深度学习在语音和视觉等领域取得了颠覆性的成功，然而，为了完成更加复杂的大规模信息处理任务，深度神经网络变得越来越复杂，所需的巨大计算量已经成为其广泛应用的瓶颈。我们可以借鉴人脑在处理信息过程中的高效学习机制，研究和设计出新型高效的深度神经网络，加快神经网络计算的速度，大幅减少计算资源需求，从而研究出更加高效的深度神经网络新模型。

2、面向大规模脑神经网络分析的深度学习计算
构建大脑连接网络和进行三维重建过程中，深度学习是重要的方法，在脑神经切片分割、标注和重建等问题上起到关键作用。由于脑神经网络数据规模巨大，需要极为强大的神经大数据处理和分析平台作为研究基础。我们针对大规模脑神经网络分析问题，深入研究深度学习模型的特点，设计和搭建PB级数据规模的深度学习计算系统，为脑科学和类脑智能研究提供高效的计算平台。