separationen av minnes-och processorenheter i von Neumann-arkitekturen har varit en allvarlig konceptuell begränsning för ytterligare tillväxt av traditionella datorsystem. Samtidigt kräver framväxten av datacentrerad beräkning och fysiska nedskalningsgränser för konventionell teknik utvecklingen av alternativa beräkningsmetoder för framtida nanoelektronik. Majoriteten av de föreslagna lösningarna involverar en beräkningssystemdesign som är löst baserad på den mänskliga hjärnstrukturen inklusive in-memory computing baserat på tanken att samla minne och bearbetningsenheter. På så sätt kan redundansen i samband med datatrafik helt elimineras om beräkningsuppgifter och datalagring båda utförs på plats i själva minnet. Ur materialvetenskapens perspektiv kan utforskning av potentialen hos framväxande nanomaterial möjliggöra den välbehövliga avvikelsen från konventionella tillvägagångssätt och är särskilt lovande i samband med neuromorf databehandling. Neuromorfa nanoelektroniska material som sträcker sig från nolldimensionella, endimensionella och tvådimensionella (2D) nanomaterial till Van der Waals heterostrukturer och blandade dimensionella heterojunktioner har aktivt utforskats för framtida nanoelektronik. En av de mest studerade materialklassen, 2D–material och deras van der Waals heterostrukturer erbjuder möjligheten till integration med den befintliga si–komplementära metalloxidhalvledartekniken (CMOS), datorplattformar i minnet och matrisberäkning för artificiella neurala nätverk och spiking neurala nätverksapplikationer. Sammantaget kommer icke-von Neumann-tillvägagångssätt att kräva en rad nya material, enheter, hårdvaruarkitekturer, programvara och simuleringsverktyg för att möta de applikationsspecifika behoven hos modern digital teknik samtidigt som den ger minskad latens och förbättrad energi-och områdeseffektivitet med avseende på konventionella datorsystem.