通过了解一个人学习和记忆信息的过程中神经元化学信号的工作方式，研究人员认为，他们能利用随机计算元器件创建更为可靠的计算机。随机计算是一种类型的人工智能，采用或然方法(即偶然性)来解决问题。
由计算和神经系统副教授Fidel Santamaria博士领导的UTSA团队创建了一种计算和试验实验室，通过集成电生理学、成像和对神经元的结构观察，详细地构成了生物物理模型。因为人类的大脑具有几十亿个不同类型的神经元，每一个神经元都具有复杂的分支树，运行复杂的Monte Carlo仿真就可以对需要巨大的计算性能和存储咨询的单一神经元进行建模。
为此，该团队购买了Star-P授权，把他们的桌面计算机与一个8处理器并行群连接起来，而研究工作获得了Cajal Neuroscience Research Center及美国健康学院的资金支持。Interactive Supercomputing准予UTSA一个附加许可，容许其在不远的将来在120个处理器群上部署Star-P，从而加速团队的研究。
Star-P在MIT实验室诞生并获得了广泛的应用，它是一种交互并行计算平台，使该团队能够在他们的桌面计算机上利用MATLAB对生物物理模型进行编程，但是，在并行处理器群上即时和互动的运行，几乎很少或不需要修改编程。Star-P不需要对采用C语言、Fortran或MPI编写的程序重新编程就可以在并行的系统上运行，对于像UTSA的分子扩散仿真这样的大型、复杂问题，采用C语言、Fortran或MPI编写的程序可能需要几个月才能完成计算。这已经极大地改进了研究的效率。
Santamaria表示，他的团队通过把模型分割成为较小的数据组并在具有Star-P的超级计算机上运行，已经把效率提高了两倍。“它们现在能够同时做8种分析，”他说。即使对于整个神经元的较大的仿真，Santamaria表示，他已经利用Star-P把生产率提高了50%。
