什麼是神經形態計算
傳統計算機遵循馮·諾依曼架構：數據存儲在記憶體中，處理器從記憶體讀取數據進行計算，再將結果寫回記憶體。這種架構已經服務人類超過七十年，但其固有的「記憶體牆」——處理器與記憶體之間的數據傳輸瓶頸——嚴重限制了計算效率，尤其在處理大規模科學計算問題時。
神經形態計算（Neuromorphic Computing）提出了一種根本不同的方案：模仿人類大腦的工作方式。人腦中約有860億個神經元，通過突觸連接形成龐大的網絡。神經元以脈衝（spike）的形式傳遞信息，計算和存儲在同一個物理位置完成，不存在馮·諾依曼架構中的數據搬運問題。
然而，長期以來，神經形態計算主要停留在模式識別、感知處理等「類感知」任務上。能否用這種「類腦」的方式解決嚴謹的數學和物理問題，一直是學界的重大疑問。桑迪亞實驗室的最新研究給出了明確的肯定答案。
突破的核心：解決偏微分方程
偏微分方程（Partial Differential Equations, PDEs）是描述自然界物理現象的基礎數學語言。從流體力學、電磁學到量子力學，幾乎所有物理系統的行為都可以用PDEs來描述。解決PDEs是科學計算和工程模擬的核心任務。
偏微分方程的應用範圍
- 核武器模擬：模擬核反應中的物質行為和能量傳播
- 天氣預報：求解大氣動力學方程預測天氣變化
- 航空工程：模擬飛行器周圍的空氣流動
- 材料科學：預測新材料在不同條件下的行為
- 金融工程：Black-Scholes方程等衍生品定價模型
目前，解決複雜PDEs需要消耗巨大的計算資源。全球最大的超級計算機——如美國的Frontier和Aurora——很大一部分算力都用於求解各類PDEs。這些計算不僅耗時，更消耗驚人的電力。
桑迪亞實驗室的研究團隊證明，神經形態計算機可以用一種全新的方式解決這些方程，而且能源效率可能比傳統計算機高出數個數量級。
Brad Aimone的宣言
研究負責人Brad Aimone是桑迪亞實驗室神經形態計算項目的領軍人物，也是將神經科學與計算機科學交叉融合的先驅之一。他在論文發表後表示：
「你可以用類腦計算解決真正的物理問題。這不是一個理論假設，而是我們已經做到的事實。」
Aimone的這番話之所以具有分量，是因為長期以來，科學計算社群對神經形態計算持懷疑態度。傳統觀點認為，脈衝神經網絡的隨機性和近似性質使其不適合需要精確解的物理方程求解。桑迪亞的研究從根本上挑戰了這一成見。
技術路徑：神經科學與應用數學的橋樑
這項研究最引人注目的特徵是其跨學科性質。研究團隊將神經科學對大腦信息處理方式的理解，與應用數學中求解PDEs的成熟方法論結合起來。
脈衝編碼的數學語義
研究團隊發現，脈衝神經網絡（Spiking Neural Networks, SNNs）中神經元的發放模式可以被賦予精確的數學含義。通過精心設計網絡結構和學習規則，脈衝的時間模式可以編碼PDEs的解。
空間離散化的自然映射
PDEs通常需要在空間上進行離散化（例如有限元方法或有限差分方法）。研究發現，神經形態芯片上神經元的空間分佈可以自然地映射到PDEs的空間離散化方案上。
時間演化的脈衝動力學
許多PDEs描述隨時間演化的系統。脈衝神經網絡天生就是動態系統，其時間演化特性可以直接用於求解時變PDEs。
研究的關鍵創新
- 建立了脈衝神經網絡與PDEs數值解法之間的數學等價性
- 開發了在神經形態硬件上實現PDE求解器的系統方法
- 驗證了在多種物理方程上的求解精度和效率
- 展示了能源效率相比傳統方法的顯著優勢
核模擬的深遠影響
桑迪亞國家實驗室是美國核武器研究的核心機構之一。這一背景賦予了這項研究特殊的戰略意義。
核武器的維護和驗證高度依賴計算機模擬——自1992年美國停止核試驗以來，所有核武器的可靠性評估都通過「庫存管理計劃」（Stockpile Stewardship Program）中的計算機模擬完成。這些模擬需要求解極其複雜的多物理場耦合PDEs，是目前超級計算機最耗算力的任務之一。
如果神經形態計算能夠顯著提高這類模擬的效率，其影響將是戰略性的：不僅能大幅降低模擬成本和能源消耗，還可能實現更高保真度的模擬，提升核武庫的安全性和可靠性。
通往神經形態超級計算機之路
這項研究被視為通往全球首台神經形態超級計算機的重要一步。目前，英特爾的Loihi 2和IBM的TrueNorth等神經形態芯片已經展示了概念驗證級別的能力，但距離超級計算機規模還有相當距離。
桑迪亞的研究證明了神經形態計算在科學計算領域的可行性，這為投入更多資源開發大規模神經形態系統提供了強有力的科學依據。
- 短期（1-3年）：在特定PDEs求解任務上展示實用級別的性能
- 中期（3-7年）：開發專用的神經形態科學計算加速器
- 長期（7-15年）：建設通用的神經形態超級計算機
能源效率的革命性潛力
當前全球超級計算面臨的最大挑戰之一是能源消耗。美國最快的超級計算機Frontier的功耗達到21兆瓦，相當於一個小型城鎮的用電量。隨著計算需求的增長，這一問題只會更加嚴峻。
人腦的功耗僅約20瓦——比一個燈泡還低——卻能完成極其複雜的信息處理任務。神經形態計算的終極願景正是實現接近人腦的能源效率。雖然目前的神經形態芯片還遠未達到這一目標，但桑迪亞的研究表明，即使在當前技術水平下，神經形態方法在解決PDEs時的能源效率也顯著優於傳統方法。
對香港科研界的意義
這項研究對香港的大學和科研機構具有重要的啟示意義。香港多所大學在計算神經科學和應用數學領域都有強勁的研究實力，神經形態計算與科學計算的交叉領域提供了新的研究機會。
此外，香港正在推進科技創新，建設「國際創新科技中心」。神經形態計算作為一個新興但快速發展的領域，可能成為香港差異化發展的方向之一。與其在傳統超算領域與資源豐富的大國競爭，不如在神經形態計算這一前沿領域尋求突破。
結語
桑迪亞國家實驗室的這項研究是一個里程碑：它證明了類腦計算不僅能用於感知和認知任務，還能解決嚴謹的物理方程。這座連接神經科學與應用數學的橋樑，可能開啟一個全新的計算時代——一個更節能、更高效、更接近人腦運作方式的計算時代。