关于本中文版的说明  /  Note sur cette version chinoise

本日报作者不通中文。这些译文由人工智能自动生成,作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本,希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处,恳请告知 — 我们将虚心接受并改进。

L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.

— 《进步者日报》编辑部  /  La rédaction

日本超级计算机”富岳”用32秒模拟了1000万个皮层神经元的活动,相当于一秒钟的真实思维。这一成果由艾伦研究所与日本电气通信大学共同完成,是小鼠大脑皮层的首次近实时完整模拟。神经形态芯片有望将这类计算的能耗降低1000倍。

“富岳”近乎实时重现小鼠大脑活动

“富岳”安装在神户理化学研究所计算科学研究中心,调用15.2万个ARM处理器模拟小鼠完整大脑皮层。1000万个虚拟神经元每秒交换370亿个信号,精确再现活体大脑测得的活动模式。

模拟比率为32:1——计算32秒,对应真实神经活动1秒。此前完成同等模拟需要数小时。日本团队优化了突触传递算法,并在”富岳”的大规模分布式架构上实现并行计算。

精度达到单个突触层级。每个虚拟神经元保有独立的电化学特性:膜电位、激活阈值、传递延迟。模型还再现了真实皮层中的伽马振荡——40赫兹节律,负责在认知过程中同步神经元活动。

经典计算与生物大脑之间的能耗鸿沟

“富岳”满负荷运行消耗30至40兆瓦,而它所模拟的小鼠大脑耗电不足一瓦(人类大脑耗电20瓦)。两者相差约1000至2000倍,折射出数字处理器相对于经5亿年进化打磨的生物回路的低效。

大脑以模拟方式大规模并行处理信息。每个神经元同时与数千个邻近神经元协同运算,内存与处理器不作区分。超级计算机则将每步操作拆解为顺序二进制计算,计算单元与内存之间的数据传输因此大幅增加。

这一能耗水平严重制约了实际应用。人类大脑含860亿个神经元,其中160亿位于皮层,完整模拟面临巨大的能源与技术压力。

2.5拍字节是大脑的估算存储容量,而非处理速度。目前没有任何数字系统能接近生物效率,包括达到每秒10^18次运算门槛的百亿亿次超级计算机。

神经形态芯片有望实现1000倍效率提升

IBM、英特尔和高通正在开发直接模仿大脑架构的神经形态处理器。这些芯片放弃二进制逻辑,转为连续模拟计算,使硅片更接近突触的工作方式。

英特尔Loihi 2在31平方毫米内集成100万个虚拟神经元。每个神经元模拟电信号累积至触发阈值的过程,与生物神经元机制一致。活跃神经元功耗降至1微瓦,比执行同等计算的经典处理器低1000倍。

IBM TrueNorth进一步发展这一思路,4096个神经形态核心通过异步通信网络相连,无全局时钟。每个事件直接触发后续计算。这种事件驱动方式再现了生物大脑的反应机制——只有被激活的神经元才消耗能量。

BrainChip已量产Akida神经形态芯片。在实时图像识别任务中,该芯片能耗比图形处理器低10000倍。学习过程直接在芯片内完成,无需传输至外部内存。这一特性可能重塑自动驾驶汽车和移动设备中的嵌入式人工智能。

完整人类大脑的挑战

人类大脑约有160亿个皮层神经元,是”富岳”当前模拟规模的1600倍以上。规模扩展面临的障碍远超现有计算能力。

突触连接数量随神经元数目呈指数增长。每个人类皮层神经元平均与7000个神经元相连,全脑共形成150万亿个突触。模拟这些连接已超出所有现有计算机系统的内存上限。

时间复杂性构成另一层挑战。人类皮层包含多种频率的振荡:深度睡眠时的德尔塔波(1—4赫兹)、放松时的阿尔法波(8—13赫兹)、专注时的伽马波(30—100赫兹)。这些节律在毫秒到昼夜节律的不同时间尺度上相互交织。

曼彻斯特大学正在研发SpiNNaker 2,这台神经形态超级计算机配备1000万个专用ARM处理器。目标是2027年前实现10亿神经元模拟,约占人类大脑的5%。但复制突触可塑性——学习能力的底层适应机制——在很大程度上仍是未解问题。

医疗应用已开辟直接路径

小鼠大脑皮层的精确模拟已在加速神经学研究。制药公司在进入临床前试验之前,先于虚拟神经元回路上测试分子效果,压缩开发成本与周期。

癫痫研究直接受益于这些模型。神经学家在虚拟皮层中重现癫痫发作,定位致痫区并测试治疗方案。通过模拟抗癫痫药物对特定患者大脑的作用,这一方法可望实现个性化治疗。

个性化基因疗法治疗罕见病的希望可能与神经模拟形成交集。模拟基因突变对大脑活动的影响,将为神经退行性疾病靶向疗法的开发提供方向。

脑机接口同样受益于这些精细模型。准确理解神经元如何编码运动意图,有助于改进神经假体,让瘫痪患者通过思维控制机械肢体。Neuralink和Synchron正利用这些成果优化脑植入物。

神经形态超级计算机或将改变实时医疗诊断。以模拟大脑的精度分析脑电图信号,可早期发现痴呆或中风的迹象,为治疗争取关键时间窗口。


来源:

  1. 艾伦研究所官方发布
  2. 富士通官方”富岳”规格
  3. IBM神经形态计算概述
  4. 维基百科按物种分类的神经元列表