与通用计算机的“图灵完备性”概念与“冯诺依曼”体系结构相对应，该研究首次提出“类脑计算完备性”以及软硬件去耦合的类脑计算系统层次结构，通过理论论证与原型实验证明该类系统的硬件完备性与编译可行性，并扩展了类脑计算系统应用范围使之能支持通用计算。类脑计算处于起步阶段，国际上尚未形成公认的技术标准与方案，这一成果填补了完备性理论与相应系统层次结构方面的空白，利于自主掌握新型计算机系统核心技术。
相对于通用计算机，提出类脑计算机层次结构和确保类脑计算完备性的硬件原语（相当于通用处理器的机器指令）来充分利用这一新完备性带来的优势。该结构具有三个层次：图灵完备的软件模型、类脑计算完备的硬件体系结构、位于两者之间的编译层，并设计构造性转化算法将任意图灵可计算函数转换为类脑计算完备硬件上的模型，进而带来以下优点：计算通用性；编译可行性；引入新的系统设计与优化维度——近似粒度。在上述理论与算法基础上，构建支持通用图形处理器、类脑天机芯片和基于阻变存储器的神经形态芯片（仿真）这三类硬件的软件工具链示例，并以智能自行车（作为神经网络应用代表）、鸟群模拟、QR分解（后两者作为非神经网络的通用计算应用代表）为示范应用，证实了设计的可行性，同时测试显示这一设计能够大幅提升系统优化空间，进而显著提升系统效能。
成果发表于《自然》。《自然》专题评论“使我们更接近实现类脑计算硬件所能取得的巨大成就”， 实现中国计算机领域在《自然》“零”突破。
“A system hierarchy for brain-inspired computing”，2020，Youhui Zhang*, Peng Qu, Yu Ji, Weihao Zhang, Guangrong Gao, Guanrui Wang, Sen Song, Guoqi Li, Wenguang Chen, Weimin Zheng, Feng Chen, Jing Pei, Rong Zhao, Mingguo Zhao, Luping Shi*，Nature.