Forskere fra Friedrich Miescher Institute for Biomedical Research og Heidelberg University En artikel med titlen \"Surrogate gradients for analog neuromorphic computing\" offentliggjort i PNAS i januar 2022 afslørede en måde at omgå dette problem. Teamet demonstrerede, at en kunstig intelligens-algoritme kaldet spike-neurale netværk - som bruger hjernens unikke kommunikationssignaler, kendt som spikes - kan lære sammen med chips at kompensere for uoverensstemmelser i enheder. Denne artikel repræsenterer et væsentligt skridt hen imod at bruge AI til simuleret neuromorf databehandling.