In un articolo pubblicato su Nano , i ricercatori studiano il ruolo dei memristori nel calcolo neuromorfo. Questo nuovo componente elettronico fondamentale supporta la clonazione di sistemi bioneurali a basso costo e potenza.

I sistemi informatici contemporanei non sono in grado di affrontare le sfide critiche della riduzione delle dimensioni e della velocità di elaborazione nell'era dei big data. Il collo di bottiglia di Von Neumann è indicato come un ostacolo al trasferimento dei dati attraverso il bus che collega il processore e la cella di memoria. Ciò offre l'opportunità di creare architetture alternative basate su un modello neuronale biologico. Il calcolo neuromorfico è una di queste architetture alternative che imitano le architetture cerebrali neurobiologiche.

Il sistema cerebrale neurale umanoide comprende circa 100 miliardi di neuroni e numerose sinapsi di connettività. Un dispositivo circuitale efficiente è quindi essenziale per la costruzione di una rete neurale che mima il cervello umano. Lo sviluppo di un componente elettrico di base, il memristore, con diverse caratteristiche distintive come la scalabilità, elaborazione in memoria e compatibilità CMOS, ha notevolmente facilitato l'implementazione dell'hardware della rete neurale.

Il memristor è stato introdotto come un "resistore simile alla memoria" in cui lo sfondo degli ingressi applicati altera lo stato di resistenza del dispositivo. È un componente elettronico capace in grado di memorizzare la corrente per ridurre efficacemente le dimensioni del dispositivo e aumentare la velocità di elaborazione nelle reti neurali. calcoli paralleli, come nel sistema nervoso umano, sono realizzati con il supporto di dispositivi memristor in una nuova architettura di calcolo.

L'instabilità e l'incertezza del sistema sono state descritte come problemi attuali per la maggior parte delle applicazioni basate sulla memoria. Questo è l'opposto del processo biologico. Nonostante il rumore, non linearità, variabilità e volatilità, i sistemi biologici funzionano bene. Non è ancora chiaro, però, che l'efficacia dei sistemi biologici dipende proprio da questi ostacoli. La modellazione neurale a volte viene evitata perché non è facile da modellare e studiare. La possibilità di sfruttare queste proprietà è quindi, Certo, un percorso critico verso il successo nella realizzazione di sistemi artificiali e biologici.