سوالی که سال‌ها است ذهن دانشمندان را به خود مشغول داشته این است که ما چه زمانی می‌توانیم تراشه‌ای مصنوعی تولید کنیم که عملکردی شبیه به مغز انسان داشته باشد؟ تا به امروزه سازمان‌های بزرگ در دو حوزه سخت‌افزار و نرم‌افزار تلاش‌های بسیاری در این زمینه انجام داده‌اند و در بعضی موارد به دستاوردهای مهمی هم نائل شده‌اند. تراشه‌های عصب‌گون می‌توانند رفتار سلول‌های عصبی مغز انسان را تقلید کنند، با این وجود عملکرد این تراشه‌ها عمدتا شبیه به تراشه‌هایی بوده است که در کامپیوتری امروزی به کار گرفته می‌شوند.
اما به تازگی گروهی از پژوهشگران ژاپنی، فرانسوی و آمریکایی موفق به طراحی تراشه‌ای شده‌اند که رفتارش مشابه مغز انسان است. به عبارت دقیق‌تر سلول‌های عصبی این تراشه به لحاظ رفتاری بیشترین شباهت را به سلول‌های واقعی یک مغز دارند. سلول‌های عصبی موجود در مغز انسان یک نوسان‌گر غیر خطی هستند که اگر جریان الکتریکی ثابتی به آن‌ها وارد شوند تحریک شده و و ولتاژ‌های دوره‌ای را تولید می‌کنند. نوسان‌گرهای غیر خطی می‌توانند یک ورودی ثابت را به یک نوسان تبدیل می‌کنند. به‌طور مثال ساعت‌های آونگ‌دار (ساعت‌های پاندولی)، نوسان‌گرهای غیر خطی هستند.
سلول‌های عصبی نیز همان‌گونه که اشاره گردید نوسان‌گرهای غیرخطی هستند که اگر با یک جریان الکتریکی تحریک شوند ولتاژ‌های دوره‌ای را ایجاد می‌کنند. اکنون این گروه از پژوهشگران می‌گویند به راهکار قدرتمندی دست پیدا کرده‌اند که به آن‌ها اجازه می‌دهد نوسان‌گرهای غیر خطی مصنوعی را در فضای بسیار کوچکی قرار دارد. این گروه از پژوهشگران موفق شده‌اند 108 نوسان‌گر را روی یک آرایه دو بعدی درون یک تراشه بسیار کوچک که در ابعاد انگشت شست انسان است قرار دهند. به عقیده این پژوهشگران تراشه‌های نئومورفیک مینیاتوری این پتانسیل را دارند در زمینه یادگیری و هماهنگ شدن با طیف گسترده‌ای از برنامه‌های کاربردی به کار گرفته شوند. طراحی این گونه تراشه‌ها با دو مشکل بزرگ روبرو است.
پارازیت و ناپداری دو مشکل بزرگی است که این تراشه‌ها با آن روبرو هستند. اما پژهشگران فوق برای غلبه بر این چالش تصمیم گرفتند از ممریستورها و همچنین اتصالات تونلی مغناطیسی استفاده کنند. مزیتی که نوسان‌گرهای مغناطیسی در مقایسه با نوسان‌گرهای ممریستوری دارند این است که ضریب پایداری آن‌ها بالا است. به واسطه آن‌که ممریستورها پس از یک میلیون چرخش سامانه را دچار مشکل می‌کنند. پژوهشگران می‌گویند این تراشه‌ها را می‌توان در زمینه طبقه‌بندی بلادرنگ بزرگ داده‌ها، ماشین‌های خودران و تجهیزات پزشکی و کاشتنی به کار گرفت.
