美国桑迪亚国家实验室在《自然-机器智能》期刊上发表了一项突破性研究成果，其研发的新型算法Neurofem成功让神经形态硬件具备了求解偏微分方程的能力。这一发现打破了类脑计算仅适用于图像识别等简单任务的固有认知，为科学计算领域开辟了新的技术路径。
偏微分方程作为描述流体运动、电磁场分布等物理现象的核心数学工具，传统求解方式高度依赖超级计算机的算力支持。这类设备在处理复杂方程时需要消耗海量电力资源，而神经形态计算机通过模拟人脑工作机制，为降低能耗提供了全新解决方案。实验室研究员Aimone指出，人类大脑在完成网球击打等动作控制时，本质上是在进行每秒百亿亿次的复杂计算，这种高效运算模式启发了研究团队的技术路线设计。
研究团队开发的Neurofem算法突破了传统AI模型依赖海量数据训练的局限，通过直接利用神经拟态芯片的架构特性实现数学优化。该算法在英特尔Loihi 2芯片上成功运行了有限元分析方法，这种工程领域常用的计算技术通过将物体分解为微小单元来模拟受力变形过程。实验中将每个网格节点映射为8-16个人造神经元，节点间的相互作用力则转化为神经网络权重参数，使线性方程组求解转化为寻找网络平衡状态的优化过程。
基于32块Loihi 2芯片的测试平台显示，Neurofem算法的能耗仅为传统计算方法的五分之一，计算结果与经典软件相比误差控制在千分之几范围内。虽然当前运算速度仍落后于传统计算机，但其在能源效率方面的显著优势，使其特别适用于对功耗敏感的科研场景。研究人员特别强调，该算法目前仅在处理相邻节点存在交互的稀疏矩阵方程组时表现优异，这限制了其在部分复杂方程求解中的应用范围。
这项技术突破得益于神经拟态计算领域的快速发展。英特尔最新推出的Hala Point系统集成了更多神经元单元，初创公司Spinncloud开发的千片级脉冲神经网络系统也在加速研发。这些硬件进步为Neurofem算法的规模化应用奠定了基础，有望推动物理模拟、气候建模等高能耗计算领域实现技术革新。随着算法优化和硬件升级的持续推进，神经形态计算正在从概念验证阶段迈向实际应用阶段。
