它从大脑的结构和电活动中获得区分气味的能力。
人类的大脑帮助嗅觉的方式很容易理解。当一种气味接触到我们鼻子里的嗅觉细胞时，它们会向大脑中相应的神经元(称为嗅球)发送信号。然后嗅球把信号传送到大脑的其他部分，从而让我们可以欣赏栀子花的香味或避免垃圾的臭味。
嗅球是哺乳动物特有的，但其他动物，如昆虫，也表现出类似的神经结构。英特尔的神经形态计算实验室主任迈克·戴维斯表示，这意味着“如果进化在不同的情况下都发生了，那么这些进化来的能力可能具有相当基本和有效的特性。”
因为嗅觉系统非常高效，而且我们对它们的了解也非常透彻，所以嗅觉系统是神经形态芯片的重要起点。神经形态芯片是一种新型计算硬件，可以直接从大脑结构中获取灵感。
英特尔的科学家在《自然》杂志上发表了一篇论文，提出了一种新的神经形态芯片设计，它模仿了嗅球的结构和功能。研究人员与嗅觉神经生理学家合作，研究动物闻气味时的大脑。他们设计了一种基于神经回路的电路，当大脑处理气味时，神经回路就会被激活，这种电路可以被刻在硅片上。他们还设计了一种算法来反映通过电路的电信号的行为。当他们使用现有的10个“气味”数据集在芯片上训练算法时——这些数据集的特征是他们从72个不同的化学传感器中测量出来的——它能够在比传统芯片少得多的训练样本的情况下准确地分辨出这些气味。
该芯片仍处于相对早期的原型阶段，但一旦成熟，它可以应用于许多领域，如炸弹嗅探或化工厂有毒烟雾的检测。它也证明了神经形态计算对于需要高效数据的人工智能的潜力。
目前最流行和先进的深度学习算法的芯片都遵循冯·诺依曼架构，这是一种几十年来推动了计算革命的设计惯例。但这些架构是低效的学习者:在它们上面运行的算法需要大量的训练数据，而我们的大脑要高效得多。因此，神经形态芯片试图尽可能多地保留大脑的结构。这样做的目的是为了提高芯片的学习效率。
接下来，研究小组计划改进其神经形态芯片的设计，并将其应用于大脑除嗅觉之外的其他功能。戴维斯表示，该团队下一步可能会将注意力转向视觉或触觉，但他们有更长远的目标，即解决更复杂的过程。他说:“我们的感应机制很好理解，自然是也很好的出发点。但从某种意义上说，我们正在以自己的方式进入大脑，进入更高阶的思维过程。”
