受大腦啟發的機器在數學方面比預期更好

在發表於的一項研究中 大自然的機器智能桑迪亞國家實驗室的計算神經科學家 Brad Thielmann 和 Brad Aymon 提出了一種新演算法，允許神經機器求解偏微分方程（PDE）——流體動力學、電磁場和結構力學等現象建模的數學基礎。

結果顯示神經系統可以有效地處理這些方程式。這項進步可能有助於打開第一台神經形態超級電腦的大門，為國家安全和其他重要應用提供節能運算的新途徑。

該研究由能源部科學辦公室透過高級科學計算和基礎能源科學研究計劃以及國家核安全管理局的高級計算和模擬計劃資助。

使用類腦設備求解偏微分方程

偏微分方程對於模擬現實係統至關重要。它們用於預測天氣、分析材料對壓力的反應以及對複雜的物理過程進行建模。傳統上，求解偏微分方程式需要龐大的運算能力。神經計算機以與大腦運作方式類似的方式處理訊息，從而以不同的方式解決這個問題。

「我們才剛開始獲得能夠表現出類似智慧行為的計算系統，」蒂爾曼說。 “但它們看起來根本不像大腦，而且它們所需的資源數量坦率地說是荒謬的。”

多年來，神經系統主要被視為模式識別或加速人工神經網路的工具。很少有人期望它們能夠處理像偏微分方程一樣精確的數學問題，而偏微分方程通常由大型超級電腦處理。

艾蒙和蒂爾曼對這個結果並不感到驚訝。他們認為，人類的大腦經常執行非常複雜的計算，即使人們沒有意識到這一點。

「選擇任何類型的運動控制任務——例如打網球或在棒球中揮棒，」埃蒙說。 “這些都是非常複雜的計算。它們是百億億級的問題，我們的大腦可以非常便宜地解決。”

國家安全的節能計算

這些發現可能對負責維持國家核子威懾力量的國家核安局產生重大影響。核武綜合體中使用的超級電腦消耗大量電力來模擬核系統的物理原理和其他高風險情境。

神經運算可以提供一種顯著減少能源使用的方法，同時仍提供強大的運算效能。透過以受大腦啟發的方式解決偏微分方程問題，這些系統表明可以使用比傳統超級電腦少得多的功率來運行大型模擬。

「你可以使用類似大腦的計算來解決真正的物理問題，」埃蒙說。 “這是你意想不到的，因為人們的直覺是相反的。事實上，這種直覺常常是錯誤的。”

該團隊設想神經形態超級電腦最終成為桑迪亞保護國家安全使命的核心。

神經計算揭示了大腦的什麼？

除了工程進步之外，這項研究還解決了有關智力和大腦如何進行計算的更深層次的問題。 Thielmann 和 Aimon 開發的演算法密切反映了皮質網絡的結構和行為。

「我們在計算神經科學領域相對知名的模型上建立了我們的電路，」蒂爾曼說。 “我們已經證明，該模型與偏微分方程具有自然但不明確的聯繫，並且在該模型推出 12 年後，這種聯繫尚未建立。”

研究人員相信這項工作有助於將神經科學與應用數學聯繫起來，為大腦如何處理資訊提供新的理解。

「腦部疾病可能是計算疾病，」艾蒙說。 “但我們對大腦如何進行計算還沒有深入的了解。”

如果這個想法被證明是正確的，神經計算有一天可能有助於提高對阿茲海默症和帕金森氏症等神經系統疾病的理解和治療。

建構下一代超級電腦

神經運算仍然是一個新興領域，但這項工作代表了向前邁出的重要一步。桑迪亞團隊希望他們的發現能鼓勵數學家、神經科學家和工程師之間的合作，以擴大這項技術的應用範圍。

「如果我們已經證明，我們可以將一種相對基本但又基礎的應用數學演算法導入神經形式中，那麼是否存在針對更高級應用數學技術的相應神經形式？」蒂爾曼說。

隨著開發的繼續，研究人員持樂觀態度。 「我們開始理解科學問題，但我們也有一些東西可以解決真正的問題，」蒂爾曼說。