BrainFuse：整合真实生物建模与核心AI方法的统一基础设施
神经与进化计算
2026-01-30 v1 神经元与认知
摘要
神经科学与人工智能代表通往通用智能的两种不同且互补的路径。然而，在当前AI研究和应用的快速发展背景下，这两个领域之间的可转化性协同作用日益笼罩——受限于基础设施不兼容的不断加剧：现代AI框架缺乏对生物物理真实性的原生支持，而神经仿真工具则不适用于梯度基于优化和神形态硬件部署。为填补这一鸿沟，我们引入BrainFuse，这是一个提供全面生物神经仿真与梯度学习支持的统一基础设施。通过解决算法、计算和部署挑战，BrainFuse展现出三项核心能力：（1）将详细的神经元动力学算法性地集成到可差分学习框架中；（2）通过系统级优化，在GPU上将可自定义离子通道动力学加速最高可达3000倍；（3）具有高度兼容性的可扩展计算，支持神形态硬件部署。我们通过AI和神经科学任务展示了这一全栈设计，从基础神经元仿真和功能圆柱建模到实际部署和应用场景。对于神经科学，BrainFuse支持多尺度生物建模，在单颗神形态芯片上实现约38,000个霍金-赫维模型神经元和1亿突触的部署，功耗仅为1.98瓦。对于AI，BrainFuse促进了真实生物神经元模型的协同应用，展现出对输入噪声的增强鲁棒性和由复杂HH动力学赋予的改进时序处理能力。因此，BrainFuse作为基础引擎，旨在促进跨学科研究并加速下一代仿生智能系统的开发。
引用
@article{arxiv.2601.21407,
title = {BrainFuse: a unified infrastructure integrating realistic biological modeling and core AI methodology},
author = {Baiyu Chen and Yujie Wu and Siyuan Xu and Peng Qu and Dehua Wu and Xu Chu and Haodong Bian and Shuo Zhang and Bo Xu and Youhui Zhang and Zhengyu Ma and Guoqi Li},
journal= {arXiv preprint arXiv:2601.21407},
year = {2026}
}
备注
21 pages, 7 figures