آگاه: این سخت‌افزار شبیه مغز می‌تواند الگوها را بیاموزد و با آموزش‌های رایانشی کمتری نسبت به سیستم‌های هوش مصنوعی معمول، پیش‌بینی انجام دهد. جوزف فریدمن، استادیار این دانشگاه معتقد است چنین دستاوردی می‌تواند شیوه یادگیری ماشین‌ها را متحول کند.
او در این باره می‌گوید: تحقیق ما نشان‌دهنده روشی نوین برای ساخت رایانه‌های شبیه مغز است که می‌توانند به تنهایی بیاموزند. از آنجا که رایانه‌های نورومورفیک نیازمند آموزش رایانشی عظیمی نیستند، آنها می‌توانند بدون هزینه‌های کلان انرژی دستگاه‌های هوشمند را فعال کنند.
رایانه‌های سنتی حافظه را از پردازش جدا می‌کنند و به این ترتیب داده به طور مداوم بین این دو در حرکت است. چنین طرحی سبب می‌شود سیستم‌های هوش مصنوعی انرژی زیادی مصرف و به شدت به مخازن انبوه برچسب‌دار داده تکیه کنند. آموزش مدل‌های بزرگ ممکن است صدها میلیون دلار هزینه داشته باشد.
فرید در این باره می‌افزاید: اصولی که برای آموختن خودکار رایانه استفاده می‌کنیم، آن است که اگر یک نورون مصنوعی سبب تحریک نورون مصنوعی دیگری شود، سیناپس اتصال دهنده آنها رساناتر می‌شود.
در هسته این نمونه اولیه، اتصال‌های تونلی مغناطیسی (MTJ) قرار دارند که در حقیقت ابزارهایی در مقیاس نانو به حساب می‌آیند که از دو لایه مغناطیسی تشکیل شده‌اند و یک لایه عایق میان آنها قرار دارد. الکترون‌ها زمانی آسان‌تر از این سد عبور می‌کنند که دو لایه مغناطیسی در یک جهت هم‌راستا باشند و زمانی دشوارتر عبور می‌کنند که در جهت‌های مخالف قرار گیرند.
محققان با اتصال چندین MTJ به شکل یک شبکه، سامانه‌ای ساختند که اتصالات خود را در حین عبور سیگنال‌ها به‌طور خودکار تنظیم می‌کند. در این فرآیند برخی مسیرها تقویت و برخی دیگر تضعیف می‌شوند که مشابه فرآیند تغییر قدرت سیناپس‌های مغز در هنگام یادگیری است.