普渡大学附属的初创公司FWDNXT开发了一个低功率移动协处理器，用于通过深层神经网络加速图像识别和分类，普渡新闻报告。
该加速器称为雪花，在可编程门阵列模块上运行，它可以在整个卷积神经网络上达到91％的计算效率，某些层的效率为99％。 FWDNXT表示，它在场景分析和场景解析方面的专业知识可以使其硬件和软件可用于自动驾驶汽车，面部识别以及日常用途，例如从购物清单中识别项目。
该公司总部位于普渡大学研究公园（Purdue Research Park），最初通过普渡大学（Purdue）和海军的赠款开发了其技术，现在通过战略合作伙伴关系获得了数百万美元的资金。现在，它计划将其添加到其团队中，并寻求系列资金，以助长其雄心勃勃，以使微芯片几乎在所有智能设备中使用。
普渡大学生物医学工程学院的副教授Eugenio Culurciello说：“每个人都在寻找这样的解决方案。” “我们拥有一台特殊的计算机，可以在低功耗中非常快速地在大型数据上运行。我们的任务是将机器智能推向一个新的水平。”
FWDNXT通过普渡大学技术商业化办公室提交了专利申请。它计划在2018年上半年完成原型Microchip的开发，并希望能够尽快销售可编程的逻辑原型。
作为先前报道普渡大学的一名教授最近开发了一项用于3D图像传输的技术，并可能采用面部识别的应用。
