创造智能计算机的梦想激发了基于大脑结构的奇异芯片的开发，这种芯片以神秘的方式运行。一些研究人员正在用当今计算机中的部件制造这种芯片。
田纳西大学诺克斯维尔分校(University of Tennessee, Knoxville)的研究人员利用从商店货架上撤下的部件，制造出了一种用于能学习的智能计算机的芯片。这些芯片的结构是通过概率和关联来发现模式，帮助做出决策。
研究人员正在使用现成的、被称为fpga(现场可编程门阵列)的可编程电路来模拟大脑中神经元和突触的运作方式。该芯片是作为该大学的一部分DANNA神经形态软件项目．
fpga擅长于执行特定的任务，并且可以很容易地为其他应用程序重新编程。
研究人员正在为所谓的后摩尔定律时代开发神经形态芯片。进一步缩小为个人电脑和移动设备提供动力的芯片变得越来越困难，因此研究人员正试图将大脑的结构应用到计算中。
大脑有1000亿个处理和传输信息的神经元，并可以通过数万亿个连接——突触——并行计算。研究人员正在fpga中创建一个由神经元和突触组成的网状网络，以处理输入、输出和连接。研究人员还在建立可以应用于这种神经网络的软件模型。
研究人员也在寻找用新兴的忆阻技术替换fpga的方法。忆阻器是一种可以保存数据的存储器，被认为是DRAM的替代品。
fpga和记忆电阻器存储数据的能力使该研究有别于其他开发神经形态系统的努力。其中最引人注目的是IBM的TrueNorth，它更像是一个中央处理器。fpga可以模拟cpu，但满足了研究人员关注电路可编程性的目标。
芯片的灵活性和架构的应用范围扩大神经形态系统可以使用,研究人员在论文中写道在国际研讨会后摩尔时代超级计算机,超级计算16个会议一起举行在盐湖城,犹他州,这个星期。
研究人员在论文中说:“我们相信我们的架构特别适合于超级计算应用，因为它们具有可编程性。”
但将fpga用于实际的大脑模型也有缺点。重新编程fpga需要使它们脱机，这可能会中断任务的执行。此外，fpga不能成为引导系统的主要芯片。它们大多被用作协同处理器，可能会耗电。
对于研究人员来说，芯片结构比芯片类型更重要。更多基于该架构的芯片原型将提供给其他研究人员。
在研究模拟大脑芯片的研究人员之间有很多合作。在IBM之外，神经形态计算的研究正在进行曼彻斯特大学,海德堡大学在德国,斯坦福大学,浙江大学在中国。