Patience Strong 认为，当前的神经网络通过在软件中模拟电路而不是将其实现为物理硬件，消耗了过多的计算能力。该论文建议用半导体器件替换这种模拟，其中权重和偏置存储在非易失性存储器中。

  • 权重和偏置被实现为具有非易失性寄存器的数模转换器 (DAC)，这些寄存器在断电后仍能保留数据。
  • 激活函数使用基于电压或电流阈值触发的快速切换晶体管来实现。
  • 该器件并行处理神经元，相比 GPU 提供潜在的加速效果，并且功耗显著降低。
  • 后续的 AI 版本可以直接覆盖写入非易失性芯片，保持与当前升级实践的一致性。

作者认为，这种方法消除了对传统计算机处理网络逻辑的需求，仅需它们进行输入和输出处理。