要给出Alpha Zero输出神经元配置的解决方法，需要明确一些背景信息和前置条件。Alpha Zero是一种基于深度强化学习的算法，用于玩棋类游戏。神经元配置是指神经网络的层次结构和参数设置。

下面是一个示例的解决方法，假设使用Python编程语言和TensorFlow深度学习框架：

1. 导入所需的库和模块：

import tensorflow as tf
from tensorflow.keras import layers

2. 定义神经网络的层次结构和参数设置：

def build_model():
    model = tf.keras.Sequential()
    model.add(layers.Conv2D(filters=64, kernel_size=3, activation='relu', padding='same', input_shape=(8, 8, 17)))
    model.add(layers.BatchNormalization())
    model.add(layers.Conv2D(filters=64, kernel_size=3, activation='relu', padding='same'))
    model.add(layers.BatchNormalization())
    model.add(layers.Conv2D(filters=128, kernel_size=3, activation='relu', padding='same'))
    model.add(layers.BatchNormalization())
    model.add(layers.Conv2D(filters=128, kernel_size=3, activation='relu', padding='valid'))
    model.add(layers.BatchNormalization())
    model.add(layers.Flatten())
    model.add(layers.Dense(units=128, activation='relu'))
    model.add(layers.BatchNormalization())
    model.add(layers.Dense(units=64, activation='relu'))
    model.add(layers.BatchNormalization())
    model.add(layers.Dense(units=8, activation='softmax'))
    return model

3. 创建一个神经网络模型：

model = build_model()

4. 输出神经网络的配置信息：

model.summary()

运行以上代码，即可输出Alpha Zero的神经元配置，包括每个层次的类型、输出形状和参数数量等信息。在这个示例中，神经网络包含卷积层、批量归一化层和全连接层等不同类型的层次。

注意：以上代码仅为示例，实际的Alpha Zero模型可能有不同的配置。具体的神经元配置取决于网络结构的设计和优化需求。