심층 신경망(DNN: Deep Neural Network)은 객체 검출 및 영상 분류와 같은 다양한 인지 과제에서 인상적인 결과들을 구현합니다. 그러나 이러한 신경망에는 엄청난 수의 파라미터가 포함되며, 이 같은 모델들을 평가하는 데는 연산 면에서 많은 비용이 듭니다. 폰 노이만형 컴퓨터는 다수의 가중치 파라미터들을 외부 메모리의 시분할 프로세싱 엘리먼트에 저장함으로써 DNN을 구현합니다. 이러한 전통적인 DNN 아키텍처는 파라미터를 저장하는 메모리와 프로세싱 유닛 사이에 비효율적인 데이터 전송이 요구되므로 프로세싱 병목현상과 전력소모가 심한 수많은 입출력 연산작업이 야기됩니다. 인천대학교의 연구원들이 개발한 뉴로모픽 컴퓨팅 시스템(neuromorphic computing system)은 대규모 신경망을 에너지 효율적으로 평가하기 위해 밑바닥부터 다시 설계되어, 비전통적인 컴파일러와 뉴로모픽 하드웨어 아키텍처 그리고 Xilinx Artix-7 100T FPGA 기반의 공간 효율적인 마이크로아키텍처로 구성되어 있습니다.