بازسازی ویژگی های منحصر به فرد سیستم های زیستی، به خصوص مغز انسان، مانند الگوهای یادگیری، با استفاده از مدارهای الکترونیکی از اهمیت بالایی برخوردار است و کاربردهای وسیعی از هوش مصنوعی تا ساختار و معماری رایانه را در بر می گیرد. برای این منظور استفاده از مدارهای الکترونیکی الهام گرفته از سیستم های زیستی مفید به نظر می رسد. برای دست یابی به این هدف، اجزای مداری مورد استفاده باید شامل دو ویژگی باشند. این اجزا باید توانایی نگهداری اطلاعات را داشته و در عین حال دارای حالتی پویا باشند. مدارهای شامل اجزای مداری فعال نظیر ترانزیستور به خوبی این دو ویژگی را ارضا می کنند، اما این مدارها دارای توان مصرفی بالا، تراکم کم و پیچیدگی زیاد هستند. جمع بندی ویژگی های مورد نیاز در یک جزء مداری غیرفعال و ترجیحاً در ابعاد نانو و قابل مقایسه با - حتی کوچک تر از - واحدهای پردازش و نگهداری اطلاعات در سیستم های زیستی مانند نورون و سیناپس، بسیار سودمند خواهد بود. این جزء مداری، ممریستور نامیده می شود که در سال ???? میلادی به وسیله لئون چوا پیش بینی و توسعه داده شد. در این پایان نامه ما طرحی پیشنهاد می کنیم که طبق آن ممریستور در یک بسته مدار الکترونیکی ?به همراه مجموعه ای از اجزای مداری دیگر? ?شامل مقاومت، ?خازن و ترانزیستور?، کارایی سیستم های نورونی را شبیه سازی می کند. ایده ما شامل طراحی مدار، استفاده از ممریستور به عنوان سیناپس و تحلیل آن به وسیله برنامه شبیه ساز نورون الکترونیکی است که در گروه محاسباتی ما نوشته شده است.