关键词：神经形态计算，图灵机理论，符号推理，模拟算法计算系统，控制论计算系统



论文标题：Toward a formal theory for computing machines made out of whatever physics offers
论文来源：Nature Communications
斑图链接：https://pattern.swarma.org/paper/4e4db60c-3c89-11ee-b6e6-0242ac17000d
原文链接：https://www.nature.com/articles/s41467-023-40533-1

由于数字计算技术的局限性日益凸显，神经形态和其他非常规计算方法的研究也随之兴起，神经形态计算是一种基本的替代技术，其策略是利用生物大脑作为高能效并行算法和新型微芯片的榜样。

本文认为，如果想系统地设计非常规计算系统，需要一种不同于经典符号算法图灵机理论的形式理论的指导。本文研究了为直接利用物理现象的计算系统建立形式理论的必要性和可能性，并提出发展这种理论的一般策略，以及一种流畅计算的具体方法。图灵从自上而下的角度将计算过程建模为符号推理，与之相反，本文采用物理学的科学范式，自下而上地对物理计算系统进行建模，将物理计算系统中最终可以测量的东西形式化，作者将计算理解为过程的结构化，而计算系统的经典模型描述的是结构的处理。这种形式化模型层级被称为 fluent computing (FC)。

图1. 在三个抽象层次上模拟算法计算系统和控制论计算系统。a-c：数字计算系统通常以算法模式建模，总体功能是将输入数据结构 u(3) 转换为输出数据结构 y(3)；d-f：控制论计算系统，通过持续不断的非线性动态耦合 F(3) 将不断到达的输入信号 u(3) 转换为输出信号 y(3)。


另外，作者还尝试调和两种看似冲突的建模需求：一方面是捕捉一般物理系统及其开放式现象学，另一方面是实现实用的系统工程。

图2. FC 建模中的动态重新配置效应。从上到下：观察者的合并（a）和拆分（复制，b）；终止和创建（c）；绑定和解除绑定（d）。


作者认为神经形态计算目前缺乏统一的理论基础，因此建议将信息处理视为一个动态系统（采用控制论范式），将动力学组织为分层的结合化合物（采用算法范式），以及将理论抽象建立在形式观察者的分层之上（遵循物理学），而流畅计算建议是朝着其中一个可能方向迈出的第一步。


编译｜董佳欣

NeuroAI读书会



详情请见：

NeuroAI 读书会启动：探索神经科学与人工智能的前沿交叉领域



推荐阅读

‍1. Nat. Commun.长文综述：具身神经形态智能
2. 神经形态计算的物理学
3. 神经形态计算：生物启发式的人工神经网络设计 | 集智百科
4. 张江：第三代人工智能技术基础——从可微分编程到因果推理 | 集智学园全新课程
5. 加入集智学园VIP，获得20周年“涌现”学术年会入场券！
6. 加入集智，一起复杂！


点击“阅读原文”，报名读书会