뉴런의 생리학적 특성을 모방해서 계산을 수행하려는 가장 대표적인 시도는 뉴로모픽(Neuromorphic) 칩에 관한 연구로서, Spiking Neural Network (SNN)에 기반하는 것이 그 특징이다. IBM이 2016년 12월에 출시한 TrueNorth 칩은 백만개의 뉴런과 2억 5천 6백만 개의 시냅스를 포함하고 있다. Intel에서는 지난 2017년 11월에 5세대 뉴로모픽 연구용 칩을 출시 … 실제 응용보다는 연구목적으로 이용되고 있다. 기존 CPU나 GPU에 비해 전력소모가 매우 적어졌다는 점을 제외하면, 현재 응용 시장을 지배하는 Deep Learning의 성능을 따라가기에는 아직 역부족이기 때문이다. 기초적인 학습 알고리즘이 제안되었고, 기초적인 최적화 문제를 풀어내는 성과를 보였을 뿐이다. 최근의 연구에서는 SNN을 RNN(Recurrent Neural Network)의 특별한 경우로 보고, 이미 RNN에서 확립된 학습 알고리즘을 SNN에 적용하여 성능 향상을 도모하고 있다. (그러나 안타깝게도 이런 접근 방식은 기껏 von Neumann 아키텍쳐를 벗어나서 SNN이 얻게 된 무한한 가능성을 에너지 사용효율을 높이는 데에만 한정하는 셈이며, 실제 뇌에서 실행되는 학습 알고리즘과는 다시 멀어지는 결과를 낳는다. 예컨대, 해당 연구에서는 신경생리학적으로 실행 불가능한 오류 역전파 알고리즘을 다시 SNN에 등장시킨다.)