పదివేల చిన్న మెమోరిస్టర్‌లను (మెమరీ ట్రాన్సిస్టర్‌లు) పెట్టి, ఎంఐటిలోని ఇంజనీర్ల బృందం 'బ్రెయిన్-ఆన్-ఎ-చిప్' అనే చిప్‌తో ముందుకు వచ్చింది. మానవ మెదడు సమాచారాన్ని అనుకరించే సిలికాన్ ఆధారిత భాగాలు ఒకే చిప్‌లో ఉంచబడతాయి. ఒక మెట్టుగా నిరూపిస్తూ, చిప్ వివిధ పనుల ద్వారా నడుస్తున్నప్పుడు నిల్వ చేసిన చిత్రాలను "గుర్తుంచుకోవడం" మరియు పునరుత్పత్తి చేయగల సామర్థ్యాన్ని కలిగి ఉంటుంది.
చిప్ రూపకల్పన కోసం సిలికాన్‌తో పాటు వెండి మరియు రాగి మిశ్రమాల నుండి ప్రతి జ్ఞాపకాన్ని పరిశోధకులు రూపొందించారు. న్యూ మెమోరిస్టర్ డిజైన్ న్యూరోమార్ఫిక్ పరికరాలకు తగినది, అనగా మెదడు యొక్క న్యూరల్ ఆర్కిటెక్చర్‌ను అనుకరించే విధంగా సమాచారాన్ని ప్రాసెస్ చేసే కొత్త రకం సర్క్యూట్ ఆధారంగా ఎలక్ట్రానిక్స్. ఇలాంటి మెదడు-ప్రేరేపిత సర్క్యూట్లను చిన్న, పోర్టబుల్ పరికరాల్లో నిర్మించవచ్చు మరియు సూపర్ కంప్యూటర్లు చేసే సంక్లిష్ట గణన పనులను నిర్వహిస్తుంది.
సాంప్రదాయిక ట్రాన్సిస్టర్‌ల కంటే మెమరీ ట్రాన్సిస్టర్‌లకు తక్కువ చిప్ రియల్ ఎస్టేట్ అవసరం, ఇది మరింత శక్తివంతమైన, పోర్టబుల్ కంప్యూటింగ్ పరికరాలను అనుమతిస్తుంది. ఆ పైన, వై-ఫై అవసరం లేదు. ప్రస్తుతం ఉన్న మెమిస్టర్ డిజైన్లలో సమస్య ఏమిటంటే వాటికి పరిమిత సామర్థ్యాలు ఉన్నాయి. ఈ పరిమితిని అధిగమించి, లోహాలను మిశ్రమాలలో కలుపుతూ మరియు వాటి మిశ్రమ లక్షణాలను అధ్యయనం చేసే లోహశాస్త్రంపై బృందం పనిచేసింది. పదార్థాలను బలోపేతం చేయడానికి వేర్వేరు అణువులను జోడించడం కంటే, బృందం మెమిరిస్టర్‌లోని అణు పరస్పర చర్యలను సర్దుబాటు చేయడం మరియు మాధ్యమంలో అయాన్ల కదలికను నియంత్రించడానికి కొన్ని మిశ్రమ అంశాలను జోడించడం అనే ఆలోచనతో ముందుకు వచ్చింది. వెండి మరియు సిలికాన్‌లతో బంధించే సామర్ధ్యం కలిగిన రాగి, ఒక విధమైన స్థిరీకరణ వంతెన వలె పనిచేస్తుంది.
నిజమైన అనుమితి పరీక్షలు చేయడానికి కృత్రిమ సినాప్సెస్ ఉపయోగించబడుతున్నాయి మరియు ఇమేజ్ రికగ్నిషన్ పనులను చేయడానికి పెద్ద-స్థాయి శ్రేణులను కలిగి ఉండటానికి ఈ సాంకేతికతను మరింత అభివృద్ధి చేయడానికి బృందం యోచిస్తోంది. వారి మొదటి పరీక్షలో, జట్టు కెప్టెన్ అమెరికా షీల్డ్ యొక్క బూడిద-స్థాయి చిత్రాన్ని పున reat సృష్టించింది. ప్రతి పిక్సెల్ చిప్‌లోని సంబంధిత జ్ఞాపకశక్తికి సరిపోతుంది మరియు ఇది షీల్డ్ యొక్క అదే స్ఫుటమైన చిత్రాన్ని అనేకసార్లు ఉత్పత్తి చేయగలిగింది.
న్యూరోమార్ఫిక్ పరికరాన్ని వారి కారులోని కెమెరాతో కనెక్ట్ చేయడంలో వినియోగదారులకు తాజా ఆవిష్కరణ సహాయపడుతుంది మరియు ఇది లైట్లు మరియు వస్తువులను గుర్తించి వెంటనే నిర్ణయం తీసుకోవచ్చు, అది కూడా ఇంటర్నెట్ కనెక్షన్ లేకుండా ఉంటుంది. రియల్ టైమ్‌లో, ఆ పనులను సైట్‌లోనే చేయడానికి శక్తి-సమర్థవంతమైన మెమోరిస్టర్‌లను ఉపయోగించాలని బృందం ating హించింది.