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（PDEs）的能力。这一发现打破了传统认知——此前科学界普遍认为类脑计算仅适用于图像识别或加速人工神经网络，难以承担严谨的科学计算任务。
研究团队将有限元方法（FEM）与神经形态计算结合，创造了Neurofem算法。FEM通过将复杂物体分割为无数微小单元，计算每个单元的受力情况来预测整体行为，是工程领域常用的仿真手段。新算法的创新之处在于，直接将FEM的网格节点映射到英特尔Loihi 2神经拟态芯片上——每个节点由8至16个人造神经元表示，节点间的相互作用力则转化为神经网络的权重参数。这种设计将原本依赖矩阵乘法的线性方程组求解，转化为神经网络寻找“平衡状态”的优化过程，从而直接输出数值解。
实验数据显示，在基于32块Loihi 2芯片的测试系统中，Neurofem的能耗仅为传统计算机运行同类软件的五分之一，且计算结果与经典FEM软件的误差控制在千分之几范围内。不过，当前算法的运算速度仍落后于传统计算机，表明其更适合对能效要求极高、而非追求极致计算速度的场景。
尽管展现出显著优势，Neurofem仍存在应用局限。研究指出，该算法仅在处理“稀疏矩阵”方程组（即仅相邻节点存在交互）时效率最高，目前无法直接扩展至所有类型的方程求解。但随着英特尔推出搭载更多神经元的Hala Point系统，以及初创公司Spinncloud开发千片级脉冲神经网络（SNN）系统，神经拟态计算在物理模拟领域的规模化应用前景正逐步清晰。
