加州大学圣地亚哥分校(University of California San Diego)研究人员开发了新型人工神经元设备，有望使训练神经网络执行任务(如图像识别或自动驾驶汽车导航等)所需的计算能力和硬件更少。与现有基于CMOS的硬件相比，该设备运行神经网络计算所使用的能量和空间要少100到1000倍。
神经网络是一系列相互连接的人工神经元层，其中一层的输出为另一层提供输入。生成输入通过应用称作非线性激活函数的数学计算来完成。这是运行神经网络的关键部分，但是由于需要在两个独立的单元(内存和外部处理器)之间来回传输数据，应用这一功能需要大量的计算能力和电路。
（文章来源：盖世汽车）
