1990년대 Carver Mead와 연구진은 신경과학 기초연구와 전자공학 상의 아날로그 회로 설계를 결합했다. 이 신경형 전자회로에 대한 선구적인 연구는 독일과 스위스의 연구자들에게 실리콘 물리학을 이용하여 실제 신경회로의 물리학을 재현하는 가능성을 연구하는데 이바지했다. 뇌를 모방한(brain-mimicking) 신경형 전자공학 분야는 기초연구 뿐만 아니라 상시(Always-on-edge) 컴퓨팅과 사물인터넷(IoT) 응용 분야의 상업적 활용에도 큰 잠재력이 있다.

Bielefeld 대학의 Elisabetta Chicca와 Zurich 대학의 Ziacomo Indiveri는 생물학의 신경 처리시스템이 계산을 어떻게 수행하는지 이해하기 위한 연구와 이러한 계산원리를 혼합 신호 아날로그/디지털 전자 및 신물질로 재현하는 방법을 학술지 Applied Physics Letters에 게재했다. 이들은 신경망의 가장 뚜렷한 연산기능 중 하나가 학습이기 때문에 특히 실제 시냅스의 적응성과 플라스틱 성질을 재현하는데 관심이 있다. 학습이 가능한 지능형 시스템을 구축하기 위해 표준 보완 금속산화 반도체(CMOS, complementary metal-oxide semiconductor) 전자회로와 첨단 나노스케일 메모리 기술을 모두 사용했다. 이 작업은 초저전력 및 소형기기를 사용하여 정교한 신호처리를 구현하는 방법을 이해해야 한다.

주요 연구결과는 이러한 저전력 컴퓨팅 기술의 큰 단점이 주로 낮은 정밀도, 높은 소음 민감도 및 높은 가변성과 관련되어 있지만 뇌가 역동적인 동작을 하기 위해 고도로 가변적이고 시끄러운 뉴런을 사용하는 것과 매우 유사하게 실제로 견고하고 효율적인 계산을 수행하기 위해 이용될 수 있다는 것이다.

연구진은 비트 정밀도를 가진 고밀도 장치기술과 관련된 메모리 기술분야로 적응력 있고 강력한 신경처리시스템을 구축하는 방법을 이해하는 과정에서 동물의 뇌를 참고하고 있다. 연구진이 구축한 전자신경처리 시스템은 자연어 처리나 고해상도 이미지 인식과 분류를 위해 전력 소모가 큰 대형 컴퓨터 클러스터에서 실행되는 강력하고 정확한 인공지능 시스템과 경쟁하려는 것을 목표로 하고 있지 않다. 오히려 이와는 반대로 짧은 대기시간과 매우 낮은 전력(밀리와트 이하) 실시간 처리를 필요로 하는 애플리케이션에 적용할 수 있는 솔루션을 제공하는 것을 목표로 하고 있다.

이러한 응용의 예로는 웨어리블 장치에서의 바이오 신호처리, 뇌-기계 인터페이스 및 상시(Always-on) 환경 모니터링과 같은 살아있는 또는 스트리밍 센서신호로부터 정보를 추출하기 위해 적은 양의 인공지능이 필요한 극한 컴퓨팅(extreme-edge computing) 분야가 대표적이다.