《自然-机器智能》发表的一篇论文Rapid online learning and robust recall in a neuromorphic olfactory circuit报告了一种设计用来模拟生物嗅觉的神经算法。这项成果或有助于未来在应用程序中，训练人工鼻子在存在未知背景气味的情况下，识别特定气味。
神经形态芯片的设计目的是使用受大脑启发而形成的计算机器，即通过创造由人工神经元和突触组成的网络来实现。但是，目前仍不明确的是，如何利用这种机器解决现实问题。这主要是因为我们对在生物神经回路层面实现的算法，了解不够透彻。
模型结构和信号编码。来源：Imam, N., Cleland, T.A.
美国旧金山英特尔神经形态计算实验室的Nabil Imam和美国康奈尔大学心理学系计算生理学实验室的Thomas Cleland描述了一种基于哺乳动物嗅觉系统的神经算法，可以学习并鉴别气味样本。之后，在一个神经形态系统中实现该神经算法，并利用甲苯、氨、丙酮、一氧化碳和甲烷等，对其进行气味训练，最后在风洞中通过传感器的数据进行测试。
研究结果揭示了有助于理解哺乳动物嗅觉以及改进人工化学感知系统的计算特征。这些发现也意味着，改造此类生物神经系统或代表了一种可以开发出超越当前人工智能趋势的新算法的强大方法。
