瑞士蘇黎世聯(lián)邦理工學院(Eidgenossische Technische Hochschule，ETH)神經(jīng)訊息研究所(theInstitute of Neuroinformatics，INI)旗下的仿神經(jīng)感知系統(tǒng)(Neuromorphic Cognitive Systems，NCS)研究團隊，將感知功能──脈絡依賴(context-dependent)的運動模式分類──加入了所開發(fā)的矽視網(wǎng)膜(silicon-retina)半導體晶片。

NCS的任務就是打造模擬不同神經(jīng)功能的生物半導體元件，不過并非僅制作反應永遠相同的直覺式感測器-馬達回饋循環(huán)，該研究團隊也嘗試將脈絡依賴的感知功能加入，利用仿神經(jīng)數(shù)位/類比混合訊號半導體晶片，針對特定狀況做出適當反應。如同IBM最近發(fā)表的感知運算成果，NCS也是在事件導向(event-driven)的神經(jīng)元間通訊拓樸，利用了數(shù)位電壓棘波(spike)。

根據(jù)研究團隊主持人、蘇黎世大學(UniversityofZurich)教授GiacomoIndiveri表示，NCS研究團隊的目標是透過打造一個反映高層次感知行為的系統(tǒng)化策略，補償生物神經(jīng)元因雜訊、漏電等導致的不精確特性;該研究團隊相信已經(jīng)找到了一個有效的解決方案，藉由將充滿雜訊的低層次電路映像至「模型」半導體神經(jīng)元的抽象運算層(abstractcomputationallayer)，以產(chǎn)生所謂的「軟狀態(tài)機(softstatemachine)」。

以矽視網(wǎng)膜為例，其雜訊神經(jīng)元偏置電壓利用集群活動測量(population-activitymeasurements)被映射為抽象神經(jīng)元的模型參數(shù)，接著抽象運算層就能確實地執(zhí)行感知功能的處理步驟──也就是在這里進行脈絡依賴(context-dependent)的運動模式分類。因為軟狀態(tài)機能被精確地建模，硬體合成方法能用來自動連結(jié)特定感知抽象神經(jīng)元?，F(xiàn)在NCS研究團隊正在試圖將該技術(shù)擴展至矽視網(wǎng)膜以外的其他仿神經(jīng)晶片，例如矽耳蝸。