英國劍橋安格利亞魯斯金大學新型超級計算機旨在模仿人腦

　　據(jù)澳大利亞研究人員稱，一臺計劃于 2024 年 4 月上線的超級計算機將與人腦的估計運行速度相媲美。這臺名為DeepSouth的機器每秒能夠執(zhí)行228萬億次操作。

　　它是世界上第一臺能夠在人腦規(guī)模上模擬神經(jīng)元和突觸網(wǎng)絡(構成我們神經(jīng)系統(tǒng)的關鍵生物結構)的超級計算機。

　　DeepSouth屬于一種被稱為神經(jīng)形態(tài)計算的方法，旨在模仿人腦的生物過程。它將由西悉尼大學國際神經(jīng)形態(tài)系統(tǒng)中心運營。

　　我們的大腦是我們所知道的最神奇的計算機。通過分發(fā)其 通過數(shù)萬億個連接(突觸)相互作用的數(shù)十億個小單元(神經(jīng)元)的計算能力，大腦可以與世界上最強大的超級計算機相媲美，同時只需要與冰箱燈泡相同的功率。

　　與此同時，超級計算機通常占用大量空間，需要大量電力才能運行。Hewlett Packard Enterprise Frontier 是世界上最強大的超級計算機，每秒可以執(zhí)行超過一萬億次的運算。它占地 680 平方米(7,300 平方英尺)，需要 22.7 兆瓦 (MW) 才能運行。

　　我們的大腦每秒可以執(zhí)行相同數(shù)量的操作，功率僅為 20 瓦，而重量僅為 1.3 公斤至 1.4 公斤。除其他外，神經(jīng)形態(tài)計算旨在解開這種驚人效率的秘密。

　　極限晶體管

　　1945 年 6 月 30 日，數(shù)學家和物理學家約翰·馮·諾依曼 (John von Neumann) 描述了一種新機器的設計，即電子離散變量自動計算機 (Edvac)。這有效地定義了我們所知道的現(xiàn)代電子計算機。

　　我的智能手機、我用來寫這篇文章的筆記本電腦以及世界上最強大的超級計算機都具有馮·諾依曼在近 80 年前提出的相同基本結構。它們都具有不同的處理和存儲單元，其中數(shù)據(jù)和指令存儲在存儲器中并由處理器計算。

　　幾十年來，微芯片上的晶體管數(shù)量大約每兩年翻一番，這一觀察結果被稱為摩爾定律。這使我們能夠擁有更小、更便宜的計算機。

　　然而，晶體管尺寸現(xiàn)在正接近原子尺度。在這些微小的尺寸下，過熱的產(chǎn)生是一個問題，就像一種稱為量子隧穿的現(xiàn)象一樣，它干擾了晶體管的功能。這正在放緩，并最終將阻止晶體管的小型化。

　　為了克服這個問題，科學家們正在探索新的方法 計算，從我們都隱藏在腦海中的強大計算機開始，即人腦。我們的大腦不是按照約翰·馮·諾依曼的計算機模型工作的。它們沒有單獨的計算和內(nèi)存區(qū)域。

　　相反，它們通過連接數(shù)十億個神經(jīng)細胞來工作，這些神經(jīng)細胞以電脈沖的形式傳達信息。信息可以通過稱為突觸的連接從一個神經(jīng)元傳遞到下一個神經(jīng)元。大腦中神經(jīng)元和突觸的組織是靈活、可擴展和高效的。

　　因此，在大腦中，與計算機不同，記憶和計算由相同的神經(jīng)元和突觸控制。自 1980 年代后期以來，科學家們一直在研究這個模型，打算將其導入計算。

　　模仿生活

　　神經(jīng)形態(tài)計算機基于簡單的基本處理器(類似于大腦的神經(jīng)元和突觸)的復雜網(wǎng)絡。這樣做的主要優(yōu)點是這些機器本質(zhì)上是“并行”的。

　　這意味著，與神經(jīng)元和突觸一樣，計算機中幾乎所有的處理器都可以同時運行，協(xié)同通信。

　　此外，由于與傳統(tǒng)計算機相比，單個神經(jīng)元和突觸執(zhí)行的計算非常簡單，因此能耗要小幾個數(shù)量級。雖然神經(jīng)元有時被認為是處理單元，突觸是記憶單元，但它們對處理和存儲都有貢獻。換句話說，數(shù)據(jù)已經(jīng)位于計算需要的地方。

　　這通常會加快大腦的計算速度，因為內(nèi)存和處理器之間沒有分離，這在經(jīng)典(馮·諾依曼)機器中會導致速度變慢。但它也避免了從主內(nèi)存組件訪問數(shù)據(jù)的特定任務的需要，就像在傳統(tǒng)計算系統(tǒng)中發(fā)生的那樣，并且消耗了大量的能量。

　　我們剛才描述的原則是DeepSouth的主要靈感來源。這不是目前唯一活躍的神經(jīng)形態(tài)系統(tǒng)。值得一提的是由歐盟倡議資助的人腦計劃(HBP)。HBP 于 2013 年至 2023 年投入使用，并催生了位于德國海德堡的 BrainScaleS 機器，它模擬神經(jīng)元和突觸的工作方式。

　　BrainScaleS 可以模擬神經(jīng)元“尖峰”的方式，即電脈沖沿著我們大腦中的神經(jīng)元傳播的方式。這將使BrainScaleS成為研究認知過程機制的理想候選者，以及未來研究嚴重神經(jīng)和神經(jīng)退行性疾病的潛在機制。

　　因為它們被設計成模仿實際的大腦，所以神經(jīng)形態(tài)計算機可能是一個轉折點的開始。它們提供可持續(xù)且經(jīng)濟實惠的計算能力，并允許研究人員評估神經(jīng)系統(tǒng)模型，是一系列應用的理想平臺。它們有可能促進我們對大腦的理解，并為人工智能提供新的方法。