Các mô hình máy tính đóng một vai trò quan trọng trong việc điều tra quá trình tạo và lưu giữ ký ức cũng như các thông tin phức tạp khác của bộ não. Tuy nhiên, xây dựng các mô hình như vậy là một nhiệm vụ tế nhị. Sự tương tác phức tạp của các tín hiệu điện và sinh hóa, cũng như mạng lưới kết nối giữa các tế bào thần kinh và các loại tế bào khác, tạo ra cơ sở hạ tầng cho các ký ức được hình thành. Mặc dù vậy, việc mã hóa cấu trúc sinh học phức tạp của não thành một mô hình máy tính để nghiên cứu sâu hơn đã được chứng minh là một nhiệm vụ khó khăn do sự hiểu biết hạn chế về cấu trúc sinh học cơ bản của não.

Các nhà nghiên cứu tại Viện Khoa học và Công nghệ Okinawa (OIST) đã cải tiến mô hình bộ nhớ máy tính được sử dụng rộng rãi, được gọi là mạng Hopfield, bằng cách kết hợp những hiểu biết sâu sắc từ sinh học. Sự thay đổi đã dẫn đến một mạng lưới không chỉ phản ánh tốt hơn cách các tế bào thần kinh và các tế bào khác được kết nối trong não mà còn có khả năng lưu trữ nhiều ký ức hơn đáng kể.

Mạng Hopfield lưu trữ ký ức dưới dạng các mẫu kết nối có trọng số giữa các nơ-ron khác nhau trong hệ thống. Mạng được "đào tạo" để mã hóa các mẫu này, sau đó các nhà nghiên cứu có thể kiểm tra bộ nhớ của mạng về chúng bằng cách trình bày một loạt các mẫu mờ hoặc không đầy đủ và xem liệu mạng có thể nhận ra chúng như một mẫu đã biết hay không. Tuy nhiên, trong các mạng Hopfield cổ điển, các nơ-ron trong mô hình kết nối qua lại với các nơ-ron khác trong mạng để tạo thành một chuỗi được gọi là các kết nối “theo cặp”.

Các kết nối theo cặp thể hiện cách hai nơ-ron kết nối tại một khớp thần kinh, một điểm kết nối giữa hai nơ-ron trong não. Nhưng trên thực tế, tế bào thần kinh có cấu trúc phân nhánh phức tạp được gọi là đuôi gai cung cấp nhiều điểm kết nối, vì vậy não dựa vào sự sắp xếp phức tạp hơn nhiều của các khớp thần kinh để hoàn thành công việc nhận thức. Ngoài ra, các kết nối giữa các tế bào thần kinh được điều biến bởi các loại tế bào khác gọi là tế bào hình sao.

Mặc dù mạng mới cho phép những kết nối được gọi là "thiết lập thông minh" này, nhưng về tổng thể, nó vẫn chứa tổng số kết nối như trước đây. Các nhà nghiên cứu phát hiện ra rằng một mạng chứa kết hợp cả kết nối theo cặp và theo tập hợp hoạt động tốt nhất và giữ lại số lượng bộ nhớ cao nhất. Họ ước tính nó hoạt động tốt hơn gấp đôi so với mạng Hopfield truyền thống.

Mạng Hopfield rất quan trọng để mô hình hóa các quy trình của não, nhưng chúng cũng có những ứng dụng mạnh mẽ khác. Ví dụ: các loại mạng rất giống nhau được gọi là Transformers làm nền tảng cho các công cụ ngôn ngữ dựa trên AI như ChatGPT, vì vậy những cải tiến mà các nhà khoa học đã xác định cũng có thể làm cho các công cụ đó mạnh mẽ hơn.