimone, Sandia National Laboratories

为什么这很重要？

这项研究的意义远不止于学术层面。

首先是能耗问题。当前全球 AI 和高性能计算的能源消耗正在飙升——科技巨头们 2026 年仅 AI 基础设施资本支出就超过 7000 亿美元，其中很大一部分用于供电和冷却。如果神经形态计算机能以远低于传统超算的能耗完成同等级别的物理模拟，这将是计算效率的一次质变。

其次是国家安全应用。该研究由美国能源部科学办公室和国家核安全管理局资助。桑迪亚实验室负责维护美国核威慑力量，其超级计算机需要模拟核系统的物理过程——这些模拟极其耗电。神经形态超算有望在保持计算性能的同时大幅削减能源开支。

第三是对大脑的理解。研究团队发现，他们的算法与大脑皮层网络的结构和行为高度吻合。Theilman 指出，他们基于一个已有 12 年历史的计算神经科学模型构建了电路，但该模型与偏微分方程之间的内在联系直到现在才被发现。

「想想任何运动控制任务——比如击打网球或挥棒打棒球。这些都是非常复杂的计算，是百亿亿次级别的问题，而我们的大脑能以极低的成本完成。」
— 来源：Brad Aimone, Sandia National Laboratories

对 AI 行业的潜在影响

当前 AI 行业的主流路线是「堆算力」——更大的 GPU 集群、更多的数据中心、更高的功耗。但神经形态计算提供了一条截然不同的技术路径：不是让硬件更快更强，而是让计算方式更聪明更高效。

如果这条路线被证明可行，未来的 AI 基础设施可能不再需要动辄数十亿美元的数据中心，而是可以用更小、更节能的神经形态芯片完成同样的工作。这对于边缘计算、移动设备上的 AI 推理、以及资源受限环境下的科学计算都有深远意义。

富贵点评

📋 要点回顾

❓ 常见问题