随着生命科学的发展，再造受损神经已成为现实。其基础就是大脑回路反向工程的研究工作。这项工作需要进行神经生物学真实神经回路的大规模模拟，这就需要强大的并行计算能力。单个神经元的模拟每秒钟要进行2亿次微分方程式的估算，大约需要4 gigaflops的浮点性能。负责处理感官的神经阵列需要数以千计的神经元，因此神经系统的实时精细模拟则需要10 teraflops以上的浮点计算能力。
若要开发出能够学习物体进而在真实环境中辨识这些物体的设备，人造神经回路需要在接受感官输入期间逐渐“连通”，就像婴儿出生后六个月内学习辨识环境中的物体一样。
与采用当代x86微处理器进行模拟相比，睿联嘉业Plex D2型实时渲染虚拟仿真小型机将速度提升了大 约130倍。该产品成本只有世界顶级系统的百分之一，而性能却可以与之相媲美。
有了睿联嘉业Plex D2型实时渲染虚拟仿真小型机GPU（图形处理器），具备学习能力以及感知气味能力的设备就成为了可能。这些设备可用于在现实环境中检查爆炸物或监控食品新鲜度。在利用内容以及自动 导向机器人所采集图像构建数据库这一领域中，图像检测技术的进一步发展能够利用神经模拟数据处理来实现当前所无法实现的功能。
(新闻稿 2009-03-10)
