大规模地模拟大脑可能需要量子计算机来实现

光子盒研究院出品

回顾计算机半个多世纪的历史，计算能力经历了大幅提升。但是，现有的经典计算机有着根本的局限性。如果量子计算机成功构建并最终完全可用，它将能够解决经典计算机无法解决的某些问题。例如，它可能是完全理解和模拟大脑所需的计算工具。

根据最新的全球超级计算机TOP500榜单，世界上最快的超级计算机是日本的富岳(Fugaku)超级计算机，由日本Riken和富士通联合开发，每秒可以执行44.2亿亿次浮点运算。

这个数字代表了什么？

浮点数是一种表达或记下实数的方法——数学意义上的“实数”——具有固定的精度。实数是数轴上的所有连续数。5、-23、7/8和像π(3.1415926...)这样的无限不循环小数都是实数。但问题是，数字计算机很难在内部表示连续的数字。

因此，解决这个问题的一种方法是指定一个有限的位数，然后通过某个基本幂指定实际数字的大小。例如，数字234可以写为 2.34 x 102。浮点数指定计算机必须在其内存中存储的固定有效位数。它保证了数字的准确性。

这一点很重要，因为如果使用固定精度的实数进行任何数学运算(例如加减乘除)，结果会产生小误差，并在其他计算中传播(并可能将误差扩大)。但只要误差保持很小就没关系。

浮点运算，就是两个浮点数(缩写为FLOP)之间的任何算术运算。计算机科学家和工程师使用每秒FLOP(或 FLOPS)的数量作为基准来比较不同计算机的速度和计算能力。例如，富岳超级计算机每秒可以执行44.2亿亿次运算。

富岳超级计算机

对于许多重要的科学技术问题，即使是目前最快的超级计算机也不够快，甚至永远无法解决。因为对于某些类型的问题，与需要排序的东西的数量相比，需要检验的解的可能组合的数量增长极快，几乎不可能全部计算和检验它们。 

一个经典例子是，假设你周围有一群持有不同政治观点的人，你希望他们围坐在一张桌子旁，以最大限度地开展建设性对话，同时最大限度地减少潜在冲突。那么，如何安排座位才是最优的？

这就是科学家和工程师所说的优化问题。有多少种可能的座位安排组合？如果你只有两个人，那么只有两种可能的安排。桌子两边各一个人，反过来两个人交换座位。但是如果你有五个人，可能的组合数量会增加到120个。十个人就有3,628,800种不同的组合。如果有 100 个人，那么组合的数量非常庞大，这是一个158位数字(约为9 x 10157)。相比之下，可观测宇宙中“只有”大约 1021颗恒星。

现在想象一下，如果你试图对一种蛋白质进行生物物理学模拟，以开发出一种新药，这种新药拥有数百万或数十亿个相互作用的单个分子。需要计算和检验的可能组合的数量远远超过当今存在的任何计算机的能力。鉴于经典计算机的设计方式，即使是最快的超级计算机也不得不依次检验每一个组合。无论一台经典计算机的速度有多快，考虑到组合数量是一个天文数字，其中许多问题都需要无穷大的实际算力来解决。这就变得不可能了。

经典计算机面临的另一个问题是，即使可以计算所有组合，也不可能构建一个具有足够内存来存储每个组合的计算机。

量子计算机和量子计算算法如何工作的细节，本文暂不讨论，但我们可以简要介绍其中的关键思想，以了解它们如何克服经典计算机的限制。

经典计算机将所有信息表示为数字，并且所有数字都可以表示为1和0的绝对二进制组合。1和0是经典信息的基本单位。换句话说，信息由两种可能状态的组合表示。例如，在二进制中，将数字24表示为“11000”、数字13表示为“1101”。你也可以用二进制进行所有算术运算。

这很方便，因为在物理上，经典计算机的核心是晶体管，它只是一个电气开关。当它打开时，编码为“1”，当它关闭时，编码为“0”。计算机通过组合数十亿个可根据需要快速来回切换的微型晶体管来完成所有数学运算。然而，尽管这可能发生得很快，但它仍然需要一些的时间，并且所有计算都需要按照适当的顺序进行。如果必要的计算数量变得足够大，就像上面讨论的组合问题一样，你就会遇到一堵不可行的“计算墙”。

