人脑，作为地球上最为高效的计算“神器”，仅需 20 瓦功率、1.3 公斤质量，就能达成每秒 100 万亿次的惊人运算量。反观当下人类最大的超级计算机 Hewlett Packard Enterprise Frontier，虽能完成与人脑计算量近似的任务，却占地 680 平米，运行功率高达 2270 万瓦。如此鲜明的对比，彰显出人脑在计算设备架构上的显著优势。
而在最近，来自澳大利亚的科学家带来了振奋人心的消息，他们成功开发出了一台全方位模仿人脑的超级计算机——DeepSouth，预计将于明年 4 月正式上线。这一创举意味着，世界即将迎来第一台能够在人脑规模上模拟数十亿神经元和数万亿突触网络的超级计算机，每秒可实现 228 万亿次突触操作。
西悉尼大学的 ICNS 团队携手来自悉尼大学、墨尔本大学和德国亚琛大学的神经形态领域伙伴，共同造就了这一科技杰作。这台超级计算机被命名为 DeepSouth，旨在向 IBM 的 TrueNorth 系统和 Deep Blue 致敬。
西悉尼大学 ICNS 主任 André van Schaik 教授指出，由于当前技术无法大规模模拟类脑网络，对于大脑如何利用神经元进行计算的理解进展遭遇阻碍。使用图形处理单元 (GPU) 和多核中央处理单元 (CPU)在标准计算机上模拟脉冲神经网络（Spiking Neural Networks）速度缓慢且耗电巨大。而 DeepSouth 的出现将改变这一困境。
DeepSouth 拥有诸多显著优势，比如能够以极低功率完成超快速、大规模并行处理。大脑能够以 20 瓦的功率处理相当于每秒 10^18 次的运算，而 DeepSouth 采用模拟大脑工作方式的神经形态工程，能够快速处理海量数据，用电量大幅减少，且体积小于其他超级计算机。
此外，DeepSouth 将通过前端实现远程访问，该前端支持使用流行的编程语言 Python 描述神经模型和设计神经网络，方便研究人员使用。其商业可用性也极高，利用商用硬件确保了硬件的持续改进。
在理解“仿真人脑”与现有通用计算机的差异时，需从现代计算机的构架入手。1945 年 6 月 30 日，数学家和物理学家约翰·冯·诺依曼描绘了一种新机器的设计——电子离散变量自动计算机 (Edvac)，为现代电子计算机奠定了基础。
智能手机、笔记本电脑以及世界上最强大的超级计算机，都沿用了冯·诺依曼大约 80 年前引入的基本结构，具有不同的处理和内存单元。然而，随着微芯片上晶体管数量的增长，晶体管尺寸已接近原子尺度，计算过程中产生过多热量，量子隧道效应干扰晶体管功能，使得晶体管小型化之路愈发艰难。
为攻克难题，科学家们将目光转向人脑。大脑中神经元和突触的组织灵活、可扩展且高效，记忆和计算由相同的神经元和突触控制，与计算机大不相同。自 20 世纪 80 年代末以来，科学家们一直在探索这一模型，意图应用于计算领域。
神经形态计算机基于类似大脑神经元和突触的简单基本处理器构建复杂网络，其优势在于机器本质上是并行的，能耗也小几个数量级。
值得一提的是，由欧盟倡议资助的人脑项目（HBP）在 2013 年至 2023 年运行期间催生了 BrainScaleS，这是一台位于德国海德堡的机器，用于模拟神经元和突触的工作方式。
神经形态计算机被设计用于模仿真实的大脑，有望成为科技发展的转折点。它们提供可持续且经济实惠的计算能力，允许研究人员评估神经系统模型，是一系列应用的理想平台，为人工智能提供新途径，促进人类对大脑的理解。
而在最近，来自澳大利亚的科学家带来了振奋人心的消息，他们成功开发出了一台全方位模仿人脑的超级计算机——DeepSouth，预计将于明年 4 月正式上线。这一创举意味着，世界即将迎来第一台能够在人脑规模上模拟数十亿神经元和数万亿突触网络的超级计算机，每秒可实现 228 万亿次突触操作。
西悉尼大学的 ICNS 团队携手来自悉尼大学、墨尔本大学和德国亚琛大学的神经形态领域伙伴，共同造就了这一科技杰作。这台超级计算机被命名为 DeepSouth，旨在向 IBM 的 TrueNorth 系统和 Deep Blue 致敬。
西悉尼大学 ICNS 主任 André van Schaik 教授指出，由于当前技术无法大规模模拟类脑网络，对于大脑如何利用神经元进行计算的理解进展遭遇阻碍。使用图形处理单元 (GPU) 和多核中央处理单元 (CPU)在标准计算机上模拟脉冲神经网络（Spiking Neural Networks）速度缓慢且耗电巨大。而 DeepSouth 的出现将改变这一困境。
DeepSouth 拥有诸多显著优势，比如能够以极低功率完成超快速、大规模并行处理。大脑能够以 20 瓦的功率处理相当于每秒 10^18 次的运算，而 DeepSouth 采用模拟大脑工作方式的神经形态工程，能够快速处理海量数据，用电量大幅减少，且体积小于其他超级计算机。
此外，DeepSouth 将通过前端实现远程访问，该前端支持使用流行的编程语言 Python 描述神经模型和设计神经网络，方便研究人员使用。其商业可用性也极高，利用商用硬件确保了硬件的持续改进。
在理解“仿真人脑”与现有通用计算机的差异时，需从现代计算机的构架入手。1945 年 6 月 30 日，数学家和物理学家约翰·冯·诺依曼描绘了一种新机器的设计——电子离散变量自动计算机 (Edvac)，为现代电子计算机奠定了基础。
智能手机、笔记本电脑以及世界上最强大的超级计算机，都沿用了冯·诺依曼大约 80 年前引入的基本结构，具有不同的处理和内存单元。然而，随着微芯片上晶体管数量的增长，晶体管尺寸已接近原子尺度，计算过程中产生过多热量，量子隧道效应干扰晶体管功能，使得晶体管小型化之路愈发艰难。
为攻克难题，科学家们将目光转向人脑。大脑中神经元和突触的组织灵活、可扩展且高效，记忆和计算由相同的神经元和突触控制，与计算机大不相同。自 20 世纪 80 年代末以来，科学家们一直在探索这一模型，意图应用于计算领域。
神经形态计算机基于类似大脑神经元和突触的简单基本处理器构建复杂网络，其优势在于机器本质上是并行的，能耗也小几个数量级。
值得一提的是，由欧盟倡议资助的人脑项目（HBP）在 2013 年至 2023 年运行期间催生了 BrainScaleS，这是一台位于德国海德堡的机器，用于模拟神经元和突触的工作方式。
神经形态计算机被设计用于模仿真实的大脑，有望成为科技发展的转折点。它们提供可持续且经济实惠的计算能力，允许研究人员评估神经系统模型，是一系列应用的理想平台，为人工智能提供新途径，促进人类对大脑的理解。
（如有版权问题，请联系删除）
