MRAM通过外加电压控制的磁体方向来存储数据的每个bit位。如果电压低于翻转bit位所需的电压，则可能只有一位翻转。我们不希望存在这种随机性，因此采用更高电压驱动MRAM来预防这种情况发生。尽管如此，某些AI应用仍可以利用这种固有的随机性（可以将其视为随机选择或生成数据的过程）。
 
它可将所有权重和激活精度降低到1位，从而大大降低远边缘应用的计算和功耗要求。根据网络重新训练的方式，有可能需要进行精度的权衡取舍。尽管降低了精度，神经网络仍可以可靠地运行。
 
二元神经网络（BNN）的独特之处在于，即使一个数字是-1或+1的确定性减小了，它仍可以可靠地运行。即便引入被错误写入的存储位“误码率”降低了确定性，BNN仍然能够以较高的精度运行。
 
MRAM可以在低电压电平下自然地以受控方式引入误码率，在保持精度的同时进一步降低功耗要求。其关键在于确定最低电压和最短时间下的最佳精度。这意味着最高能效。
 
尽管这项技术也适用于更高精度神经网络，但它尤其适用于BNN，因为MRAM单元具有两种状态，恰好与BNN中的二值状态相匹配。在边缘使用MRAM是其另一个潜在应用。
 
对于边缘AI，MRAM能够在不要求高性能的应用中以较低的电压运行，但提高能效和存储器耐用性非常重要。此外MRAM固有的非易失性不需电源也可保存数据。
 
还有一种“统一存储”，这种新兴存储既可以充当嵌入式闪存，又可以替代sram，在节省芯片面积的同时又避免了SRAM固有的静态功耗。