该论文介绍，随着人工智能(机器学习和人工神经网络模型)成为要害驱动因素，近年来对算力的需求急剧增添。不过，随着这些模型变得越来越庞杂，运行它们的底层盘算硬件的能效和性能却难以跟上。为此，受人脑构造功效的启示，研讨者正在开发神经形态盘算体系，以设计用于更高效地运行此类模型。

　　大脑类器官是用人类多能干细胞人工培养而成的三维汇集体，它会发育出类脑组织，能够复制发育中大脑构造的特定方面。在本项研讨中，论文通信作者、美国印第安纳大学伯明顿分校郭峰和同事及合作者开发出一种混杂神经形态盘算体系，部分是传统盘算硬件，部分是大脑类器官。这种类器官的特色是聚集了不同类型的脑细胞，包含早期阶段和成熟的神经元，以及早期类脑构造(如脑室区)的发育，以形成、施展和保持神经网络功效，这一类器官从电刺激得到输入信号，经神经运动发送输出信号。

　　论文作者将类器官与一类被称为储备池盘算的人工神经网络相联合，这是一个动态物理存储层，可依据一连串输入信号捕捉和记忆信息。在输入和输出层应用了普通盘算硬件，输出层受到训练可读取储备层，对原始输入数据进行预测或分类。

　　他们的研讨表明，该混杂盘算体系能够被用于语音辨认，经训练改良后能到达约78%的正确度，但与具有长短期记忆的人工神经网络相比，该体系在应用同一数据集时正确性稍逊。

　　论文作者表现，大脑类器官只是体系的一个部分，更庞杂的人工神经网络尚有待演示。

　　《自然-电子学》同期发表同行专家的“新闻与观点”文章指出，随着这些类器官体系的庞杂性增添，对于学界而言，研讨含有人类神经组织的生物盘算体系的相干诸多神经伦理问题变得主要。他们觉得，发明出通用生物盘算体系可能还要数十年，但这一研讨有可能就学习、神经发育和神经退行性疾病的认知影响等机制发生基本性的看法。