为神经网络及其他大脑激励计算开发出高能效，低成本的技术，例如通过对超 CMOS 纳米器件的固有随机性的权衡，通过深度学习模型到超 CMOS 器件的有效映射。

为机器学习研发硬件材料

将以建立起来的神经和皮层机制与可运作的超 CMOS 硬件相连接

决策制定：在处理高难度挑战和复杂任务时，我们依靠认知计算系统来分析可选项和权衡点、评估风险、探测环境异常、为不确定环境下的决策制定者提供建议。应该研究满足这些需求的算法，此外，还存在以下需要：

开发出加速战略性决策制定的架构，在需要比人类更快的反应速度和非传统性指挥链（chain-of-command）反应的情况下，授权机器做决定

为保证大规模决策系统的安全，要在加密数据上进行计算

信任：为了在认知系统中建立起信任，研究者必须开发可靠的技术来保证训练和测试数据过程的无偏见，完整以及不被破坏。同样也非常需要一些方法来验证学习，推理和决策算法的客观性、稳健性、确定性、弹性和精确性。

　　其他重要的主题

人机接口

为自动化系统开发无缝人机接口，包括高精确度传感器－反馈物联网系统

开发有人与无人平台间的创新型协作

认知子系统网络

为弹性自我优化和自我治愈网络、存储器、计算元件开发架构，把几十亿台设备都连接到智能系统中

开发社会规模的应用和数据收集系统，能与本地认知系统进行交互来优化决策支持

安全

研究恶意或破坏性的认知系统的特征

理解无意识的有害认知系统的来源和风险

已知的研究活动

在美国国内，有几家机构直接支持认知计算的相关研究：

国家战略计算计划（NSCI），于 2015 年颁布，将以下任务作为它的五项战略性目标之一：「超越摩尔定律之上的计算，」在 10-20 年内「探索并加速未来计算架构和技术的新途径，包括数字计算和替代性计算范式」［比如神经形态计算］。这包括两个平行的努力方向：（1）超越 CMOS 的数字计算（2）超越冯·诺依曼的大规模计算

能源部（DOE）、情报先进研究计划署（IARPA）、国家标准技术研究所（NIST）、国家科学基金会 NSF 和国防部（DOD）都将「支持非 CMOS 技术和非典型 CMOS 技术的开发，NSF、NIST 和 IARPA 已做出早期行动」

DOD、DOE、NSF、IARPA 和 NIST 支持「替代性计算范式或以此为基础的技术」的发展。IARPA 将增加替代性计算范式的投资，包括神经形态计算。

NSF 与 SRC 合作启动了「高能效计算：从器件到架构（E2CDA）」项目，作为开发未来计算系统的第一步，从器件到架构。该项目于 2016 年 10 月正式实施。

网络与信息技术研发项目（NITRD）：在 10 个 2017 年开始的子项目领域之中，最相关的包括、机器人和智能系统、人类计算机交互和信息管理、大规模数据管理和分析、高能计算系统基础设施和应用、大规模网络化。

IARPA 的基于皮质网络的机器智能项目（MICrONS）：「通过创造革新的机器学习算法实现机器学习的极大飞跃，采用了人脑激励架构和人脑所遵循表现，转变和学习规则的数学抽象。」

国家纳米技术计划（NNI）也参与支持认知计算研究，通过它于 2015 年底启动的未来计算的纳米科技—激励的大挑战（Nanotechnology-Inspired Grand Challenge for Future Computing）项目。

NSF，计算远征（Expeditions in Computing）项目：追求远大的，基础性的研究主题，有潜力定义计算和信息的未来

NSF，增强智能（Robust Intelligence）项目：「增强智能项目包含着复杂真实环境下智能模型的计算性理解和建模，以及在多个领域研究传统上的改进和集成的所有方面，所涉及领域包括人工智能、计算机视觉、人类语言研究、机器人学、机器学习、认知神经科学、认知科学、计算机图像的几个领域，以及相关的领域。」

(责任编辑：本港台直播)