在过去的30年里,神经计算模型在语言认知领域获得了巨大的成功,它为研究个体语言的个体差异带来了举世瞩目的变化。然而,现有的神经计算模型的研究大部分是关于母语认知发展的研究,并且在研究中没有涉及具有个体差异的语音能力、短时记忆能力以及长时记忆能力的关联模型。因此在第二语言学习障碍中的干预建议也无法做到有的放矢。神经计算模型在语言认知方面的成果以及神经认知的相关发现可以为语言教学提供新的研究设想和理论基础。本文沿用英国伦敦大学Centre for Brain and Cognitive Development(脑和认知发展中心)Thomas教授的研究框架以及相关神经学事实,提出了一个第二语言学习中的语音意识与记忆能力的关联模型,该模型使用人工神经网络(Artificial Neural Network,ANN),以实现下列目标:(1)建立学习者语音意识和记忆能力的关联假设;(2)使用ANN神经计算模型验证假设;(3)为学习者提供促进第二语言学习的干预建议。通过神经网络仿真以及t测试可看出,影响学习者整体英语成绩的因素并非语音意识,而是短时记忆以及长时记忆。从仿真个体ANN可看出工作记忆的作用尤为明显。该结论与神经科学中关于大脑双语控制的理论保持了一致。个体ANN通过仿真学习者学习路径可以为预测学习者学习能力及学习障碍风险分析提供依据,同时为学科教师进行个性化教学提供更为准确的线索和方向。