大脑中的神经细胞(或神经元)使用称为尖峰的短电脉冲传输信息。当超过某个刺激阈值时会触发这些尖峰。单个神经元产生这种尖峰的频率和各个尖峰的时间顺序对于信息交换都至关重要。“生物尖峰网络与人工神经网络的主要区别在于，因为它们使用基于尖峰的信息处理，所以它们可以以极高的能源效率解决复杂的任务，例如图像识别和分类，”博士生 Julian Göltz 说。 Petrovici 博士的研究小组。

人类大脑和结构相似的人工尖峰神经网络只有在各个神经元相互正确连接的情况下才能发挥其全部潜力。但是如何调整受大脑启发的——即神经形态的——系统以正确处理尖峰输入?“这个问题对于开发基于生物模型的强大人工网络至关重要，”同时也是 Petrovici 博士研究团队成员的 Laura Kriener 强调说。需要特殊的算法来保证尖峰神经网络中的神经元在正确的时间触发。这些算法调整神经元之间的连接，以便网络可以执行所需的任务，例如对图像进行高精度分类。

Petrovici 博士指导下的团队开发了这样一种算法。“使用这种方法，我们可以训练尖峰神经网络以仅在单个尖峰中编码和传输信息。因此，它们能够特别快速有效地产生所需的结果，”朱利安·戈尔茨解释说。此外，研究人员成功地在一个物理平台上实现了一个用这种算法训练的神经网络——海德堡大学开发的 BrainScaleS-2 神经形态硬件平台。