人工大脑或引领超高效超级计算机发展

桑迪亚国家实验室的新研究显示，受大脑启发的神经形态计算机不仅能加速神经网络，还能高效解决复杂数学方程，可能为超高效超级计算机铺平道路。神经形态计算旨在硅芯片中复制人脑处理信息的过程，人脑仅需约20瓦功率即可处理大量感官数据。桑迪亚实验室已部署了英特尔、SpiNNaker和IBM的多个神经形态系统，相关研究通常聚焦于人工智能和机器学习。但研究人员发现，这些芯片的用途更为广泛。大脑在执行复杂计算，如网球击球或棒球挥棒等运动控制任务时，能廉价处理百亿亿级问题。在《自然·机器智能》期刊上发表的一篇论文中，桑迪亚的研究人员展示了一种新算法，用于在神经形态计算机上高效运行偏微分方程问题，包括英特尔的Loihi 2神经芯片。偏微分方程是当今最复杂科学计算任务的核心，用于建模分子间静电力、水流过涡轮机的方式以及无线电频率在建筑物中的传播等现象。这些问题计算需求巨大，常需现代超级计算机全力解决。神经形态计算提供了一个潜在替代方案，若能可靠扩展，有望更高效。尽管仍处早期阶段，神经形态计算机已显示出比传统CPU和GPU系统更强的能效优势。英特尔在桑迪亚Hala Point和Oheo Gulch系统中部署的Loihi 2系统据称能提供每瓦15 TOPS的能效，约为英伟达Blackwell等现代GPU的2.5倍。更现代的系统，如去年夏天在桑迪亚部署的基于SpiNNaker2的系统，宣称每瓦性能比现代GPU高18倍。神经形态计算固有的内存计算架构编程难度大，常需研究人员为现有流程发明新算法。研究人员开发了名为NeuroFEM的算法，在脉冲神经形态硬件上实现了常用于解决偏微分方程的有限元方法。更重要的是，这项研究不仅是理论性的，研究人员使用实际的神经形态硬件解决了偏微分方程，具体是英特尔的Oheo Gulch系统，该系统包含32个Loihi 2神经芯片。在测试中，实验室展示了近理想的强扩展性，即核心数量加倍时，解决时间减半。这种扩展性仍受阿姆达尔定律影响，但为未来应用奠定了基础。