Nature子刊：用类脑芯片模拟大脑运行！

10月24日，发表在 Nature Communications上的一篇论文，科学家用类脑计算架构对宏观脑动力学进行了建模。
大脑的认知、感知等功能源于大量神经元的集体活动。因此，对大规模神经活动进行建模是理解大脑工作机制的关键。建模方法可分为细粒度和粗粒度两种。细粒度建模以单个神经元为基本单元，虽能模拟细节，但参数多、数据获取难，实际建模难度大。

近年来，类脑计算芯片发展迅速，如TrueNorth、SpiNNaker、Loihi、天机等。这些芯片采用去中心化多核架构，具备高并行计算能力和内存带宽，在能效上优于传统GPU等硬件。然而，将类脑芯片用于宏观脑动力学建模仍面临两大挑战：一是精度不匹配，类脑芯片通常为AI任务设计，偏向低精度运算以降低功耗；而脑动力学模型需高精度浮点运算以保持数值稳定，现有低精度量化方法难以直接适用；二是架构适配问题，类脑芯片多以神经元为基本单元组织，主要用于细粒度模拟，如何高效支持粗粒度的宏观脑建模仍待探索。

针对上述问题，研究人员提出了一套新流程，将粗粒度脑建模与类脑计算架构有效结合：设计了动力学感知量化框架，在低精度条件下仍能保持模型的关键动力学特性；同时还开发了分层并行映射策略，充分发挥类脑芯片和GPU的硬件并行能力。
实验结果表明，部署后的低精度模型在保持高功能保真度的同时，相比常用CPU实现了数十至数百倍的加速。

这项研究为宏观脑动力学建模提供了高效的计算基础，拓展了类脑芯片在神经科学和医疗领域的科学计算应用前景。
#热门微博##科技快讯##人工智能##类脑芯片#