潜在的应用和好处

神经形态计算的应用包括科学计算、人工智能、增强现实和虚拟现实、可穿戴设备、智能农业、智能城市等。神经形态芯片在能源和空间效率以及性能方面都有超过传统计算机的潜力。这可能会在各个领域带来巨大的优势，包括人工智能、医疗保健和机器人。到2026年，人工智能的用电量预计将翻一番，因此神经形态计算（neuromorphic computing）成为一种很有前途的解决方案。

“神经形态计算在今天尤为重要，因为我们正在目睹能源和资源匮乏的人工智能系统难以维持的规模，”加州大学圣地亚哥分校生物工程系的杰出教授、该论文的合著者之一格特·考文伯格（Gert Cauwenberghs）说。

构建新架构

神经形态计算正处于关键时刻，德克萨斯大学圣安东尼奥分校Robert F. McDermott特约主席、该论文的通讯作者迪蕾莎·库迪蒂普迪（Dhireesha Kudithipudi）说。她说：“我们现在正处于一个巨大的机会来建立新的架构和开放框架，这些架构和框架可以部署在商业应用程序中。”“我坚信，促进产业界和学术界之间的紧密合作是塑造这一领域未来的关键。这种合作反映在我们的共同作者团队中。”

去年，考文伯格和库迪蒂普迪从国家科学基金会获得了400万美元的资助，用于启动THOR: the Neuromorphic Commons，这是首个同类研究网络，提供开放的神经形态计算硬件和工具，以支持跨学科和协作研究。

NeuRRAM芯片的发展

2022年，由考文伯格领导的团队设计的神经形态芯片表明，这些芯片可以高度动态和多用途，而不会影响准确性和效率。NeuRRAM芯片直接在内存中运行计算，可以运行各种各样的人工智能应用程序 —— 所有这些都只需要通用人工智能计算平台消耗的一小部分能量。考文伯格说：“我们在《自然》杂志上的评论文章为神经形态人工智能系统在硅和新兴芯片技术中的进一步扩展提供了一个视角，以接近哺乳动物大脑中大规模和极端高效的自我学习能力。”

为了实现神经形态计算的规模，作者提出了几个必须优化的关键特征，包括人类大脑的定义特征稀疏性。大脑的发育是通过形成大量的神经连接（致密化），然后有选择地修剪其中的大部分。这种策略优化了空间效率，同时高保真地保留了信息。如果成功模拟，这一特征可以使神经形态系统更加节能和紧凑。

未来方向和合作潜力

考文伯格说：“可扩展的可扩展性和卓越的效率源于神经表征中的大规模并行性和分层结构，将模拟大脑灰质的神经突触核心中的密集局部突触连接与模拟大脑白质的神经通信核心中的稀疏全局连接相结合，通过高带宽可重构的芯片互连和分层结构的芯片互连来促进。”

“这篇论文显示了在现实生活中大规模使用神经形态计算的巨大潜力。在圣地亚哥超级计算机中心，我们为国家用户社区带来了新的计算架构，这项合作工作为为国家用户社区带来神经形态资源铺平了道路，”Amitava Majumdar说，他是加州大学圣地亚哥校区SDSC数据支持科学计算部门的主任，也是该论文的合著者之一。