详细内容或原文请订阅后点击阅览
这些受大脑启发的计算机的数学能力惊人
新研究表明，技术进步有助于提高未来超级计算机的能源效率。神经形态计算机是根据人脑结构建模的，研究人员发现它们可以解决许多科学和工程领域核心的数学难题。在《自然机器智能》上发表的一项研究中，[...]
来源:SciTech日报新研究表明，技术进步有助于提高未来超级计算机的能源效率。
神经形态计算机是按照人脑结构建模的，研究人员发现它们可以解决许多科学和工程领域核心的困难数学问题。
在《自然机器智能》上发表的一项研究中，桑迪亚国家实验室计算神经科学家 Brad Theilman 和 Brad Aimone 介绍了一种新算法，允许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、电磁行为和物理结构强度等系统的数学基础。
结果表明，神经形态系统不仅可以求解这些方程，而且可以以令人印象深刻的效率求解。研究人员表示，这一进展可能为世界上第一台神经形态超级计算机打开大门，对国家安全和其他要求高的应用中的节能计算产生重大影响。
受大脑启发的科学计算方法
偏微分方程在现实世界建模中发挥着核心作用，从预测天气到预测材料对力的反应。传统上，求解这些方程需要巨大的计算能力。神经形态计算机采取了不同的路径，使用更接近地反映大脑处理信息方式的硬件设计。
“我们刚刚开始拥有可以表现出类似智能行为的计算系统。但它们看起来一点也不像大脑，而且坦率地说，它们所需的资源量是荒谬的，”Theilman 说。
多年来，神经形态系统被认为最适合模式识别或加速人工神经网络。很少有研究人员期望它们能够在偏微分方程等数学要求较高的问题上表现出色，而偏微分方程通常是为传统超级计算机保留的。