人的大脑可以一起学习和记忆许多信息而又不需要太多能量的才能，许多研究机构都期望制造出类似于大脑乃至逾越大脑的计算机。

  在人脑中，学习是由神经元之间的衔接（突触）的增强和削弱而产生的。深度神经网络一向选用这种战略，完成模仿机器学习。

  美国麻省理工学院近来开宣布一种由无机资料制造成的电阻器，它将人工模仿突触的作业速度大幅度的提高，比曾经的版别快100万倍，也比人脑中的突触快约100万倍。

  这些可编程电阻器不只提高了神经网络练习的速度，一起也降低了履行练习所需的本钱和能量，这可以在必定程度上协助科学家更快地开发深度学习模型。