研究人员提出了一种受大脑神经调节启发的新型人工智能系统，称为“存储系统”，它需要更少的能量消耗。由材料科学与工程系的KyungMinKim教授领导的研究小组开发了一种技术，可以根据情况模仿神经网络拓扑结构的连续变化，从而有效地处理人工智能的数学运算。人脑实时改变其神经拓扑结构，学习根据需要存储或回忆记忆。该研究小组提出了一种新的人工智能学习方法，可以直接实现这些神经协调电路配置。

人工智能的研究变得非常活跃，基于人工智能的电子设备的开发和产品发布正在加速，特别是在第四次工业革命时代。要在电子设备中实现人工智能，还应支持定制硬件开发。然而，大多数用于人工智能的电子设备都需要高功耗和高度集成的存储阵列来完成大规模任务。解决这些功耗和集成限制一直具有挑战性，并且已经努力找出人脑如何解决问题。

为了证明所开发技术的效率，研究小组创建了人工神经网络硬件，该硬件配备了自校正突触阵列和称为“存储系统”的算法，用于进行人工智能学习。结果，它能够在存储系统内将能源使用减少37%，而不会降低任何精度。这一结果证明，模拟人类的神经调节是可能的。

金教授说：“在这项研究中，我们只用一个简单的电路组成就实现了人脑的学习方法，通过这种方法，我们能够将所需的能量减少近40%。”

这种模拟大脑神经活动的受神经调节启发的存储系统与现有的电子设备和商业化的半导体硬件兼容。有望用于下一代人工智能半导体芯片的设计。