全世界都在紧张地寻找新的材料来制造计算机微芯片，这些材料不是基于经典的晶体管，而是基于更节能的类脑组件。然而传统的基于晶体管的数字计算机的理论基础是坚实的，目前还没有真正的理论指导方针来创建类脑计算机
到目前为止，计算机一直依赖于稳定的开关，通常是晶体管。这些数字计算机是逻辑机器，它们的编程也是基于逻辑推理的。几十年来，晶体管的进一步小型化使计算机变得更加强大，但这一过程现在正接近物理极限。这就是为什么科学家们正在努力寻找新材料来制造更通用的开关，这种开关可以使用比数字0或1更多的值。危险的陷阱
Jaeger是格罗宁根认知系统和材料中心（CogniGron）的一部分，该中心旨在开发神经形态（即类脑）计算机。CogniGron将拥有截然不同方法的科学家聚集在一起：来自数学、计算机科学和人工智能等不同领域的实验材料科学家和理论建模师。
与材料科学家的密切合作让Jaeger很好地了解了他们在尝试开发新的计算材料时面临的挑战，同时，这也让他意识到了一个危险的陷阱：在计算系统中使用非数字物理效应还没有一个既定的理论
因此，大脑，对材料科学家的启发。耶格：“他们可能会产生一些由几百个原子组成的东西，这些原子会振荡，或者会显示出爆发的活动。他们会说，‘这看起来像是神经元的工作方式，所以让我们建立一个神经网络’。”但他们在这方面缺少了一点重要的知识
“即使是神经科学家也不知道大脑是如何工作的。这就是缺乏神经形态计算机理论的问题所在。然而，该领域似乎没有看到这一点。”
在《自然通讯》上发表的一篇论文中，Jaeger和他的同事Beatriz Noheda（CogniGron的科学主任）和Wilfred G.van der Wiel（Twente大学）展示了非数字计算机理论的草图。他们提出，该理论应适用于连续的模拟信号，而不是稳定的0/1开关。它还应该适应科学家正在研究的大量非标准纳米级物理效应。子理论
Jaeger从听取材料科学家的意见中学到的另一件事是，用这些新材料制造设备很难
Jaeger说，“如果你制作一百个，它们就不会完全相同。”这实际上很像大脑，因为我们的神经元也不完全相同。Jaeger继续说道，另一个可能的问题是，这些设备往往很脆，对温度很敏感。“任何神经形态计算理论都应该考虑到这些特征。”
重要的是，支撑神经形态计算的理论将不是单一的理论，而是由许多子理论构建而成（见下图）
Jaeger说，“计算机科学家必须了解所有这些新材料的物理特性，而材料科学家应该了解计算的基本概念。”
盲点
弥合材料科学、神经科学、计算科学和工程之间的鸿沟正是CogniGron在格罗宁根大学成立的原因：它将这些不同的群体聚集在一起。
“我们都有自己的盲点，”耶格总结道。“我们知识上最大的差距是神经形态计算的基础理论。我们的论文首次尝试指出如何构建这样的理论，以及我们如何创建一种通用语言。”
