Model umetnih nevronskih mrež (SSN) je bil ustvarjen na podlagi analogij biološkim kolegom, kot je poenostavljen model nevrona ali sistem mrežnih nevronov očesa. Zaradi vse večje kompleksnosti in težav pri razvoju učinkovitih metod globokega učenja SSN so umetne nevronske mreže prevladovale rešitve, ki temeljijo na algebrskih strukturah. Danes napredni pristopi v strojnem učenju, kot je globoko učenje, kažejo številne neželene lastnosti, kot so pozabljanje, dovzetnost za goljufive primere, ki zahtevajo velik nabor usposabljanja in počasno učenje. Nobena od teh lastnosti se ne pojavi v kontekstu biološkega delovanja možganov, kar kaže, da bi bilo koristno, če bi se vrnili k močnejšemu navdihu SSN s pomočjo bioloških nevronskih sistemov. Cilj projekta je analizirati vedenje nevronskih sistemov na visoki ravni in zgraditi inovativne modele SSN s predlaganjem novih učnih paradigm in novih računalniških modelskih arhitektur.