1月13日，美国桑迪亚国家实验室在《自然-机器智能》上发表最新研究成果，展示了一种新型算法Neurofem，该算法能够使神经形态硬件解决偏微分方程（PDEs）。偏微分方程是模拟流体动力学、电磁场和结构力学等物理现象的关键数学工具。传统上，类脑计算被认为仅适用于图像识别或加速人工神经网络，而不适合严谨的科学计算。然而，这项研究表明，模仿人脑架构的计算机不仅能处理这些复杂方程，而且效率惊人。

研究人员开发了Neurofem算法，并成功在英特尔的Loihi2神经拟态芯片上执行了有限元方法（FEM）。FEM是一种将复杂物体分割成小块（单元）并通过计算每个小块的受力情况来预测整体是否会断裂或变形的计算方法。Neurofem算法不需要预先训练，而是利用芯片架构直接进行数学优化，将物体的网格节点直接映射到神经拟态芯片上，每个节点由8到16个“人造神经元”表示，节点间的相互作用力转化为神经网络的权重参数。

在基于32块英特尔Loihi2芯片的测试中，Neurofem展现了惊人的能效潜力，其能耗不到传统计算机运行同类软件时的五分之一。计算结果与经典FEM软件相比，误差仅在千分之几的范围内，证明了其高度的可靠性。尽管运算速度仍慢于传统计算机，但该技术更适合对能效要求极高而非追求极致速度的场景。Neurofem算法目前仅在处理“稀疏矩阵”方程组时才能保持高效，因此尚不能直接套用于所有类型的方程求解。随着技术的进步，神经拟态计算在物理模拟领域的应用有望进一步加速。