MemComputing machines，特别是Digital MemComputing machines （DMM），是一种灵感来源于大脑的非传统计算机，它使用物理系统来解决复杂的组合问题。数字存储器可以直接在普通电路中实现，但由于它们基于经典物理（不像量子计算机），它们甚至可以在经典计算机上有效地模拟。模拟DMMs已经被证明可以在多项式时间[1]中成功地解决NP完全问题——直到非常大的实例，而不仅仅是小的试验实例（对于你们非常欣赏CS理论的爱好者：不，这并不一定意味着P=NP）。MemComputing还在各种应用中提供了大量的计算优势。
MemComputers在内存中和在内存中同时计算。它们在内存中进行计算，不同于普通计算机将内存和处理单元分开，计算发生在与内存存储相同的位置（很像大脑）。此外，它们使用内存进行计算，因为内存动态在驱动系统走向其解决方案方面至关重要。最后，MemComputers“用物理”进行计算。
物理计算的基本思想是物理系统不知道模拟它们是多么困难。因此，如果你有一个计算问题，它相当于模拟某种物理系统的过程，物理系统可以相当有效地为你完成这个计算，而不用考虑传统计算机用经典算法找到解决方案的难度。当然，这是假设您的计算问题映射到物理系统，以及解决方案的提取可以有效地完成，这可以通过数字MemComputers实现，因为它是数字的。用于进行这些计算的物理系统是自组织逻辑门，它展示了几个关键特征，最显著的时间非局部性，即内存。这些特性使它们适合于MemComputers的未来物理实现以及上面链接的成功模拟。
请注意，模拟MemComputers提供了我们期望从物理MemComputers获得的多项式可伸缩性的上限，因为模拟包含数值噪声。物理DMMs只会表现出物理噪声，它是局部的，因此与问题的大小呈线性关系。换句话说，模拟DMMs的成功结果可以通过物理实现加以改进，但就像上面引用的应用程序所演示的那样，模拟DMMs就足够了。
