人的大脑能够同时学习和记忆大量信息而又不需要太多能量的能力，很多研究机构都希望制造出类似于大脑甚至超越大脑的计算机。

在人脑中，学习是由神经元之间的连接(突触)的增强和减弱而发生的。深度神经网络一直采用这种策略，实现模拟机器学习。

美国麻省理工学院近日开发出一种由无机材料制成的电阻器，它将人工模拟突触的运行速度大大提高，比以前的版本快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仅提高了神经网络训练的速度，同时也降低了执行训练所需的成本和能量，这可以帮助科学家更快地开发深度学习模型。