这是IMEC一个干系项目的早期demo，这个项目旨在开拓低功耗、通用型学习加速器，有望帮助医疗东西佩戴者定制个性化医疗传感器，或者使个人电子设备具备学习用户行为模式的能力。
IMEC神经打算技能开拓的带头人普拉文·拉格万（Praveen Raghavan）说，“目前的互联设备本身还没有太多智能，常日是将数据发送到云端，并由远程做事器进行剖析，由于这种情形下的能源花费和冷却本钱并不算高” 。
IMEC团队想改变这一点，他说：“我们的目标是使人工智能更集成、更靠近用户，并且尽可能的降落本钱。”这就意味着要开拓出更紧凑、低功耗的专用学习芯片。
当然，IMEC的类脑芯片所创作的编曲听起来还是模拟性的。芯片“作曲家”选了一些奇怪的音符，但还不敷以称之为前卫，还是处于西方古典音乐的框架之中。的确，IMEC类脑芯片创作的这30秒的曲子让音乐家想起开始阶段一遍又一遍练习的大略旋律。
有两个小节非常靠近于盛行音乐或爵士乐的半音音阶重复段；在末了一小节，利用了一个让人觉得愉悦和期待的音符。
为了使类脑芯片能够创作出曲子，首先须要连续地给芯片加载多首拍号（指每个音乐小节中含有多少个节拍）和曲风相同的歌曲。如果加载的歌曲节奏和风格过于广泛，那么芯片就无法辨别出特定的作曲模式。
拉格万说，这款原型芯片是用老比利时风格和法国长笛小步舞曲来演习的。基于演习，类脑芯片能够学习歌曲中的模式和规则，然后将其运用于创作中。当演习的输入切换到不同拍号的歌曲时，芯片将开始学习不同的曲子风格。
这款原型神经芯片是基于处理器上的1M内存库的电阻RAM制作而成的。个中，存储单元是氧化物质料惦记，其电阻会随不同的施加电压发生连续的状态相应变革。
当芯片在多个演习歌曲中一个接一个地“听到”两个特定的音符时，它就会检测到相应的模式。当两个音符依次发生的频率越高，它们之间的关联就越强，而相应的两个存储单元之间的连接就越强。
反过来，当芯片从学习模式切换到撰写模式时，芯片就更有可能将这两个音符依次放置，这类似于我们学习时大脑中不同神经元之间的连接加强或减弱的办法。此外，该系统是分级的，也可以辨别和学习更广泛的模式。 拉格万说：“它（芯片）能够从短期和长期的韶光尺度上，从音乐中辨别模式。”
拉格万并未透露该原型芯片功耗有多少，据称这次芯片是偏守旧的设计，构建了能够相应一系列电压驱动的大型存储单元，以便进行更多的任务。音乐任务本身并不会利用全体内存库，但将来更繁芜的任务可能会用到。现在，他们已经研究了硬件的功能，并称将会优化芯片设计。
按拉格万的说法，芯片目前已经很灵巧了。此外，该团队还对该芯片系统进行了文本演习，使其能够自动补全句子。
拉格万称，这些芯片系统可以用作个人电子设备学习加速器，或者与其他用于运行神经网络的硬件结合利用。目前他想到的一个运用是智好手表的心率监测器，类脑芯片系统能够根据用户的个性化佩戴特点进行自动调度，从而得到更准确的数据。
他说：“有些人带的很紧，有些人就带的很松，并且带的高低也不一样，所有这统统都可能影响丈量的准确性。”
