rozdzielenie jednostek pamięci i procesorów w architekturze von Neumanna było poważnym ograniczeniem koncepcyjnym dla dalszego rozwoju tradycyjnych systemów obliczeniowych. Jednocześnie pojawienie się obliczeń opartych na danych i fizycznych limitów zmniejszania skali konwencjonalnych technologii wymaga opracowania alternatywnych metod obliczeniowych dla przyszłej nanoelektroniki. Większość proponowanych rozwiązań obejmuje projekt systemu obliczeniowego, który jest luźno oparty na strukturze ludzkiego mózgu, w tym przetwarzanie w pamięci oparte na idei kolokacji pamięci i jednostek przetwarzania. W ten sposób redundancja związana z ruchem danych może zostać całkowicie wyeliminowana, jeśli zarówno zadania obliczeniowe, jak i przechowywanie danych będą wykonywane w pamięci. Z punktu widzenia nauki o materiałach badanie potencjału pojawiających się nanomateriałów mogłoby umożliwić bardzo potrzebne odejście od konwencjonalnych podejść i jest szczególnie obiecujące w kontekście obliczeń neuromorficznych. Neuromorficzne materiały nanoelektroniczne, od nanomateriałów zerowych, jednowymiarowych i dwuwymiarowych (2D) po heterostruktury van der Waalsa i heterojunkcje o mieszanym wymiarze, były aktywnie badane dla przyszłej nanoelektroniki. Jedna z najlepiej zbadanych klas materiałów, materiały 2D i ich heterostruktury van der Waalsa oferują możliwość integracji z istniejącą technologią komplementarną Metal–tlenek–półprzewodnik (CMOS), platformami obliczeniowymi w pamięci i komputerami macierzowymi dla sztucznych sieci neuronowych i aplikacji sieci neuronowych o zwiększonym natężeniu. Ogólnie rzecz biorąc, podejścia inne niż von Neumann będą wymagać szeregu nowych materiałów, urządzeń, architektur sprzętowych, oprogramowania i narzędzi do symulacji, aby zaspokoić specyficzne potrzeby nowoczesnej technologii cyfrowej, zapewniając jednocześnie mniejsze opóźnienia i lepszą wydajność energetyczną i obszarową w odniesieniu do konwencjonalnych systemów obliczeniowych.