näkölukutaito riippuu osittain vahvasta lyhytkestoisesta musiikillisesta muistista. Koe sight käsittelyssä käyttäen eye tracker osoittaa, että korkeasti koulutetut muusikot yleensä katsoa eteenpäin musiikkia, tallentaminen ja käsittely toteaa, kunnes ne soitetaan; tätä kutsutaan silmä–käsi span.

notaatiotietojen tallentaminen työmuistiin voidaan ilmaista informaation määrän (kuormituksen) ja ajan, jonka se on säilytettävä ennen toistoa (latenssi). Kuormituksen ja latenssin suhde muuttuu tempon mukaan siten, että t = x/y, missä t on tempon muutos, x on kuormituksen muutos ja y on latenssin muutos. Jotkut opettajat ja tutkijat ovat ehdottaneet, että silmä–käsi-jänneväli voidaan kouluttaa suuremmaksi kuin se muuten olisi normaalioloissa, mikä johtaa vankempaan näkölukukykyyn.

ihmisen muisti voidaan jakaa kolmeen laajaan kategoriaan: pitkäkestoinen muisti, aistimuisti ja lyhytkestoinen (työ) muisti. Virallisen määritelmän mukaan työmuisti on ”järjestelmä, jolla varastoidaan ja hallitaan tilapäisesti tietoa, jota tarvitaan monimutkaisten kognitiivisten tehtävien, kuten oppimisen, päättelyn ja ymmärtämisen suorittamiseen.”Tärkein ominaisuus, joka erottaa työmuistin sekä pitkäaikaisesta että aistimuistista, on tämän järjestelmän kyky samanaikaisesti käsitellä ja tallentaa tietoa. Tiedolla on niin sanottu” rajallinen kapasiteetti”, joten vain tietty määrä tietoa voidaan tallentaa ja se on helposti saatavilla vain pienen ikkunan aikaa sen jälkeen, kun se on käsitelty, palautusaika lohko noin viidestätoista sekunnista yhteen minuuttiin.

George Miller on tehnyt vuonna 1956 kokeita, joiden mukaan ”yleisin työmuistiin tallennettavien esineiden määrä on viisi plus tai miinus kaksi.”Jos tätä tietoa ei kuitenkaan säilytetä ja tallenneta (”konsolidoitu”) ihmisen pitkäaikaiseen muistiin, se haalistuu nopeasti.

tutkimus osoittaa, että työmuistiin liittyvä aivojen pääalue on prefrontaalinen aivokuori. Etuotsalohko sijaitsee aivojen etulohkossa. Tämä alue käsittelee kognitiota ja sisältää kaksi suurta neurosilmukkaa tai-reittiä, jotka ovat keskeisiä prosessointitehtävissä työmuistin kautta: visuaalinen silmukka, joka on tarpeen tehtävän visuaaliselle osalle, ja fonologinen silmukka, joka käsittelee tehtävän kielellisiä näkökohtia (eli sanan tai lauseen toistamista). Vaikka ohimolohkon hippokampus on aivojen rakenne, joka useimmiten yhdistyy muistoihin, tutkimukset ovat osoittaneet, että sen rooli on tärkeämpi lyhytaikaisten muistojen yhdistämisessä pitkäaikaisiksi kuin kyky käsitellä, suorittaa ja lyhyesti muistaa tiettyjä tehtäviä.

tämänkaltainen muisti on erityisesti korostunut, kun puhutaan näköaistin lukemisesta, sillä nuottien ensimmäistä kertaa katsomista ja niiden tulkitsemista soitinta soittaessa voidaan pitää monimutkaisena käsityskykynä. Tärkein johtopäätös tämän ajatuksen kannalta on, että työmuisti, lyhytkestoinen muistikapasiteetti ja henkinen nopeus ovat kolme tärkeää ennustajaa näkölukusaavutukselle. Vaikka mikään tutkimuksista ei kumoa harjoitteluun käytettävän ajan ja musiikillisen kyvyn, erityisesti näkölukutaidon, välistä korrelaatiota, useammat tutkimukset osoittavat tason, jolla työmuisti toimii avaintekijänä näkölukutaidoissa. Kuten eräässä tällaisessa tutkimuksessa todettiin, ” työmuistikapasiteetilla oli myös tilastollisesti merkittävä vaikutus (noin 7 prosenttia, keskikokoinen vaikutus). Toisin sanoen, jos ottaisit kaksi pianistia, joilla on sama määrä harjoitusta, mutta eritasoinen työmuistikapasiteetti, on todennäköistä, että korkeampi työmuistikapasiteetti olisi suoriutunut huomattavasti paremmin näkötehtävässä.”

useiden muusikoiden ja tiedemiesten tutkimusten ja mielipiteiden perusteella kotisanoma näköaistin lukutaidosta ja työmuistin kyvystä näyttää olevan se, että ”parhaat näkönlukijat yhdistivät vahvat työmuistit kymmenien tuhansien harjoitustuntien kanssa.”

Sight-reading riippuu myös esitettävän musiikillisen ilmaisun tuntemuksesta; näin lukija voi tunnistaa ja käsitellä usein esiintyviä nuottikuvioita yhtenä yksikkönä yksittäisten nuottien sijaan, jolloin saavutetaan suurempi tehokkuus. Tätä ilmiötä, joka koskee myös kielen lukemista, kutsutaan chunkingiksi. Virheitä sight-reading esiintyy yleensä paikoissa, joissa musiikki sisältää odottamattomia tai epätavallisia sekvenssejä; nämä kumoavat strategian ”lukeminen odotuksen” että sight-lukijat tyypillisesti käyttävät.