量子计算机完全不同。它能够在内部将信息表示为两个离散状态的函数，而且表示为状态的连续概率“叠加”(量子力学术语)，从而克服了经典限制。这允许量子比特(量子计算机的基本信息单位)一次可以表示更多可能的状态，以及更多可能的排列组合。换言之，量子计算机可以使用的状态空间和计算空间比经典计算机大得多。状态和信息的内部叠加和概率表示最终“收敛”到计算机输出的一个主要解。你无法观察到内部叠加，但可以观察到最终的计算输出。

本质上，随着量子计算机中量子比特数量的增加，你可以以指数方式并行执行更多计算。

这里的关键概念不是量子计算机一定能够解决经典计算机无法解决的新奇问题(尽管计算机科学家已经发现了一类只有量子计算机才能解决的理论问题)，而是它们将能够解决经典计算机当前无法解决的问题。

这并不是说量子计算机将取代经典计算机。在可以预见的未来，这种情况不太可能发生。对于大多数类型的计算问题，经典计算机仍然可以正常工作，并且可能会继续成为首选工具。但是对于某些类别的问题，量子计算机将远远超过今天的所有的计算能力。

可以肯定的是，几十年来，计算神经科学领域已经有很多工作成功地对大脑和大脑活动进行了计算机模拟。但重要的是要了解完成任何给定模拟所需的规模。

从基因到分子、细胞、细胞网络和大脑区域网络，大脑在结构和功能上是非常有层次的。任何对大脑的模拟都需要从一个合适的数学模型开始，一组方程式用于获取所选的建模比例，然后指定一组在计算机上模拟的“规则”。它就像一个城市的地图。地图制作者需要决定地图的比例——包含多少细节以及忽略多少细节。为什么？因为大脑的结构和计算复杂性极其巨大，以至于在现有的经典计算机中不可能进行跨越多个尺度、具有大量细节的模拟。

尽管在这个巨大的结构和计算领域存在着大量关于分子和细胞生物学和生理学的数学模型，但由于该领域所呈现的组合空间的巨大规模，导致无法进行任何准确的模拟。这与优化不同政治观点的人围坐在一起的问题属于同一类。但是在更大的范围内。

 量子计算机可以模拟大脑吗？

在组织的许多层面上，大脑都有大量的细节和结构。如果你仅仅考虑组成大脑的细胞数量和它们之间的连接数量来代表大脑的计算复杂性(组合空间)，那么它就已经大得惊人。

必须强调的是，大脑是一个由密集互连的细胞组成的巨大网络，由大约171万亿个脑细胞组成——860亿个神经元(参与信息处理的主要脑细胞)和另外850亿个非神经元细胞。这些神经元之间大约有10万亿个(10¹⁶)连接。在大脑中的850亿个其他非神经元细胞中，一种被称为星形胶质细胞的主要细胞，它具有监听和调节神经元信号和信息处理的能力。星形胶质细胞自身形成一个巨大的网络，同时也与神经元网络进行交互。所以大脑实际上有两个不同的细胞网络。各自执行不同的生理和交流功能，但同时又相互重叠和相互作用。

 人脑的计算规模(以数字表示)。

在所有这些结构之上，有数以亿万计个离散的电脉冲，称为“动作电位”，作为连接的神经元之间的信息。与神经元不同，星形胶质细胞不使用电信号。它们依靠不同形式的生化信号来相互交流以及与神经元交流。因此，在大脑中还有一个完整的、基于分子的信息传递机制在起作用。

尽管神经科学家还没有完全理解，但我们至少知道，所有这些电信号和化学信号的相互作用进行了所有计算，产生了大脑能够完成的一切。

现在停下来想一想，在这种令人难以置信的复杂性下，大脑的状态可以呈现出无数个动态和不断变化的组合。然而，正是这种组合空间，由网络层次结构中数万亿个信号和数十亿个细胞产生的计算，导致了大脑所能做到的一切，如动手、学习、体验和感知。

