近日，我校betway88西汉姆魏静博士与清华大学邓磊副教授团队合作，提出了一种在类脑计算芯片架构上加速宏观脑动力学建模的方案。该方案旨在解决宏观脑动力学建模中参数反演计算效量巨大、耗时严重的问题。研究团队成功提出一种创新方案，在“天机芯”类脑计算芯片上高效部署并加速了宏观脑动力学建模，在保持模型功能高保真度的同时，实现了数十至数百倍的性能加速。这一成果不仅为脑动力学建模提供了重要的计算基础设施，也为类脑计算芯片在神经科学和医学等科学计算领域的应用提供了思路。相关研究成果已于2025年10月24日发表于国际顶级学术期刊《自然·通讯》（Nature Communications），魏静为该论文的共同第一作者。

理解大脑功能离不开大规模脑网络的建模与仿真。其中，以脑区为单位的“粗粒度”建模方法，因能融合多模态影像数据构建全脑模型（数字孪生脑），而更具临床应用潜力。然而，其模型反演过程计算量极其巨大，传统算力难以支撑。

类脑计算芯片（如“天机芯”）虽具备高并行、高能效特性，但其低精度、面向智能计算的设计，与脑动力学仿真所需的高精度科学计算范式存在鸿沟。针对此挑战，本研究首次系统性设计了面向复杂脑动力学模型的低精度量化框架，并创新性地提出了层次化并行映射策略，成功在“天机芯”上实现了大规模脑模型的高保真、稳定仿真。

图1 基于类脑计算架构的宏观脑动力学建模加速方法框架

实验表明，该方案在保持模型可靠性的前提下，相比CPU实现了最高424倍的仿真加速，关键步骤耗时从数小时缩短至分钟级，效率显著优于同规模GPU。这为大规模脑网络仿真提供了全新的高性能计算范式。

图2.低精度模型仿真得到的拟合优度与高精度模型结果在参数空间中接近

图3.基于类脑计算芯片的仿真速度相比GPU明显更快

该成果不仅为脑动力学研究提供了强大的计算基础设施，极大推动了脑科学与类脑计算的深度融合，也为未来脑疾病的个性化建模与临床干预提供了关键的算力支撑。此项重要研究在《自然·通讯》的发表，标志着betway88西汉姆在类脑智能与交叉学科前沿领域取得了突破性进展，彰显了学院在高水平科研攻关、跨院校协同创新方面的显著实力，是学院科研水平持续提升、影响力不断扩大的重要体现。

（betway88西汉姆 魏静、孙晓宁供稿）

附：

论文全文链接：

https://www.nature.com/articles/s41467-025-64470-3

作者简介：

魏静，博士，betway88西汉姆讲师，大学计算机基础教研室主任，于2023年获计算机应用技术博士学位。长期致力于脑科学与智能计算、脑动力学建模的前沿交叉研究。迄今已在NeuroImage、Cerebral Cortex、JOURNAL OF MAGNETIC RESONANCE IMAGING、《中国医学影像技术》等国内外高水平期刊发表多篇论文，并申请发明专利1项。主持教育部项目、省部级项目及校级教改项目各1项，主持产学研项目2项，同时作为主要成员参与国家面上项目1项。