据英国《新科学家》周刊网站12日报道，一台能够全面模拟人脑突触的超级计算机将于明年在澳大利亚启用。这台名为“深南”的神经形态超级

据英国《新科学家》周刊网站12日报道，一台能够全面模拟人脑突触的超级计算机将于明年在澳大利亚启用。这台名为“深南”的神经形态超级计算机每秒能进行228万亿次突触操作，与科学家估算的人脑中突触操作的数量相当，将有助了解人脑是如何在消耗相对较少能量的情况下处理大量信息的。研究团队指出，此前已有类似的神经形态计算机面世，但“深南”将是迄今最大的。“深南”由位于澳大利亚悉尼的国际神经形态系统中心联合英特尔及戴尔公司合作制造。与普通计算机不同，“深南”的硬件芯片可实现尖峰神经网络，从而对突触处理大脑信息的方式进行建模。（科技日报）

世界首台人脑神经形态超级计算机DeepSouth即将问世

世界首台人脑神经形态超级计算机DeepSouth即将问世事实上，按照目前的趋势，仅NVIDIA销售的人工智能服务器每年消耗的能源就可能超过许多小国，在一个极力去碳化的世界里，这样的能源负荷是一个巨大的拖累。不过，大自然已经解决了这个问题。人类的大脑仍然是目前最先进的，能够从少量杂乱、嘈杂的数据中快速学习，或每秒处理相当于十亿亿次的数学运算，而能耗却只有区区20瓦。这就是西悉尼大学的一个团队正在建造DeepSouth神经形态超级计算机的原因-这是有史以来第一台能够模拟人脑规模的尖峰神经网络的机器。国际神经形态系统中心（InternationalCentreforNeuromorphicSystems）主任安德烈-范-沙克（AndrévanSchaik）教授说："我们无法大规模模拟类似大脑的网络，这阻碍了我们在理解大脑如何利用神经元进行计算方面取得进展。在使用图形处理器（GPU）和多核中央处理器（CPU）的标准计算机上模拟尖峰神经网络实在是太慢太耗电了。我们的系统将改变这种状况。这个平台将增进我们对大脑的了解，并在传感、生物医学、机器人、太空和大规模人工智能应用等不同领域开发大脑规模的计算应用。"DeepSouth预计将于2024年4月上线。研究团队预计，它将能够高速处理海量数据，同时由于采用了尖峰神经网络方法，体积比其他超级计算机小得多，能耗也低得多。它采用模块化可扩展设计，使用市场上可买到的硬件，因此将来可以扩展或收缩，以适应各种任务的需要。该企业的目标是让人工智能处理更接近人脑的工作方式，同时学习更多关于大脑的知识，并希望取得与其他领域相关的进展。值得注意的是，其他研究人员正在从相反的方向研究同样的问题，一些团队现在已经开始使用真正的人类脑组织作为半机械计算机芯片的一部分，并取得了令人印象深刻的成果。了解更多：https://www.westernsydney.edu.au/newscentre/news_centre/more_news_stories/world_first_supercomputer_capable_of_brain-scale_simulation_being_built_at_western_sydney_university...PC版：https://www.cnbeta.com.tw/articles/soft/1404339.htm手机版：https://m.cnbeta.com.tw/view/1404339.htm

高速撞车的计算机模拟

高速撞车的计算机模拟这是计算机模拟出来的，不是真的测试视频。1MPH=1.6km/小时，这个CGI重演也显示了不同速度下的碰撞可能是多么灾难性。现在想象一下同样的碰撞，涉及两辆以相同速度行驶并迎头相撞的汽车，正面碰撞事故可能是最危险的碰撞类型，因为两个司机承受的力都增加了。与其他事故不同的是，两辆车在碰撞发生前正朝着对方行驶。统计数据估计，只有2%的车祸是正面碰撞，但它们占驾驶死亡人数的10%以上。与头部碰撞相关的最常见伤害类型包括脊柱损伤、脑损伤、灾难性损伤、骨折甚至瘫痪。事故不会发生，它们是造成的……这应该是每个开车的人都应该牢记的！#视频()来自：雷锋频道：@kejiqu群组：@kejiquchat投稿：@kejiqubot

八万鼠脑细胞造出一台活体计算机

八万鼠脑细胞造出一台活体计算机在最新研究中，伊利诺伊大学厄巴纳-香槟分校研究团队首先在培养皿中培育了大约8万个来自经过编程的小鼠干细胞的神经元，随后将神经元置于光纤下方和电极网格上，让其接受电和光的刺激，所有元件都被放在一个手掌大小的盒子里，盒子置于保温箱里，以让细胞保持活力。为训练神经元计算机区分不同的信号模式，研究团队创造出了10种不同的电脉冲和闪光模式，并在一个小时内反复播放这些模式，同时使用传统的计算机芯片记录和处理神经元产生的电信号。结果表明，每次出现相同模式时，神经元都会产生相同的信号。此外，研究人员也借助储层计算，让神经元和芯片分工合作，将识别和处理信号耗费的时间和能量降至最低。为评估该设备的性能，研究团队计算了名为F1的性能分数，该分数通常用于指示神经网络识别模式的效率，其中0最差，1最好，该设备的最佳得分为0.98。最新研制出的设备可集成到使用活体肌肉组织制成的机器人内。将神经元融入机器人中意味着神经元可感知环境，然后一次处理这些输入。研究人员表示，使用活细胞进行计算，尤其是储层计算，有助于制造出节能设备，即使其中一些元件出现故障，这些设备仍能继续工作。因此，与传统的机器人相比，将活神经元和储层计算相结合的机器人可能具有优势。...PC版：https://www.cnbeta.com.tw/articles/soft/1350249.htm手机版：https://m.cnbeta.com.tw/view/1350249.htm