因此，任何对大脑的计算机模拟最终都将是非常有限的。至少在经典计算机上是这样。

迄今为止，对大脑进行的最大规模的模拟有多大、有多完整？它们对科学家对大脑的理解有多大影响？答案主要取决于模拟的内容。换句话说，在给定无数组合过程的情况下，需要多大规模，考虑多少细节。

来自世界各地的各个研究小组肯定会继续进行令人印象深刻的尝试，但被模拟的细胞和大脑的数量、细节水平和被模拟的时间仍然相当有限。这就是为什么那些鼓吹突破性的大规模大脑模拟的头条新闻和声明可能会产生误导，有时会引起争议和强烈反对的原因。

对大脑进行大规模多尺度模拟的挑战是非常大的。因此，“迄今为止所做的最大的大脑模拟有多大、有多完整”以及“它们对科学家对大脑的理解有多大影响”的答案并不多。

首先，就其本质而言，如果有足够数量的量子比特，量子计算机将擅长解决和优化非常大的组合问题。这是量子力学和计算机设计的内在结果。

其次，考虑到人脑的庞大规模和计算复杂性，任何具有足够细节的大型多尺度模拟的尝试都必须与问题的组合空间抗衡。

第三，建立一个潜在的量子计算机神经模拟也许能够利用大脑所受的物理作用。尽管大脑具有计算能力，但它仍然是一个物理对象，因此可以使用物理约束来设计和指导本质上可组合和可并行化的模拟规则(量子计算算法)，从而利用量子计算机的优势。

举个例子，局部规则，例如单个神经元的计算规则，可用于以分散的方式计算神经元网络的涌现动力学(emergent dynamics)的各方面。每个神经元都在做自己的事情，并为更大的整体做出贡献，在这种情况下，整个大脑本身的功能都在同时发挥作用，而没有意识到它们各自也在贡献什么。

最后，目标将是了解大脑产生认知特性的紧急功能。例如，大规模量子计算机模拟可能会发现潜在的(隐藏的)属性和状态，而这些属性和状态只能在整个大脑尺度上观察到，如果没有足够的细节和从更小的尺度进行模拟，就无法计算。

如果这些模拟和研究成功了，人们就能推测还有什么未知的大脑算法有待发现和理解。这些未来的发现可能会对人工量子神经网络等相关主题或专门设计的硬件产生重大影响，有朝一日可能会挑战现有计算系统的边界。例如，9月份刚刚发表的一个国际科学家和工程师团队公布了一种计算“硬件”设备，它由一个分子化学网络组成，能够高效地快速重构状态，有点类似于生物神经元的可重构性。

需要说明的是，本文讨论的重点是未来量子计算机的潜在用途，即对大脑进行目前尚不可能完成的模拟。虽然一些研究人员提出神经元本身可能是微型量子计算机，但这种计算机完全不同也与这里没有关系。

或许量子计算机将为神经科学以及人们对大脑的理解开创一个新时代。它甚至可能是唯一真正的前进方向。

但我们仍然需要回到现实，因为截至目前，实际构建具有足够稳定量子比特的可行量子计算机仍然是一项正在进行的工作。尽管已有一些商业努力并取得了不同程度的成功，但仍然存在许多困难的硬件和技术挑战。

一些专家认为，量子计算机可能永远无法建造成功。但是，无论是学术实验室还是产业界，全世界都有很多研究试图克服这些工程挑战。神经科学家只需要再耐心一点。

参考链接：

https://www.forbes.com/sites/gabrielasilva/2021/09/02/large-scale-simulations-of-the-brain-may-need-to-wait-for-quantum-computers/?sh=708cf2a47254

—End—

相关阅读：

光子盒将为中国境内的研究机构和企业提供一个免费的垂直招聘信息发布渠道，欢迎有需求的机构或企业直接联系光子盒。（微信：Hordcore）

你可能会错过：