近年来，感-存-算一体的器件被认为是未来实现先进计算架构的重要硬件，在信息捕获，数据存储和处理方面具有显著优势。受人类大脑的启发，神经形态器件得到了广泛的研究。相比于电学信号刺激下工作的仿生突触器件，光学信号调制的突触具有高带宽、高抗干扰性和低功耗等优势，更适合超高速计算。此外，光突触器件提供了非接触式写入来实现无线通信的可能。更重要的是，其还有利于模仿真实人眼中的视网膜神经元，从而进一步实现类人脑的感存算一体功能。
澳大利亚皇家墨尔本理工大学研究团队展示了一种捕捉、处理和存储视觉信息的神经形态设备。这种小型设备可用与人类相似的方式“看”并形成记忆，这项进步朝着开发出能做快速、复杂决策的应用程序（例如在自动驾驶汽车中）迈出了一大步。相关研究14日发表于《先进功能材料》杂志。
近年来，基于存算一体人工神经网络的人工智能（AI）得到飞速发展，基于神经网络的大规模阵列和计算模型带来了更高的算力。然而当前的人工神经网络仍和真正的生物神经系统在能效和功能性上仍相差甚远，后者的多模态感知-存储-计算一体架构使其成为实时信息感知、处理和反馈一体化的智能系统，具备条件反射等更为智能而复杂的功能。
韩国材料科学研究所（KIMS）研究人员开发出一种高密度和高可靠性的神经拟态半导体器件。研究人员使用一般半导体加工中使用的真空溅射沉积法生成超薄锂离子薄膜，并将其与二维纳米材料相结合，来形成厚度仅为几十纳米的神经拟态半导体器件。
柔性触觉神经形态器件已成为人机协同发展的重要动力，然而，用人工智能实现柔性触觉神经形态器件功能并超越人类智能还面临障碍与挑战。科研团队开发出可拉伸自供能三维遥感触觉器件（3D remote tactile device，3D-RTD），该器件利用导电-介电异质结构实现对外界物体在景深方向（depth-of-field，DOF）机械运动的感知。近日，中国科学院深圳先进技术研究院先进集成技术研究所神经工程研究中心与德国马克思-普朗克聚合物研究所有机电子研究团队合作开发出具三维景深感知的人工遥感触觉器件
英特尔公司发布其首款7nm神经拟态芯片“Loihi 2”，可模拟100万个神经元。与普通芯片不同的是，神经拟态芯片的计算任务是由许多小单元进行的，单元之间通过类似生物神经的尖峰信号相互通信，并通过尖峰调整其行为。
由斯威本科技大学领导的国际研究人员团队展示了世界上最快，最强大的人工智能光学神经形态处理器（AI），其运算速度超过每秒10万亿次运算（TeraOPs / s），并能够处理超大规模数据。
近日，Intel分享了Intel神经拟态研究社区（INRC）的最新进展，联想、罗技、梅赛德斯-奔驰、机器视觉传感器公司Prophesee已经加入，共同探索神经形态计算在商业用例上的价值。
一个工程师团队创造了一种能够同时处理和存储数据的2D计算机芯片。根据发表在《自然》杂志上的一项最新研究，EPFL的工程师发明了一种新的计算机芯片，该芯片能够在单个电路中存储和处理数据。下一代计算机芯片由称为二硫化钼（MoS2）的二维材料组成，以前所未有的规模为节能电子产品打开了大门。
使工程师无法复制大脑的能量效率和脑计算技能的关键是，缺少一种可以独自发挥神经元作用的电子设备。为此，将需要一种特殊的设备，该设备的行为比尚未创建的任何设备都要复杂。现在科学家在忆阻器取得突破，制造出首个像神经元一样起作用的电子器件。
8月20日消息，近日一项关于在轮椅上安装机器人手臂的研究已有测试版本。该项目主要由埃森哲提供资金和技术支持、英特尔提供神经形态技术以及Applied Brain Research（ABR）公司提供算法，以色列研究团队整合多方技术来进行产品测试。
长期以来，人脑能够以最少的能量处理大量信息的能力使科学家着迷。而在基于硅的计算领域中，从未有过这样的效率。处理大量数据需要大量电能。而且，当人工智能（AI）及其深度学习和机器学习进入现实时，问题就加倍恶化。神经形态芯片发展有助于解决这些问题。
美国麻省理工学院使用物理模拟器件，可以更加有效地模拟大脑过程。研究人员包括麻省理工学院教授Bilge Yildiz、Ju Li和Jesúsdel Alamo及麻省理工学院和布鲁克海文国家实验室的其他9位研究人员，研究成果发表在《自然通讯》。
尽管人们对基于聚合物的神经形态设备越来越感兴趣，但研究人员尚未建立起控制设备响应速度的有效方法。现在，东北大学和剑桥大学的研究人员通过混合聚合物PSS-Na和PEDOT:PSS，发现添加离子导电聚合物可以提高神经形态设备的响应时间，从而克服了这一障碍。
