这些可编程电阻器不仅提高了神经网络训练的速度，同时也降低了执行训练所需的成本和能量，这可以帮助科学家更快地开发深度学习模型。
这一技术的关键元素是质子可编程电阻器，这些电阻以纳米为单位排列成阵列，就像棋盘一样。
研究人员用无机磷硅玻璃（PSG）做可编程质子电阻器的电解质材料，PSG能够实现超快质子运动，还可承受非常强的脉冲电场。只需向其施加更大的电压，质子的移动速度将倍增。
这项研究是电阻存储器件的重大突破，现在研究人员已经证明了这些可编程电阻器的有效性，后续研究人员将会对其重新设计并进行大批量产，以应用于自动驾驶汽车、安全检测或医学图像分析等诸多领域。
